IBM Granite 时间序列模型的集成预测方法

试用 Granite Timeseries Ensemble

安装 Granite TSFM，并直接从 Hugging Face 加载推荐的四个模型配方：

该配方存储的是集成配置，而不是合并后的模型权重。它会在运行时下载四个成员检查点，因此首次运行需要预留额外时间。有关完整配置、成员检查点、评估细节和局限性，请参阅模型卡。

result.prediction_outputs 包含点预测，而 result.quantile_outputs 包含分位数预测，默认范围为 0.1 到 0.9。应用可以将点值用作中心预测，并选用部分分位数来表达预测区间。例如，0.1 和 0.9 分位数定义了一个名义覆盖率为 80% 的中心预测区间。

集成成员

默认配方组合了四个架构不同的预训练 Granite 模型：

有关背景信息，请参阅 PatchTST-FM-r1 论文、PatchTST-FM-r2 架构概述、FlowState 论文和 Tiny Time Mixers 论文。

这些架构以不同方式捕捉趋势、季节性和局部变化，因此它们的误差不一定重合。一项为期 50 年的预测组合回顾描述了组合预测如何降低选错单一模型的风险，同时强调成员质量和多样性仍然很重要。

组合预测的两种方式

每个成员都会返回分位数预测。两种主要配方使用不同规则，将这些预测转化为一个预测分布及其中位数。

概率集成：推荐的默认方法

概率集成（均匀概率池化）赋予每个成员同等影响力，在概率空间中对各成员的分位数预测进行池化，并从合并后的数值中提取所需的分位数。由于权重固定，因此无需拟合步骤，也无需为新序列调优加权超参数。

预测组合谜题提供了有用的动机：在点预测中，简单的等权组合往往能与使用估计权重的方法相媲美。本配方将同样的等影响力思路应用于概率预测。它是上例中默认加载的方法。

IQR 集成：一种自适应替代方案

IQR 集成根据各成员的预测离散程度为其分配权重，使较窄的区间获得更大的影响力。它利用第 25 和第 75 百分位数附近最接近的可用分位数来近似每个成员的四分位距。权重随样本、目标和预测步长而变化，并且与概率集成一样，不从历史预测误差中拟合任何参数。等渗回归可防止合并后的分位数发生交叉。

较窄的区间并不一定意味着更准确或校准更好的预测，IQR 加权可能会偏向过度自信的成员。如果你想进行实验，该配方提供了一个温度设置（值越高，权重越趋向均匀）以及可选的单个成员权重上限。

只需更改子文件夹即可加载已评估的 IQR 配方：

我应该使用哪种方法？

从概率集成开始。如果预测离散程度对你的应用看起来具有信息量，请在代表性数据上将 IQR 集成与其进行比较，因为准确性和校准取决于序列和预测步长。

集成是否优于其成员？

我们在97个GIFT-Eval数据集配置上评估了两种配方。模型在未进行微调的情况下进行预测，测试目标未用于选择或拟合聚合方法。这里我们将官方集成提交结果与四个组成模型进行比较，使用的是2026年10月20日采集的已发布排行榜分数和排名。

GIFT-Eval报告点预测的MASE以及概率预测的CRPS/MWQL（该基准的mean_weighted_sum_quantile_loss指标）。分数以Seasonal Naive为基准进行归一化，并在各配置间进行几何平均。数值越低越好。

★ 所示预测中的最佳值。数值越低越好。

排名列是对照完整的GIFT-Eval参考排行榜对各配置排名取平均，而不仅仅是这六个预测，因此随着条目被添加到排行榜，排名值可能会发生变化。

两个集成在聚合MASE和平均MASE排名上均优于全部四个单独成员。概率集成在这六个预测中实现了最低的MASE：0.683，而PatchTST-FM-r2为0.685。更低的平均MASE排名表明在GIFT-Eval多样化的数据集配置中具有更强的相对点预测性能。综合来看，这些结果支持将该集成作为实用的起点，无需开发者预先选择最强的单一架构。相对于最佳单一成员的MASE优势很小，因此主要好处是稳健性：你无需预先知道哪种架构适合你的数据，就能获得相当或更好的聚合准确度。

PatchTST-FM-r2 保持最低的聚合 CRPS/MWQL 分数。在这六个预测中，IQR 集成取得最低的平均 CRPS 排名，而概率集成在该指标上落后于 PatchTST-FM-r2。因此，聚合误差和平均排名分别支持不同的选择。

在 2026 年 10 月 20 日的比较中，该集成方法在符合条件系统的 MASE 排名和 CRPS 排名中均位列第 3。下图展示了两种配方以及各指标下十个最佳合格参考系统。一些系统（包括因微调或非宽松许可而被排除的条目）的得分优于任一配方，因此该集成的价值并不在于登顶排行榜。它的价值在于：单一默认配置即可在众多序列上提供强劲且一致的结果，而无需你选择某个成员。

图：2026 年 10 月 20 日的 GIFT-Eval 平均排名榜，展示两个 Granite 集成以及各指标下十个最佳合格参考系统。合格系统具有复现代码且未声明测试数据泄漏；微调条目以及已知具有非宽松许可或成员依赖的系统被排除。排名值直接取自已发布的整体排行榜快照；筛选只改变显示哪些系统，不改变其排名值。

将配方扩展到其他预测器

默认配方使用四个 Granite 模型，但通用的 Forecaster 接口也接受兼容的外部模型。你可以更改成员组合或聚合方法，并保持相同的下游预测格式，无需合并或重新训练成员检查点。这使集成更容易融入现有的预测栈，并随着需求演变添加适合你领域的预测器。

该仓库还包含扩展配方，这些配方加入了 IBM Research 检查点。它们带有单独的许可条款，包括非商业和研究用途限制，因此在使用前请查看每个成员的模型卡。

对于任何新的组合，请检查预测兼容性、准确性、校准、延迟和许可。

针对你的应用评估该配方

GIFT-Eval 是一个广泛的基准，但总体提升并不意味着每个序列都会受益，平均排名也不能确立校准。要了解这些配方在你的应用中的表现，方法是在代表性数据上对它们进行回测：

匹配你的用例。使用反映每个预测起点可用数据的历史预测窗口、你需要的预测跨度，以及你预期服务的序列。

同类比较。在相同的窗口上运行概率集成、IQR 集成和一个强单个成员（例如 PatchTST-FM-r2）。

不要只看点误差。在评估 MASE 的同时评估分位数损失，并检查 0.1 到 0.9 区间的经验覆盖率是否与其标称的 80% 相符。

衡量成本。记录运行时间和内存使用，以判断组合四个模型带来的收益对你的工作负载是否值得。

请记住两个局限。当前配方独立预测多变量通道，不使用跨通道信息，并且它会加载四个成员检查点，相对于单个成员增加了推理时间和内存。成员的上下文限制、预测跨度、预处理和缺失值处理也各不相同，而且两种聚合方法都不能保证在分布偏移下的校准或稳健性，因此部署后请继续监控预测。

在你的数据上试用

推荐的起点是默认的四模型配方：

加载默认配方，即可通过一次调用从全部四种 Granite 架构获得中位数和分位数预测，并可根据需求变化调整配方。

参考文献

ECMWF：集合天气预报

预测组合：50 余年回顾

本文提及的模型 5

ibm-granite/granite-timeseries-ensemble-r1

ibm-granite/granite-timeseries-flowstate-r1

ibm-granite/granite-timeseries-patchtst-fm-r1

ibm-granite/granite-timeseries-patchtst-fm-r2

ibm-granite/granite-timeseries-ttm-r3

本文提及的 Spaces 1

GIFT Eval

来自该作者的更多内容

ALTK-Evolve：学习记忆如何在无需前沿模型的情况下登顶客户服务任务 τ²-bench 排行榜

你的智能体完成了任务。它还能再次做到吗？