做一次预测
分四步：选一条序列，看清数据，挑预测方法（按回测成绩推荐一个），再看未来几周和这次预测靠不靠谱。所有数字都来自构建时读入的真实数据。
美国全国 ILI 加权比例（wILI，%）
判定 允许预测 ② 数据概览
- 时间范围
- 2010年10月3日 – 2026年9月27日
- 频率
- 每周一个值
- 长度
- 835 周（约 16.1 个流行季）
- 最近值
- 1.85%（2026年9月27日）
- 近 52 周范围
- 0.87% – 8.3%
- 缺失
- 0 周（0%），最长连续缺 0 周
- 季节性
- 明显：强度 0.81（判断线 0.35）
下载这条序列的数据 JSONParquet
图中是最近 104 周，右侧留白是要预测的未来。
- 第 1 周（2026年10月4日）：1.9%，80% 区间 1.76% – 2.06%
- 第 8 周（2026年11月22日）：3.26%，80% 区间 2.52% – 4.2%
显示预测
依据与边界
读入数据
通过835 周（2010年10月3日 – 2026年9月27日），缺失 0 周
数据检查
通过 无发现。
滚动起点回测
通过 52 个起点，覆盖 3.1 个季节
选中 AutoTheta：MAE 为季节朴素基线的 0.58 倍（阈值 < 0.95）; 80% 区间实际覆盖 81%
判定
允许预测 forecast_allowed: true reason: beats_seasonal_naive_in_rolling_origin_backtest reason_codes: []
② 数据概览
- 时间范围
- 2010年10月3日 – 2026年9月27日
- 频率
- 每周一个值
- 长度
- 835 周（约 16.1 个流行季）
- 最近值
- 47,389（2026年9月27日）
- 近 52 周范围
- 20,242 – 215,792
- 缺失
- 0 周（0%），最长连续缺 0 周
- 季节性
- 明显：强度 0.81（判断线 0.35）
下载这条序列的数据 JSONParquet
图中是最近 104 周，右侧留白是要预测的未来。
数据体检
- 提醒去除季节性后仍不平稳（ADF p=0.609，KPSS p=0.010，水平漂移 +1.72）：难以判断；仅有季节性流行不会触发该提示，趋势或随机游走才会。
- 第 1 周（2026年10月4日）：49,495，80% 区间 44,753 – 54,740
- 第 8 周（2026年11月22日）：86,330，80% 区间 62,027 – 120,153
显示预测 · 建议: 预测通过了回测，但该序列难以判断（非平稳/不稳定）；对较远的预测步长请谨慎看待。
依据与边界
读入数据
通过835 周（2010年10月3日 – 2026年9月27日），缺失 0 周
数据检查
提示滚动起点回测
通过 52 个起点，覆盖 3.1 个季节
选中 AutoTheta：MAE 为季节朴素基线的 0.67 倍（阈值 < 1）; 80% 区间实际覆盖 81%
判定
允许预测 forecast_allowed: true reason: beats_seasonal_naive_in_rolling_origin_backtest reason_codes: [trend_nonstationary]
② 数据概览
- 时间范围
- 2017年7月3日 – 2026年9月28日
- 频率
- 每周一个值
- 长度
- 483 周（约 9.3 个流行季）
- 最近值
- 5.64%（2026年9月28日）
- 近 52 周范围
- 0.34% – 21.4%
- 缺失
- 0 周（0%），最长连续缺 0 周
- 季节性
- 明显：强度 0.62（判断线 0.35）
下载这条序列的数据 JSONParquet
图中是最近 104 周，右侧留白是要预测的未来。
数据体检
- 会限制预测40 个离群周期（8.3%，最大偏离 2.70 模型单位）会扭曲拟合与区间校准。建议屏蔽（mask）这些时期。
- 提醒在其他时期有活动的序列中出现连续 9 期的精确零值（可能是缺失数据被隐式补零）。
- 第 1 周（2026年10月5日）：5.99%，80% 区间 3.26% – 10.7%
- 第 4 周（2026年10月26日）：7.44%，80% 区间 2.8% – 18.3%
显示预测，但有限制：步长 ≤ 4 周，区间放宽 ×1.25 · 建议: 通过 `mask_periods` 屏蔽已知的异常时期（如 COVID-19），避免影响拟合与区间校准。
依据与边界
读入数据
通过483 周（2017年7月3日 – 2026年9月28日），缺失 0 周
数据检查
受限 outlier_contamination limitzero_runs warn
滚动起点回测
通过 52 个起点，覆盖 3.1 个季节
选中 MSTL：MAE 为季节朴素基线的 0.67 倍（阈值 < 0.95）; 80% 区间实际覆盖 81%
判定
受限预测 forecast_allowed: true reason: beats_seasonal_naive_in_rolling_origin_backtest reason_codes: [outlier_contamination, zero_runs]
欧盟/欧经区流感阳性率，哨点（%）
判定 拒绝预测 ② 数据概览
- 时间范围
- 2022年6月20日 – 2026年10月5日
- 频率
- 每周一个值
- 长度
- 225 周（约 4.3 个流行季）
- 最近值
- 4%（2026年10月5日）
- 近 52 周范围
- 0% – 47%
- 缺失
- 0 周（0%），最长连续缺 0 周
- 季节性
- 明显：强度 0.88（判断线 0.35）
下载这条序列的数据 JSONParquet
图中是最近 104 周。
数据体检
- 提醒8 个离群周期（3.6%，最大偏离 4.10 模型单位）会扭曲拟合与区间校准。建议屏蔽（mask）这些时期。
这条序列不适合预测
- 回测只覆盖 2.3 个季节（至少要 3 个），还看不出它是否比基线准。
依据与边界
读入数据
通过225 周（2022年6月20日 – 2026年10月5日），缺失 0 周
数据检查
提示 outlier_contamination warn
滚动起点回测
拦截 38 个起点，覆盖 2.3 个季节
没有候选模型可选。
insufficient_backtest block 回测样本不足以判断预测技巧：38 个起点，跨度 2.3 个季节（至少需要 10 个起点）。
判定
拒绝预测 forecast_allowed: false reason: backtest_lt_3_seasons reason_codes: [insufficient_backtest, outlier_contamination]
② 数据概览
- 时间范围
- 2022年10月24日 – 2023年10月9日
- 频率
- 每周一个值
- 长度
- 51 周（约 1 个流行季）
- 最近值
- 2（2023年10月9日）
- 近 52 周范围
- 1 – 3
- 缺失
- 41 周（80%），最长连续缺 39 周
- 季节性
- 历史太短，算不出来
下载这条序列的数据 JSONParquet
图中是最近 51 周。
数据体检
- 无法预测历史太短：51 个周期 = 1.0 个季节（至少需要 3 个）。
- 无法预测缺失值过多：缺失 80.4%，内部最长连续缺失 39 期（上限：25% / 2 期）。
这条序列不适合预测
- 数据不够：只有 51 周（约 1 个季节），至少要 3 个季节。
- 缺失太多：缺 80%，最长连续缺 39 周（上限 2 周）。
依据与边界
读入数据
通过51 周（2022年10月24日 – 2023年10月9日），缺失 41 周
数据检查
拦截 too_short blocktoo_many_gaps block
滚动起点回测
跳过 未运行：数据检查已拦截，不进入回测。
判定
拒绝预测 forecast_allowed: false reason: history_lt_3_seasons reason_codes: [too_short, too_many_gaps]
所有序列共用：离线基准里试过、没进生产候选的方法
复现
uv run python scripts/build_showcase_data.py
jq '.backtest.models | map_values(.mae)' \
site/public/data/series/<series_id>.json
jq '.gate | {decision, reason_codes}' \
site/public/data/series/<series_id>.json
原始 JSON（清单）
结果来自构建时的静态数据，不是实时计算；拒绝不代表一定正确；不用于临床或公共卫生决策。