用途：为时间相关数据构建专业预测流程，处理趋势、季节性与未来值预测，并纳入 SpecWeave 的增量（increment）工作流，使预测可复现、有文档、可上线。
主要能力：提供统计方法（ARIMA 自动定阶、季节性分解）、Prophet（多重季节性、节假日、缺失值与异常值）、深度学习（LSTM/GRU，多变量、非线性）、多变量 VAR 预测；还包含平稳性检验（ADF）、季节性检测、时间序列交叉验证（扩展窗口）、缺失值插补、集成预测、层级预测协调与预测监控。评估指标含 MAPE、RMSE、MAE、MASE、方向准确率与区间覆盖率。
使用方式：通过 Python 导入，如 from specweave import TimeSeriesForecaster，指定 method 与 increment 后调用 fit/predict；也可使用 SalesForecastPipeline、DemandForecastPipeline、FinancialForecastPipeline、SensorForecastPipeline 等场景化管道。命令示例：/ml:forecast --horizon 30 --method prophet、/ml:evaluate-forecast 0042、/ml:decompose-timeseries 0042。
适用场景：销售预测、需求与库存规划、股价/加密货币/外汇、传感器与 IoT 数据等。
限制：资料未提供具体安装命令、依赖版本、收费与价格、平台支持范围及实际效果数据；部分高级功能（集成、协调、监控）的完整参数与边界条件暂未提供。