使用fpp2进行预测：时间序列结果转日期的技术问询

这个问题在使用传统ts对象处理带具体日期的时间序列时很常见——因为ts本身并不存储原始的日期字符串，只保留了基于年份和频率的时间索引。这里有两种靠谱的解决方法，看你更倾向哪种：

方法1：用tsibble保留完整日期信息（推荐） #

tsibble是专门为时间序列设计的 tidy 数据结构，能完美兼容fpp2的所有预测工具，同时全程保留你的原始日期列。步骤如下：

1. 安装并加载tsibble包
2. 将原始数据转换为tsibble，指定date为时间索引
3. 拟合模型并生成预测，结果会自动包含日期信息

# 加载所需包
library(fpp2)
library(tsibble)

# 你的原始周度数据
wks <- tibble(
  date = as.Date(c("2016-01-04", "2016-01-11", "2016-01-18")),
  wk = 1:3,
  y = c(2500, 2530, 2600)
)

# 转换为tsibble（确保时间序列是规则的，若有缺失日期可自动补全）
wks_tsbl <- wks %>%
  as_tsibble(index = date, regular = TRUE) %>%
  fill_gaps()

# 拟合ETS模型并预测未来4周
fit <- wks_tsbl %>%
  model(ETS(y))
fc <- fit %>%
  forecast(h = 4)

# 查看预测结果，日期列完整保留
print(fc)

方法2：手动给预测结果补全日期列 #

如果你习惯继续使用ts对象，可以在预测后手动生成对应日期，再和原始数据合并：

library(fpp2)
library(tibble)
library(dplyr)

# 原始数据
wks <- tibble(
  date = as.Date(c("2016-01-04", "2016-01-11", "2016-01-18")),
  wk = 1:3,
  y = c(2500, 2530, 2600)
)

# 转换为ts对象
wks_ts <- ts(wks$y, start = 2016, freq = 52)

# 拟合模型并生成预测
fit <- ets(wks_ts)
fc <- forecast(fit, h = 4)

# 生成预测对应的日期：从原始最后一个日期开始，每周递增7天
last_date <- max(wks$date)
fc_dates <- seq(last_date + 7, by = "week", length.out = length(fc$mean))

# 把预测结果整理成带日期的数据框
fc_df <- tibble(
  date = fc_dates,
  wk = max(wks$wk) + 1:length(fc$mean),
  y_pred = fc$mean,
  lower_80 = fc$lower[, "80%"],
  upper_80 = fc$upper[, "80%"]
)

# 合并原始数据和预测数据（可选）
combined_data <- bind_rows(
  wks %>% select(date, wk, value = y),
  fc_df %>% select(date, wk, value = y_pred)
)

print(combined_data)

问题根源说明 #

当你用ts(wks$y, start = 2016, freq = 52)转换数据时，生成的ts对象本质是一个带时间属性的数值向量——它只记录了起始年份（2016）、每年的周期数（52周），完全丢失了原始的date列信息。因此后续预测结果也只会延续这个“年份+周数”的索引，无法自动关联回具体日期。

内容的提问来源于stack exchange，提问作者Alex