Pronóstico de ensamble con modelos de series temporales de IBM Granite

Cuatro modelos Granite abiertos, una interfaz de pronóstico extensible y menos conjeturas sobre qué modelo usar.

Los modelos de series temporales preentrenados pueden pronosticar sin entrenarse con tu conjunto de datos, pero aún debes elegir uno. Un modelo que maneja bien señales industriales suaves puede tener dificultades con la demanda minorista ruidosa o un horizonte estacional largo, y la mejor elección depende de la serie y de la tarea.

Granite Timeseries Ensemble reduce esa elección a un valor predeterminado razonable. Una receta combina cuatro arquitecturas complementarias de Granite y devuelve pronósticos de mediana y de cuantiles, sin reentrenamiento y sin pesos de ensamble ajustados. Comienza con el Probabilistic Ensemble (agrupación de probabilidad uniforme), compara el adaptativo Inter Quartile Range (IQR) Ensemble y extiende la misma interfaz con pronosticadores compatibles. La receta de ensamble y sus miembros Granite predeterminados tienen licencias permisivas.

La idea será familiar a partir de los pronósticos del tiempo. Los pronósticos de ensamble exploran un rango de resultados posibles, y sistemas como el North American Multi-Model Ensemble combinan diferentes modelos para la predicción estacional. El pronóstico de series temporales se beneficia de manera similar: los modelos complementarios ofrecen diferentes perspectivas de lo que viene, y un ensamble fusiona esas perspectivas en un solo pronóstico.

Prueba Granite Timeseries Ensemble

Instala Granite TSFM y carga la receta recomendada de cuatro modelos directamente desde Hugging Face:

pip install "granite-tsfm>=0.3.11"

import pandas as pd

from tsfm_public.models.ensemble.modeling_ensemble import QuantileEnsembleForecaster

df = pd.read_csv(
    "https://raw.githubusercontent.com/zhouhaoyi/ETDataset/main/ETT-small/ETTh1.csv",
    parse_dates=["date"],
)

ensemble = QuantileEnsembleForecaster.from_pretrained(
    "ibm-granite/granite-timeseries-ensemble-r1",
)

result = ensemble(
    df.tail(1024),
    timestamp_column="date",
    target_columns=["OT"],
    context_length=1024,
    prediction_length=24,
)

print(result.prediction_outputs) # point forecast
print(result.quantile_outputs)   # quantiles

La receta almacena la configuración del ensamble en lugar de los pesos del modelo fusionados. Descarga los checkpoints de los cuatro miembros en tiempo de ejecución, así que permite tiempo adicional para la primera ejecución. Para la configuración completa, los checkpoints de los miembros, los detalles de evaluación y las limitaciones, consulta la ficha del modelo.

result.prediction_outputs contiene el pronóstico puntual, mientras que result.quantile_outputs contiene las predicciones de cuantiles que por defecto van de 0.1 a 0.9. Las aplicaciones pueden usar el valor puntual como predicción central y cuantiles seleccionados para expresar rangos de pronóstico. Por ejemplo, los cuantiles 0.1 y 0.9 definen un intervalo de pronóstico central con una cobertura nominal del 80%.

Los miembros del ensamble

La receta predeterminada combina cuatro modelos Granite preentrenados con diferentes arquitecturas:

Para más antecedentes, consulta el artículo de PatchTST-FM-r1, descripción general de la arquitectura PatchTST-FM-r2, artículo de FlowState, y artículo de Tiny Time Mixers.

Estas arquitecturas capturan las tendencias, la estacionalidad y la variación local de maneras diferentes, por lo que sus errores no tienen por qué coincidir. Una revisión de 50 años de combinaciones de pronósticos describe cómo combinar pronósticos puede reducir el riesgo de elegir el modelo único incorrecto, al tiempo que subraya que la calidad y la diversidad de los miembros siguen siendo importantes.

Dos formas de combinar los pronósticos

Cada miembro devuelve pronósticos por cuantiles. Las dos recetas principales usan reglas distintas para convertir esos pronósticos en una distribución predictiva y su mediana.

Ensamble probabilístico: el valor predeterminado recomendado

El ensamble probabilístico (agrupación de probabilidad uniforme) da a cada miembro la misma influencia, agrupa sus pronósticos por cuantiles en el espacio de probabilidad y extrae los cuantiles solicitados de los valores combinados. Como los pesos son fijos, no hay paso de ajuste ni hiperparámetros de ponderación que calibrar para una nueva serie.

El rompecabezas de la combinación de pronósticos ofrece una motivación útil: en la predicción puntual, las combinaciones simples de pesos iguales a menudo se han mantenido bien frente a métodos con pesos estimados. Esta receta aplica la misma idea de influencia igual a los pronósticos probabilísticos. Es el valor predeterminado cargado en el ejemplo anterior.

IQR Ensemble: una alternativa adaptativa

El IQR Ensemble pondera a los miembros según su dispersión de pronóstico, otorgando mayor influencia a los intervalos más estrechos. Aproxima el rango intercuartílico de cada miembro a partir de los cuantiles disponibles más cercanos alrededor de los percentiles 25 y 75. Los pesos varían según la muestra, el objetivo y el paso del horizonte y, al igual que el Probabilistic Ensemble, nada se ajusta a partir de errores de pronósticos históricos. La regresión isótonica evita que los cuantiles combinados se crucen.

Un intervalo más estrecho no implica necesariamente un pronóstico más preciso ni mejor calibrado, y la ponderación por IQR puede favorecer a un miembro excesivamente confiado. Si desea experimentar, la receta expone un parámetro de temperatura (valores más altos acercan los pesos a la uniformidad) y un límite opcional sobre el peso de cualquier miembro individual.

Cargue la receta IQR evaluada cambiando únicamente la subcarpeta:

ensemble = QuantileEnsembleForecaster.from_pretrained(
    "ibm-granite/granite-timeseries-ensemble-r1",
    subfolder="recipes/granite-iqr",
)

¿Qué método debo usar?

Comience con el Probabilistic Ensemble. Si la dispersión del pronóstico parece informativa para su aplicación, compare el IQR Ensemble con él en datos representativos, ya que la precisión y la calibración dependen de la serie y del horizonte.

¿Mejora el ensemble a sus miembros?

Evaluamos ambas recetas en 97 configuraciones de conjuntos de datos de GIFT-Eval. Los modelos pronostican sin ajuste fino, y los objetivos de prueba no se utilizaron para seleccionar ni ajustar el método de agregación. Aquí comparamos los resultados oficiales de la presentación del ensemble con los cuatro modelos constituyentes, utilizando puntuaciones y rangos de la tabla de clasificación publicados capturados el 20 de octubre de 2026.

GIFT-Eval informa MASE para pronósticos puntuales y CRPS/MWQL (la mean_weighted_sum_quantile_loss métrica del benchmark) para pronósticos probabilísticos. Las puntuaciones se normalizan respecto a Seasonal Naive y se promedian geométricamente entre configuraciones. Menor es mejor.

★ Mejor valor entre los pronósticos mostrados. Menor es mejor.

Las columnas de rango promedian los rangos por configuración frente a la tabla de clasificación de referencia completa de GIFT-Eval, no solo estos seis pronósticos, por lo que los valores de rango pueden cambiar a medida que se añaden entradas a la tabla de clasificación.

Ambos conjuntos (ensembles) superan a los cuatro miembros individuales en MASE agregado y rango promedio de MASE. El Ensemble Probabilístico logra el MASE más bajo entre estos seis pronósticos: 0.683 en comparación con 0.685 de PatchTST-FM-r2. Un rango promedio de MASE más bajo indica un rendimiento relativo más sólido en pronósticos puntuales a través de las diversas configuraciones de conjuntos de datos de GIFT-Eval. En conjunto, estos resultados respaldan al ensemble como un punto de partida práctico, sin que los desarrolladores tengan que seleccionar de antemano la arquitectura individual más fuerte. El margen de MASE sobre el mejor miembro individual es pequeño, por lo que el principal beneficio es la robustez: se obtiene una precisión agregada comparable o mejor sin saber de antemano qué arquitectura se adaptará a tus datos.

PatchTST-FM-r2 mantiene la puntuación agregada de CRPS/MWQL más baja. El IQR Ensemble logra el CRPS Rank promedio más bajo entre estas seis predicciones, mientras que el Probabilistic Ensemble queda detrás de PatchTST-FM-r2 en esa medida. Por lo tanto, el error agregado y el rango promedio favorecen diferentes opciones.

En la comparación del 20 de octubre de 2026, el enfoque de conjunto ocupa el puesto 3 entre los sistemas elegibles en MASE Rank y CRPS Rank. La figura siguiente muestra ambas recetas junto con los diez mejores sistemas de referencia elegibles por métrica. Algunos sistemas, incluidas entradas excluidas por estar ajustadas (fine-tuned) o por tener licencias no permisivas, obtienen mejores puntuaciones que cualquiera de las recetas, por lo que el valor del conjunto no es que encabece la clasificación. Es que un único valor predeterminado ofrece resultados sólidos y consistentes en muchas series sin que sea necesario elegir un miembro.

Figura: Clasificación por rango promedio de GIFT-Eval el 20 de octubre de 2026, mostrando ambos conjuntos de Granite junto con los diez mejores sistemas de referencia elegibles por métrica. Los sistemas elegibles tienen código de replicación y ninguna fuga declarada de datos de prueba; las entradas ajustadas (fine-tuned) y los sistemas con licencias no permisivas conocidas o dependencias de miembros están excluidos. Los valores de rango se toman directamente de la instantánea publicada de la clasificación general; el filtrado cambia qué sistemas se muestran, no sus valores de rango.

Extender la receta a otros pronosticadores

La receta predeterminada utiliza cuatro modelos de Granite, pero la interfaz común Forecaster también acepta modelos externos compatibles. Puede cambiar la mezcla de miembros o el método de agregación y mantener el mismo formato de pronóstico descendente, sin fusionar ni reentrenar los checkpoints de los miembros. Esto facilita integrar el conjunto en una pila de pronósticos existente y agregar pronosticadores adecuados a su dominio a medida que evolucionan sus necesidades.

El repositorio también incluye recetas ampliadas que agregan checkpoints de IBM Research. Estos conllevan términos de licencia separados, incluidas restricciones de uso no comercial y de investigación, así que revise la tarjeta de modelo de cada miembro antes de usarlos.

Para cualquier combinación nueva, verifique la compatibilidad del pronóstico, la precisión, la calibración, la latencia y las licencias.

Evalúe la receta para su aplicación

GIFT-Eval es un benchmark amplio, pero las ganancias agregadas no significan que todas las series se beneficien, y los rangos promedio no establecen la calibración. La forma de descubrir cómo se comportan las recetas para su aplicación es realizar pruebas retrospectivas (backtest) con datos representativos:

• Adapte su caso de uso. Utilice ventanas de pronóstico históricas que reflejen los datos disponibles en cada origen de pronóstico, el horizonte que necesita y las series que espera atender.
• Compare cosas similares. Ejecute el Probabilistic Ensemble, el IQR Ensemble y un miembro individual fuerte (como PatchTST-FM-r2) en las mismas ventanas.
• Mire más allá del error puntual. Evalúe la pérdida por cuantiles junto con MASE, y compruebe la cobertura empírica del intervalo 0.1 a 0.9 frente a su 80% nominal.
• Mida el costo. Registre el tiempo de ejecución y el uso de memoria para juzgar si el beneficio de combinar cuatro modelos lo justifica para su carga de trabajo.

Tenga en cuenta dos limitaciones. La receta actual pronostica los canales multivariados de forma independiente, sin usar información entre canales, y carga cuatro checkpoints de miembros, lo que aumenta el tiempo de inferencia y la memoria en comparación con un solo miembro. Los límites de contexto de los miembros, los horizontes, el preprocesamiento y el manejo de valores faltantes también difieren, y ninguno de los métodos de agregación garantiza la calibración ni la robustez ante cambios de distribución, por lo que debe seguir monitoreando los pronósticos después del despliegue.

Pruébelo con sus datos

El punto de partida recomendado es la receta predeterminada de cuatro modelos:

• Granite Timeseries Ensemble en Hugging Face
• Cuaderno de introducción
• Repositorio de Granite TSFM
• Benchmark GIFT-Eval

Cargue la receta predeterminada para obtener pronósticos de mediana y de cuantiles de las cuatro arquitecturas de Granite en una sola llamada, y adapte la receta a medida que evolucionen sus necesidades.

Referencias

• ECMWF: Ensemble weather forecasting

• NOAA: North American Multi-Model Ensemble

• FlowState: Sampling-Rate-Equivariant Time-Series Forecasting

• Tiny Time Mixers (TTMs): Modelos preentrenados rápidos para una predicción mejorada cero/few-shot de series temporales multivariantes

• Revisitando el Transformer genérico: deconstruyendo una línea base sólida para modelos fundamentales de series temporales

• Combinaciones de pronósticos: una revisión de más de 50 años

• Smith and Wallis (2009), Una explicación sencilla de la paradoja de la combinación de pronósticos