时间序列预测可视化核心是结果可信、过程可追溯、变化可感知；需统一DatetimeIndex对齐原始数据、拟合值、预测值与置信区间，分三层绘制并动态标注关键节点，导出轻量交互HTML。
时间序列预测的可视化项目，核心不在炫酷图表，而在“预测结果可信、过程可追溯、变化可感知”。关键不是堆砌工具，而是把模型输出、原始数据、误差分布、未来区间一起放在同一时空坐标下呈现。
用一致的时间索引对齐所有要素
原始观测值、模型拟合值、预测值、置信区间必须共享同一个 DatetimeIndex。Pandas 的 resample 或 asfreq 可强制对齐频率（如统一为'D'或'1H'），缺失时间点补 NaN 而非插值——插值会污染误差评估。若原始数据含不规则时间戳，先用 set_index('time').sort_index() 再重采样，避免时间错位导致曲线漂移。
分层绘制：底图+主干+不确定性带
用 Matplotlib 或 Plotly 分三层叠加：
- 底层：灰度散点或细线画原始时序（透明度设为0.6，突出真实采样点）
- 中层：实线画训练期内模型拟合值 + 实线画预测期点估计（颜色区分，如蓝色拟合/橙色预测）
- 上层：半透明多边形填充 80% 和 95% 置信区间（用 fill_between 或 add_trace(fill='tonexty')）
动态标注关键节点与误差信号
自动标出预测起始点（vertical line + label）、异常残差点（|residual| > 2×训练期MAE）、以及未来预测中首个超阈值预警（如预测值连续3期高于历史90分位数）。用 annotate 添加简短文字，字号略小，避免遮挡主线。不手动写死坐标，全部基于数据计算生成。
导出可交互的轻量 HTML
用 Plotly 的 fig.write_html("forecast.html", include_plotlyjs="cdn") 生成单文件。禁用默认菜单栏（config={"displayModeBar": False}），保留缩放和悬停（hover显示时间、实际值、预测值、误差）。不嵌入 JS 大包，CDN 加载即可，打开即用，适合邮件发送或内网共享。
基本上就这些。不需要复杂仪表盘，一张图说清“过去怎么拟合、未来怎么走、哪里不确定”，就是最有效的可视化预测交付。
