Prophet 预测累计值为什么会低于最后观测值？

2026-11-06数据小许

结论

Prophet 没有通用的“累计”选项，也不保证预测值从最后一个实际观测值开始，或始终递增。它根据拟合出的趋势和季节性生成预测，所以预测值可能低于最后一个观测值。

你给出的预测日期还有一个细节：pd.date_range(str(last_date), freq="D", periods=horizon) 会把 last_date 本身包含在预测范围内。这样，首个预测值对应的是最后观测日期，可能是模型对该日期的拟合估计，而非对次日的预测。

从下一天开始预测

从最后观测日期的次日开始生成预测日期：

future_dates = pd.date_range(
    start=last_date + pd.Timedelta(days=1),
    freq="D",
    periods=horizon,
)
fh = ForecastingHorizon(future_dates, is_relative=False)
y_pred = forecaster.predict(fh)

这样可以避免把最后一天的拟合值当作次日预测。不过，未来预测仍可能低于最后观测值，因为 Prophet 本身没有单调递增约束。

需要强制预测不下降时

如果业务规则要求预测累计值不低于当前值，并且逐日不下降，可以在预测后进行单调化处理：

last_value = forecast_df.iloc[-1]
y_pred = y_pred.sort_index().clip(lower=last_value).cummax()

这段处理会将预测值限制在最后观测值之上，并确保后续预测不低于此前的预测值。它属于后处理，会改变模型的原始预测结果。如果同时展示置信区间，也应说明区间不会因此自动获得统计意义上的单调约束。

如果希望预测过程本身符合累计逻辑，可以先预测每日新增量，再把非负新增量累加为累计值。每日新增量的预测也可能为负，通常需要按业务规则处理，因此这种做法同样会引入模型之外的约束。

检查日期与缺失值处理

代码中的 pd.to_datetime(df.index) 没有将转换结果赋回索引。如果索引还不是日期类型，应显式转换：

df.index = pd.to_datetime(df.index)

此外，resample('D').bfill() 会用后续日期的值填补缺失日期。对于累计序列，这可能把未来观测值填到更早的日期，进而扭曲训练数据。请根据数据含义选择填充方式，并确认 Total_Issues 确实表示按日期统计的累计数量。