Python FB Prophet：如何减少Timeseries预测错误？

我预测2020年第四季度的日销售额，日数据可追溯到2017年1月。为此目的使用FB Prophet。我的数据具有每周、每月和每年的季节性。通常，预测误差在未来的几天/几周内较低，然后在几周后增加。在我的例子中，我注意到一个奇怪的问题，预测误差最初很低，然后在第20天左右出现峰值并下降。我没有任何额外的回归。你知道我可能会错过什么吗

#Measuring Forecast error using historical data
m = Prophet(changepoint_prior_scale=0.01,holidays_prior_scale = 30)
m.add_country_holidays(country_name='US')
m.add_seasonality(name = "monthly", period = 30.5, fourier_order=5)
m.fit(df)
cutoffs = pd.to_datetime(['2020-09-30'])
df_cv = cross_validation(m, cutoffs = cutoffs, horizon='46 days', parallel="processes")
df_p = performance_metrics(df_cv)
#Plotting Forecast error
fig= plot_cross_validation_metric(df_cv,metric = "mape",rolling_window=0.15)

以下是我的预测错误图：

---

您的数据中是否存在任何缺口？不。我的数据没有任何漏洞。你的数据有漏洞吗？不。我的数据没有任何缺口。