Facebook prophet 使用每周数据进行预测时遇到的困难

我有一个CSV，在整个11月内每隔10分钟提供一次时间序列数据点，我希望用它来训练FB Prophet模型。每周的数据都具有很强的季节性，周六和周日的数据值始终低于平日数据。这就是使用

fbprophet

y_hat

值时数据（始终为非负）的外观：

这就是我为获得模型所做的：

df = pd.read_csv('./input.csv');

m = Prophet(weekly_seasonality=False)
m.add_seasonality('weekly', period=7, fourier_order=3)
m.fit(df)

future = m.make_future_dataframe(periods=10)

forecast = m.predict(future)

fig = m.plot(forecast).savefig('out.png')

然而，生成的10期预测看起来很糟糕，特别是考虑到培训数据中存在负值：

我尝试过调整

期间=

和

傅里叶顺序=

值，以及各种

变化点\u先验\u标度=

值，但预测与训练数据相差甚远

使用Prophet（变更点之前的比例=0.50）：

使用

m.add\u季节性（'weekly'，period=5，fourier\u order=5）

：

为了得到与训练数据没有太大差异的预测，我接下来应该尝试什么？我相信这个问题的基础是，我的数据点有10分钟的间隔。因此，当我尝试将周期增加到每周7天（1008）中的10分钟周期数时，我得到以下结果：

---

我正在寻找更多关于如何使用Prophet更准确地预测这些数据的信息，但我相信在如何训练模型方面我缺少了一些信息。任何帮助都将不胜感激

我也有类似的问题。在这之后…@doctorV我使用了

m=Prophet（growth='logistic'，changepoint\u previor\u scale=16.99）

和

future=m.make\u future\u dataframe（periods=2050，freq='10min'）

并根据我的季节数据得到了一个非常好的预测。在调整FBProphet时，数据的频率和周期似乎是最重要的方面，所以我从这里开始。我也有类似的问题。在这之后…@doctorV我使用了

m=Prophet（growth='logistic'，changepoint\u previor\u scale=16.99）

和

future=m.make\u future\u dataframe（periods=2050，freq='10min'）

并根据我的季节数据得到了一个非常好的预测。在调整FBProphet时，数据的频率和周期似乎是最重要的方面，因此我将从这里开始。