用趋势模型中的Prophet模型对时间序列数据进行预测分析并输出预测结果，在创建Prophet模型时显示出所有Prophet模型可以调整的参数

Prophet模型是一种基于加性模型的时序预测模型，可以处理具有多个季节性和非线性趋势的时间序列数据。在创建Prophet模型时，可以调整以下参数：

1. `changepoint_prior_scale`：控制趋势的灵活性，值越大模型趋势越灵活。

2. `seasonality_prior_scale`：控制季节性的灵活性，值越大模型趋势越灵活。

3. `holidays_prior_scale`：控制假期因素的影响，值越大假期因素对模型的影响越大。

4. `seasonality_mode`：季节性模式，可以选择`additive`或`multiplicative`。

5. `changepoint_range`：控制变化点数量的范围，默认值为0.8，表示变化点数量在数据的前80%范围内。

6. `yearly_seasonality`：是否考虑年度季节性。

7. `weekly_seasonality`：是否考虑周度季节性。

8. `daily_seasonality`：是否考虑日度季节性。

9. `seasonality_prior_scale`：控制季节性的灵活性，值越大季节性对模型的影响越大。

10. `holidays`：指定假期的日期和名称，可以是一个数据框或pandas的DataFrame对象。

通过调整这些参数，可以使Prophet模型更加适合不同的时间序列数据。