1. 为什么选择Prophet来做家庭用电量预测？

如果你手头有一份记录了家庭每分钟用电量的数据，想预测未来几天的用电情况，你会怎么做？我猜很多人的第一反应是：“这听起来好复杂，是不是得用很高深的模型？” 其实不然，Facebook开源的 Prophet 模型，就是专门为这类“带明显周期性规律”的时间序列预测而生的，它最大的特点就是对使用者极其友好，你不需要是时间序列专家，也能快速上手得到不错的预测结果。

我最初接触这个家用电量数据集时，也尝试过ARIMA等传统模型，但过程挺折腾的，光是定阶、差分、检验平稳性就够喝一壶的。而Prophet把很多复杂的东西都封装好了，它本质上是一个可加性模型，把时间序列分解成几个直观的部分：趋势、季节性和节假日效应。你可以把它想象成“搭积木”：

• 趋势项：描述数据长期的上升或下降走向，比如家庭用电量随着家电增多可能缓慢增长。
• 季节性项：捕捉重复的周期模式，比如天周期（白天用电多，深夜用电少）、周周期（工作日和周末模式不同）、年周期（夏季空调和冬季取暖导致的用电高峰）。
• 节假日项：处理那些不规律但可预知的影响，比如法定长假、特殊节日，家里没人用电量会骤降。

对于家庭用电数据来说，它的天周期和周周期通常非常明显，这正是Prophet最擅长捕捉的。而且Prophet对缺失值和异常值不那么敏感，拟合速度快，还自带方便的可视化功能，对于快速分析和验证想法特别有帮助。当然，它也不是万能的，对于受非常多外部变量（比如突发天气、电价变动）剧烈影响的序列，可能需要更复杂的模型。但对于我们手头这个“家庭用电量预测”的入门到进阶需求，Prophet绝对是一把趁手的好工具。

2. 数据准备与预处理：为Prophet铺好路

Prophet模型要求输入的数据格式非常简单：一个两列的Pandas DataFrame，一列是时间戳 ds，一列是观测值 y。我们的原始数据比这丰富得多，所以预处理的关键，就是从多变量中提取出我们想预测的那个序列，并转换成Prophet需要的格式。

2.1 加载与清洗数据

首先，我们加载经过初步处理的数据集（假设你已经按照上一篇笔记的步骤，将数据清洗并保存为CSV文件）。这里我们重点关注有功功率作为预测目标。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from prophet import Prophet

# 加载数据
df = pd.read_csv('household_power_consumption.csv', index_col=0, parse_dates=True)
print(df.head())
print(f"数据形状: {df.shape}")

接下来，我们创建Prophet所需的DataFrame。Prophet的 ds 列必须是日期时间格式，y 列必须是数值。我们选择 Global_active_power（总有功功率）作为 y。

# 重置索引，将日期时间列变为普通列
df_prophet = df.reset_index()[['datetime', 'Global_active_power']].copy()

# 重命名列以符合Prophet要求
df_prophet.columns = ['ds', 'y']

# 检查是否有缺失值
print(f"缺失值数量: {df_prophet['y'].isna().sum()}")

# 如果有缺失值，可以进行前向填充或插值，Prophet本身也能处理一定缺失
# df_prophet['y'].fillna(method='ffill', inplace=True)

print(df_prophet.head())

2.2 数据重采样：从分钟级到小时级

原始数据是每分钟一条记录，四年的数据量超过200万条。虽然Prophet能处理，但这么高的频率可能包含大量噪声，且训练速度会变慢。对于用电量预测，小时级或日级数据通常更具实际意义，也更能体现宏观规律。我们这里演示降到小时级。

# 将数据重采样为小时平均值
df_hourly = df_prophet.set_index('ds').resample('H').mean().reset_index()

print(f"重采样后数据形状: {df_hourly.shape}")
print(df_hourly.head())

# 可视化一小段数据，看看重采样效果
plt.figure(figsize=(14, 5))
plt.plot(df_hourly['ds'].iloc[:168], df_hourly['y'].iloc[:168]) # 显示第一周的数据
plt.title('家庭有功功率 - 小时平均值（第一周）')
plt.xlabel('日期时间')
plt.ylabel('有功功率 (kW)')
plt.grid(True, linestyle='--', alpha=0.5)
plt.tight_layout()
plt.show()

重采样后，数据量从200多万条减少到约3.5万条（四年的小时数），趋势和季节模式会更加清晰。这一步不是必须的，你可以根据预测需求（比如预测未来一天每小时的用电量）来决定使用原始分钟数据还是重采样数据。我实测下来，对于初次建模，用小时数据更容易快速看到效果，减少干扰。

3. 构建与训练第一个Prophet模型

数据准备好了，现在可以开始训练模型了。Prophet的API设计得非常简洁，基本模式是“创建模型 -> 拟合数据 -> 预测未来”。

3.1 基础模型训练

我们先使用所有默认参数来训练一个模型，看看基线效果。

# 初始化Prophet模型
model = Prophet()

# 拟合数据
model.fit(df_hourly)

# 创建未来时间框架：预测未来7天（168小时）
future = model.make_future_dataframe(periods=168, freq='H') # freq='H' 表示小时频率
print(future.tail())

# 进行预测
forecast = model.predict(future)
print(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail())

forecast 这个DataFrame包含了很多列，其中最重要的几列是：

• ds: 日期时间
• yhat: 预测值
• yhat_lower 和 yhat_upper: 预测值的置信区间下界和上界（默认80%置信区间）

3.2 可视化预测结果

Prophet内置了方便的绘图函数，可以一次性展示预测结果、趋势和季节性成分。

# 绘制预测结果
fig1 = model.plot(forecast)
plt.title('Prophet 预测结果 - 家庭有功功率')
plt.xlabel('日期')
plt.ylabel('有功功率 (kW)')
plt.show()

# 绘制预测的各个组件（趋势、周季节性、年季节性）
fig2 = model.plot_components(forecast)
plt.show()

通过 plot_components 图，你可以直观地看到：

1. 整体趋势：几年内家庭用电量的长期变化。
2. 周季节性：一周七天中每天的典型用电模式。通常工作日和周末会有明显差异。
3. 年季节性：一年中不同月份的用电模式。可能会看到夏季和冬季的用电高峰。

第一次运行看到这些图，你可能会发现年季节性不明显，或者趋势线有点奇怪。别急，这是因为我们还没开始调优。默认模型可能没有捕捉到数据的所有特性，接下来我们就来调整模型参数。

4. Prophet核心参数调优指南

Prophet的强大之处在于它提供了许多直观的参数，让你可以根据对数据的理解来调整模型。调优不是瞎试，而是有逻辑的。下面我结合家用电量数据的特点，分享几个最常用、最有效的参数。

4.1 调整趋势灵活性：changepoint_prior_scale

趋势项默认假设时间序列中有一些“变点”，趋势在这些点上可能改变方向或斜率。changepoint_prior_scale 参数控制趋势变化的灵活度：

• 值越大（如0.05, 0.1），模型更倾向于让趋势线“弯曲”去拟合数据的波动，可能过拟合。
• 值越小（如0.001, 0.005），趋势线更平滑、更刚性，可能欠拟合。

对于用电量数据，通常不会有非常剧烈、频繁的趋势突变，所以建议从一个较小的值开始尝试。

# 尝试一个更平滑的趋势
model_smooth = Prophet(changepoint_prior_scale=0.005)
model_smooth.fit(df_hourly)
forecast_smooth = model_smooth.predict(future)
fig = model_smooth.plot(forecast_smooth)
plt.title('趋势平滑度调整后预测')
plt.show()

4.2 调整季节性强度：seasonality_prior_scale

这个参数控制季节性成分的强度。如果你觉得模型捕捉的周波动或年波动太强或太弱，可以调整它。

• 值越大，季节性效应越强。
• 值越小，季节性效应越弱。

用电量的周周期性通常很强，我们可以适当增强周季节性。

# 增强周季节性，保持年季节性默认
model_season = Prophet(seasonality_prior_scale=10.0) # 默认是10，可以尝试增大到15或20
model_season.fit(df_hourly)
forecast_season = model_season.predict(future)
fig = model_season.plot_components(forecast_season)
plt.show()

4.3 自定义季节性：添加额外周期

除了内置的年、周、日季节性，你还可以添加自定义的季节性周期。比如，家庭用电在一天内有非常明显的模式（午休、晚餐后高峰），我们可以显式地添加一个“日周期”季节性，即使我们的数据是小时级的。

# 添加日季节性（周期为24小时）
model_custom = Prophet()
model_custom.add_seasonality(name='daily', period=1, fourier_order=8) # period=1表示1天，因为我们的ds单位是天
model_custom.fit(df_hourly)
forecast_custom = model_custom.predict(future)
fig = model_custom.plot_components(forecast_custom)
plt.show()

这里 fourier_order 是控制季节性形状复杂度的参数，值越高越能拟合复杂的波形。对于日周期，8到12是一个常用范围。

4.4 处理节假日效应

节假日（如国庆长假、春节）对家庭用电模式影响巨大。Prophet允许你传入一个节假日的数据框来建模这种效应。

# 创建一个节假日数据框（示例：法国的节假日，可根据实际情况修改）
holidays = pd.DataFrame({
  'holiday': 'french_holiday',
  'ds': pd.to_datetime(['2007-01-01', '2007-05-01', '2007-07-14', '2008-01-01', '2008-05-01', '2008-07-14']), # 示例日期
  'lower_window': -1, # 节假日前一天也受影响
  'upper_window': 1,  # 节假日后一天也受影响
})

model_holiday = Prophet(holidays=holidays)
model_holiday.fit(df_hourly)
forecast_holiday = model_holiday.predict(future)
fig = model_holiday.plot_components(forecast_holiday)
plt.show()

在实际项目中，你需要一份完整的节假日列表。这个功能对于预测节假日期间的用电低谷特别有用。

5. 模型评估与性能对比

模型调优不能光靠眼睛看，我们需要定量评估。Prophet本身不内置复杂的评估函数，但我们可以用历史数据做“模拟预测”，然后用常见的指标来评估。

5.1 模拟历史预测与评估指标

Prophet提供了 cross_validation 函数，可以方便地进行时间序列交叉验证。

from prophet.diagnostics import cross_validation, performance_metrics
from prophet.plot import plot_cross_validation_metric

# 进行交叉验证：初始训练期2年，每180天预测一次未来7天
df_cv = cross_validation(model, initial='730 days', period='180 days', horizon='7 days')
df_cv.head()

# 计算性能指标
df_p = performance_metrics(df_cv)
print(df_p.head())

# 可视化某个评估指标，例如均方根误差（RMSE）
fig = plot_cross_validation_metric(df_cv, metric='rmse')
plt.title('交叉验证 RMSE')
plt.show()

performance_metrics 会返回在不同预测水平（horizon）下的多个评估指标，包括：

• mse: 均方误差
• rmse: 均方根误差
• mae: 平均绝对误差
• mape: 平均绝对百分比误差
• mdape: 中位数绝对百分比误差
• smape: 对称平均绝对百分比误差
• coverage: 预测区间覆盖率

对于用电量预测，我比较关注 RMSE（衡量预测值与真实值的绝对偏差）和 MAPE（衡量相对误差百分比）。MAPE能让我们直观了解预测的平均误差水平，比如MAPE=5%，意味着平均预测误差在5%左右。

5.2 不同参数模型的对比

我们可以用循环来测试一组参数，并比较它们的性能。

import itertools

param_grid = {
    'changepoint_prior_scale': [0.001, 0.01, 0.1],
    'seasonality_prior_scale': [5.0, 10.0, 15.0],
}

# 生成所有参数组合
all_params = [dict(zip(param_grid.keys(), v)) for v in itertools.product(*param_grid.values())]
rmses = []  # 存储每个参数组合的RMSE

# 使用交叉验证评估每个参数组合
for params in all_params:
    m = Prophet(**params).fit(df_hourly)
    df_cv = cross_validation(m, initial='730 days', period='180 days', horizon='7 days', parallel="processes")
    df_p = performance_metrics(df_cv, rolling_window=1)
    rmses.append(df_p['rmse'].values[0])

# 找出最佳参数
tuning_results = pd.DataFrame(all_params)
tuning_results['rmse'] = rmses
print(tuning_results.sort_values('rmse').head())

通过这样的网格搜索，你可以找到在历史数据上表现最好的一组参数。但切记，时间序列交叉验证的结果只是参考，最终模型要在“未来”数据上表现好才行，要小心过拟合历史数据中的特殊模式。

6. 多变量时间序列预测的进阶尝试

到目前为止，我们只用了有功功率 (Global_active_power) 这一个变量。但原始数据集有多个变量（电压、电流、各子电路用电量）。Prophet虽然主要是单变量模型，但它支持添加额外的回归量，这为我们进行多变量预测提供了可能。

6.1 准备额外回归量

假设我们认为 电压 和 厨房用电量 可能对总有功功率有影响，我们可以把它们作为额外特征加入模型。

# 准备额外回归量数据框
df_regressors = df.reset_index()[['datetime', 'Voltage', 'Sub_metering_1']].copy()
df_regressors.columns = ['ds', 'voltage', 'kitchen_power']

# 将回归量与主要数据合并（确保时间戳对齐）
df_prophet_with_reg = pd.merge(df_prophet, df_regressors, on='ds', how='inner')

# 注意：对于预测未来的数据，你还需要提供未来时间的回归量值！
# 这通常需要你先对回归量本身进行预测，或使用已知/假设的未来值。
# 这里为演示，我们只使用历史数据拟合。

6.2 添加回归量并训练模型

model_reg = Prophet()
# 添加额外回归量
model_reg.add_regressor('voltage')
model_reg.add_regressor('kitchen_power')

# 拟合数据
model_reg.fit(df_prophet_with_reg)

# 注意：创建future数据框时，也必须包含这些回归量的未来值
# future_reg = model_reg.make_future_dataframe(periods=168, freq='H')
# future_reg['voltage'] = ... # 需要填充未来电压值
# future_reg['kitchen_power'] = ... # 需要填充未来厨房用电值
# forecast_reg = model_reg.predict(future_reg)

使用额外回归量是一把双刃剑。如果这些变量与目标变量有强相关性且未来值可准确获知或预测，那么模型精度可能会提升。但如果未来值不确定，或者引入了无关噪声，反而可能降低预测稳定性。对于家庭用电量，像“星期几”、“是否节假日”这类确定性信息作为回归量往往更可靠。我个人的经验是，先做好单变量模型，再谨慎地加入一两个你认为最重要的外部变量进行尝试。

7. 实战：预测未来一周用电量并解读结果

经过调优和评估，我们选定一个最终模型，来预测未来一周（168小时）的家庭用电量。

# 假设我们选择了以下参数作为最终模型
final_model = Prophet(
    changepoint_prior_scale=0.01,
    seasonality_prior_scale=12.0,
    holidays=holidays, # 使用之前定义的节假日
    seasonality_mode='additive',
    daily_seasonality=True, # 启用内置日季节性（24小时周期）
    weekly_seasonality=True,
    yearly_seasonality=True
)
final_model.fit(df_hourly)

# 创建未来一周的时间框架
future_final = final_model.make_future_dataframe(periods=168, freq='H')
forecast_final = final_model.predict(future_final)

# 绘制最终预测图
fig = final_model.plot(forecast_final)
plt.title('家庭有功功率 - 未来一周预测')
plt.xlabel('日期时间')
plt.ylabel('有功功率 (kW)')
# 可以在图上标记出预测区间
ax = fig.gca()
ax.fill_between(forecast_final['ds'].iloc[-168:],
                forecast_final['yhat_lower'].iloc[-168:],
                forecast_final['yhat_upper'].iloc[-168:],
                alpha=0.3, color='gray', label='80% 预测区间')
plt.legend()
plt.grid(True, linestyle='--', alpha=0.5)
plt.tight_layout()
plt.show()

# 输出未来几小时的预测值
print(forecast_final[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail(24))

如何解读预测结果？

• 预测值 (yhat)：模型认为最可能出现的用电功率。
• 预测区间 (yhat_lower, yhat_upper)：给出了预测的不确定性范围。实际值落在这个区间内的概率（默认80%）。区间越宽，说明模型对那个时间点的预测把握越小。
• 从组件图中，你可以分析未来一周哪几天是用电高峰（通常对应周末或特定时段），一天中哪个小时负荷最高。这些信息对于家庭能源管理或电网侧的需求响应都有参考价值。

8. 避坑指南与经验分享

在多次使用Prophet做时间序列预测后，我总结了一些容易踩的坑和实用技巧：

1. 数据频率要一致：确保 ds 列是均匀间隔的时间戳。如果有缺失的日期时间，最好用重采样或插值补全，否则Prophet可能会报错或产生奇怪的结果。
2. 小心“未来信息泄露”：当使用额外回归量时，绝对不能用未来的 y 值去预测过去的 y。在交叉验证和最终预测时，都要确保回归量的值在对应时间点是“已知”的。
3. 预测区间不是万能的：Prophet给出的预测区间是基于模型假设和历史波动性的估计。如果未来出现了历史上从未有过的极端事件（比如突然的长时间停电），这个区间是无法覆盖的。
4. 趋势外推的风险：Prophet默认的趋势项会延续历史最后一个趋势。如果历史数据末尾恰好处于一个特殊时期（比如疫情封控期用电模式），直接外推可能导致趋势判断错误。可以通过调整 changepoint_range 参数（默认为0.8，即只使用前80%的数据来估计变点）来让模型更关注近期趋势。
5. 日志转换处理负值：如果预测值可能出现负值（用电量一般不会，但有些场景会），而物理上不允许负值，可以在拟合前对 y 列做对数转换 (np.log1p)，预测后再转换回来。Prophet也支持指定 growth='logistic' 来设置饱和增长上限。
6. 可视化是最好的调试工具：多使用 model.plot_components() 函数。如果季节性图形状看起来不对劲（比如周季节性波动杂乱无章），可能意味着数据本身周期性不强，或者参数需要调整。

最后，记住Prophet是一个强大的基线模型和快速原型工具。对于家庭用电量预测，它往往能给出令人满意的结果。但如果追求极致的预测精度，可能需要融合更复杂的模型（如LSTM、XGBoost），或者集成多个模型的预测结果。不过，在大多数实际应用场景下，一个经过良好调优的Prophet模型，其表现已经足够支撑很多决策了。