PROPHET
本节说明 PROPHET 算法模型的使用方法。
功能概述
PROPHET：由 Facebook 开发的开源时间序列预测算法，记作 Prophet，适用于具有明显季节性、节假日效应以及趋势变化的时间序列数据。Prophet 模型对缺失值和异常值具有较强的鲁棒性，并且能够自动检测周期模式，支持自定义季节性和节假日参数，适用于商业预测、生态数据等多个领域。与 ARIMA 不同，Prophet 不需要时间序列完全平稳，且对多周期性（如年周期、周周期、日周期）具有良好的建模能力。
Prophet 模型的核心组成包括：
- 趋势部分：涵盖线性或饱和增长/下降趋势，并支持趋势变化点。
- 季节性部分：通过傅里叶级数拟合周期性模式。
- 节假日部分：支持注入自定义的节假日或事件效应。
以下参数可动态输入，用于调整 PROPHET 模型的预测行为。
参数
在分析平台中，PROPHET 模型支持自动化配置，但用户也可通过参数调整模型的拟合和预测过程。
| 参数 | 说明 | 必填项 |
|---|---|---|
| growth | 趋势类型，可选 linear 或 logistic，默认 linear | 选填 |
| yearly_seasonality | 是否启用年季节性（true/false/auto），默认 auto | 选填 |
| weekly_seasonality | 是否启用周季节性（true/false/auto），默认 auto | 选填 |
| daily_seasonality | 是否启用日季节性（true/false/auto），默认 auto | 选填 |
| changepoint_prior_scale | 趋势转折点灵活度，数值越大越容易变化，默认 0.05 | 选填 |
示例及结果
针对列 passengers进行时间序列预测，数据按天记录，假设存在周周期性和年周期性，趋势转折点灵活度为 0.1，进行预测。
FORECAST(passengers, "algo=prophet,growth=linear,yearly_seasonality=true,weekly_seasonality=true,changepoint_prior_scale=0.1")
完整的调用 SQL 语句如下：
SELECT _frowts,
FORECAST(passengers, "algo=prophet,growth=linear,yearly_seasonality=true,weekly_seasonality=true,changepoint_prior_scale=0.1")
FROM air;
返回结果格式如下：
{
"rows": fc_rows, // 返回的预测结果行数，即生成多少条预测数据
"algo": "prophet", // 使用的算法名称，这里是 Prophet
"growth": "linear", // 趋势类型，可选 linear 或 logistic，源码默认 linear
"yearly_seasonality": "auto", // 是否启用年季节性（true/false/auto），源码默认 auto
"weekly_seasonality": "auto", // 是否启用周季节性（true/false/auto），源码默认 auto
"daily_seasonality": "auto", // 是否启用日季节性（true/false/auto），源码默认 auto
"changepoint_prior_scale": 0.05, // 趋势转折点灵活度，数值越大越容易发生趋势变化，源码默认 0.05
"mse": mse, // 模型拟合误差指标：均方误差 (Mean Squared Error)
"res": res // 预测结果列表，包含每个时间点的预测值及其区间（上下限）
}
参考文献
- Prophet 官方文档
- Prophet 论文：Forecasting at Scale (2017)
