如何消除fable中ETS模型预测区间的负值？

你的核心问题是庇护申请数量属于非负计数数据，但默认ETS模型使用正态分布，导致预测区间出现不符合业务逻辑的负值。以下是两种根本解决思路：

方案1：为ETS模型指定非负计数分布 #

从模型层面适配数据特性，将ETS的分布设置为适合计数数据的类型，直接避免负值产生：

泊松分布（适用于均值≈方差的计数数据） #

stl.fc <- train |>
  model(stlf = decomposition_model(
    STL(value),
    ETS(season_adjust, distribution = "poisson"), # 指定泊松分布
    SNAIVE(season_year)
  )) |>
  forecast(h = TIME_HORIZON)

负二项分布（适用于方差>均值的过度离散计数数据） #

如果你的庇护申请数据存在过度离散（比如某些时间段申请量波动极大），改用负二项分布更合适：

stl.fc <- train |>
  model(stlf = decomposition_model(
    STL(value),
    ETS(season_adjust, distribution = "negbin"), # 指定负二项分布
    SNAIVE(season_year)
  )) |>
  forecast(h = TIME_HORIZON)

这种方式从模型假设上匹配非负计数数据，是最合理的根本解决方案，预测值和区间都会自然落在非负范围内。

方案2：截断预测分布至非负区间 #

如果不想调整模型分布，可在预测后对分布进行截断处理，强制将所有负值部分设为0：

stl.fc <- train |>
  model(stlf = decomposition_model(
    STL(value),
    ETS(season_adjust),
    SNAIVE(season_year)
  )) |>
  forecast(h = TIME_HORIZON) |>
  mutate(
    value = truncate(value, lower = 0) # 截断分布，下限设为0
  )

处理后再调用autoplot，预测区间的下限就会被限制在0以上，不会出现负值。这种方式属于后处理修正，适合快速调整结果的场景。

验证效果 #

可以通过提取预测分位数确认调整后的结果：

stl.fc |>
  hilo(level = c(80, 95)) |>
  unnest(hilo)

查看输出的lower列，所有值都应≥0。

内容的提问来源于stack exchange，提问作者umbe1987