使用fbprophet的每周数据进行预测的困难

Question

我希望在11月份的整个月中以10分钟的间隔创建一个带有时间序列数据点的CSV，我希望以此来训练FB Prophet模型。该数据每周一次是非常季节性的，并且星期六和星期日的值始终低于工作日的值。这就是带有fbprophet y_hat值的数据（总是非负数）的样子：

source

这是我要获取模型的步骤：

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')

但是，生成的10周期预测看起来很糟糕，尤其是考虑到训练数据中存在负值时：

我尝试调整period=和fourier_order=的值以及各种changepoint_prior_scale=的值，但是预测值远不及训练数据。

使用Prophet(changepoint_prior_scale=0.50)：

使用m.add_seasonality('weekly', period=5, fourier_order=5)：

为了获得与受训数据没有太大不同的预测，我接下来应该开始尝试什么？我认为该问题是基于以下事实：我的数据点间隔为10分钟。因此，当我尝试将周期增加到每周7天的10分钟周期（1,008）时，我得到以下信息：

我正在寻找有关如何使用Prophet来更准确地预测此数据的更多信息，但是我认为在训练模型方面缺少一些信息。任何帮助将不胜感激！