使用NeuralProphet自回归创建未来DataFrame时遇行数异常问题

尝试用以下代码创建未来DataFrame：

future = m.make_future_dataframe(df, periods= 720, n_historic_predictions=True)

但实际仅新增1行数据，而非预期的720行。

模型代码如下：

m = NeuralProphet(
    changepoints_range=0.95,
    normalize='soft', 
    n_changepoints=50,
    trend_reg=1,
    yearly_seasonality=False,
    weekly_seasonality=True,
    daily_seasonality=10,
    n_lags = 7 # 移除该行后，未来DataFrame可正常生成
)
m.add_seasonality(name="monthly", period=30.5, fourier_order=5)
m.set_plotting_backend("plotly")
metrics = m.fit(df, freq="H")

NeuralProphet官方文档对make_future_dataframe方法的描述：

将数据框扩展指定数量的周期（时间步）到未来。仅在预测未知未来时使用。新时间戳会添加到历史数据框中，'y'列值为NaN（待预测）。此外，给定的未来事件和回归变量会添加到新增的周期时间戳中。返回的数据框将包含生成n_historic_predictions所需的历史数据，这些数据对应序列'y'的历史观测值。

问题原因与解决办法 #

• 问题根源：当模型启用自回归（AR）项（通过n_lags参数设置）时，NeuralProphet的make_future_dataframe默认仅能生成1行未来数据——因为AR项需要依赖前一步的预测结果作为下一次预测的输入，无法一次性生成全部n步未来数据，这一点文档未明确说明。
• 解决途径：
  1. 循环生成多步预测：若保留AR项，需循环调用预测方法，每次生成1步预测并追加到数据框，直到达到目标步数。示例逻辑如下：

     import pandas as pd
     
     future = df.copy()
     for _ in range(720):
         # 生成下1步的未来数据框
         next_step = m.make_future_dataframe(future, periods=1, n_historic_predictions=False)
         # 执行预测
         forecast = m.predict(next_step)
         # 提取最新预测行并追加到原数据框
         new_row = forecast.iloc[-1:][['ds', 'yhat1']].rename(columns={'yhat1': 'y'})
         future = pd.concat([future, new_row], ignore_index=True)
     

  2. 移除AR项：若业务场景允许删除n_lags=7参数，可直接一次性生成720行未来数据，无需循环。

内容的提问来源于stack exchange，提问作者W.tan