使用 IBM Granite 时间序列模型进行集合预测

四款开放式的Granite模型，一个可扩展的预测接口，以及减少了对使用哪个模型的猜测。

预训练时间序列模型可以在无需对数据集进行训练的情况下进行预测，但您仍需选择其中一个模型。一个能够良好处理平稳工业信号的模型可能在嘈杂的零售需求或长周期季节性趋势方面表现不佳，最佳选择则取决于数据序列和任务类型。

Granite Timeseries Ensemble 将这种选择简化为一个合理的默认设置。一种方法结合了四种互补的 Granite 架构，并输出中位数和分位数预测结果，无需重新训练，也无需设置拟合的集成权重。首先使用概率集成（均匀概率聚合），然后对比自适应四分位距集成，再使用兼容的预测器扩展同一接口。该集成方法及其默认的 Granite 成员均采用宽松许可模式。

这个概念与天气预测类似。集成预测会探索多种可能的结果，而诸如北美多模型集成系统这样的系统则通过结合不同模型来进行季节性预测。时间序列预测也有类似的优势：互补的模型能提供不同的未来展望，而集成则将这些展望合并为统一的预测结果。

尝试使用 Granite Timeseries Ensemble

安装 Granite TSFM，然后从 Hugging Face 直接加载推荐的四种模型配方：

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

该配方存储的是集合配置，而非合并模型权重。在运行时会下载四个成员的检查点，因此首次运行时需要额外时间。有关完整配置、成员检查点、评估细节及限制信息，请参见模型卡片。

result.prediction_outputs 包含点预测值，而 result.quantile_outputs 包含分位数预测值，默认范围为 0.1 到 0.9。应用程序可以将点值作为核心预测值，选择特定分位数来表示预测区间。例如，0.1 和 0.9 的分位数定义了具有名义上 80% 覆盖率的核心预测区间。

组合成员

默认配置将四种架构不同的 Granite 预训练模型结合在一起：

关于背景信息，请参考 PatchTST-FM-r1 论文， PatchTST-FM-r2 架构概述， FlowState 论文，以及 Tiny Time Mixers 论文。

这些架构以不同的方式捕捉趋势、季节性和局部差异，因此它们的误差不会一致。一篇50年预测组合回顾指出，结合预测可以降低选择错误模型的风险，同时强调成员质量和多样性仍然很重要。

有两种方法可以组合预测结果

每位成员都会提供分位数预测值。两种主要方法使用不同的规则，将这些预测值转化为一个预测分布及其中位数。

概率集成：推荐的默认设置

概率集成方法（均匀概率汇总）使每个成员具有相同的影响力，将它们的分位数预测在概率空间中汇总，然后从合并值中提取所需的分位数。由于权重是固定的，因此没有拟合步骤，也无需调整新的序列的超参数。

预测组合谜题 提供了有用的激励：在点预测中，简单的等权重组合通常能很好地应对基于估计权重的预测方法。该方法将相同的等影响理念应用于概率预测，这是上述示例中的默认设置。

>IQR Ensemble：一种自适应替代方案

IQR集成模型根据各成员的预测范围分配权重，使得范围更窄的成员具有更大的影响。该模型通过第25%和第75%分位数附近最近的量化分位点来近似每个成员的四分位数范围。权重会根据样本、目标和时间跨度有所不同，与概率集成模型一样，也不会基于历史预测误差进行拟合。等趋势回归则确保组合后的量化分位点不会交叉。

更窄的区间并不一定意味着更准确或更好的预测，而 IQR 加权可能会让某个成员过于自信。如果您想进行实验，可以设置温度参数（更高的数值会使权重趋于均匀），并且可以对每个成员的权重设定一个可选上限。

仅更改子文件夹即可加载已计算的 IQR 配方：

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

你应该使用哪种方法？

从概率集成开始。如果预测分布对您的应用具有参考价值，请在代表性数据上将其与 IQR 集成进行比较，因为准确性和校准取决于该序列以及预测范围。

是否让集成模型在成员模型上有所提升？

我们在 97 种 GIFT-Eval 数据集配置下对这两种方法进行了评估。模型在未经微调的情况下进行预测，且未使用测试目标来选择或调整聚合方法。此处我们依据 2026 年 10 月 20 日发布的排名和分数，将官方集成模型提交结果与四个独立模型进行比较。

GIFT-Eval 报告使用 MASE 进行点预测，使用 CRPS/MWQL（基准测试的 mean_weighted_sum_quantile_loss 指标）进行概率预测。评分被归一化为季节性朴素预测值，并跨配置进行几何平均计算。数值越低越好。

★ 在所展示的预测中，此数值最具价值。数值越低越好。

排名列中，每个配置下的平均排名与完整的 GIFT-Eval 参考排行榜进行对比，而不仅针对这六项预测。因此，当新条目被加入排行榜时，排名值可能会发生变化。

两个集合在综合 MASE 值以及平均 MASE 排名上都优于四个单个成员。概率集合在这六个预测中获得了最低的 MASE 值：0.683，而 PatchTST-FM-r2 为 0.685。较低的平均 MASE 排名表明，在 GIFT-Eval 多样化的数据集配置下，它们的点预测性能相对更强。 这些结果共同表明，这种集成方案可以作为一个实用的起点，无需开发者提前选择最强大的单一架构。MASE与最佳单一成员相比的差距很小，因此主要优势在于稳健性：你可以获得相当或更好的综合准确率，而无需提前知道哪种架构适合你的数据。

PatchTST-FM-r2 保留了最低的總和 CRPS/MWQL 分数。在這六個預測中，IQR 集成方案取得了最低的 CRPS 排名，而概率集成方案在該指標上則落於 PatchTST-FM-r2 之后。因此，總和誤差和平均排名支持了不同的選擇。

在2026年10月20日的比较中，该集成方法在MASE排名和CRPS排名中处于符合条件的系统第3位。下图展示了两种方案以及每指标下最优秀的10种符合条件参考系统。一些系统，包括被排除在优化调整或非允许许可类别中的系统，其得分优于这两种方案，因此集成方法的优势并未使其位居榜首。 这意味着单个默认设置就能在多个系列中获得强劲且稳定的结果，无需您选择特定的成员。

图：2026年10月20日 GIFT-Eval 平均排名情况，展示了 Granite 组合以及每项指标下的十种最佳参考系统。符合要求的系统具有复制代码，且未出现已公开的测试数据泄露情况；经过微调的系统以及拥有非允许许可证或依赖成员系统的则被排除在外。排名数值直接取自已发布的整体排行榜快照；筛选规则仅改变显示的系统，而不改变其排名数值。

将配方扩展到其他预测器

默认配方使用四种 Granite 模型，但常见的 Forecaster 接口也支持兼容的外部模型。你可以更改成员组合或聚合方式，同时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。这样就能更容易地将集合模型融入现有的预测系统，并且随着需求变化，还可以添加适合你领域的预测器。

该存储库还包含添加了 IBM Research 检查点的扩展配方。这些配方有独立的许可条款，包括非商业用途及研究使用限制，因此在使用前请仔细审查每个模型卡的相关条款。

对于任何新的组合，请检查预测兼容性、准确性、校准、延迟和许可情况。

评估该方案是否适用于你的应用

GIFT-Eval 是一个广泛的基准测试，但整体收益并不意味着所有系列都受益，平均排名也无法确定校准情况。要了解特定应用中的策略表现如何，需要在代表性数据上进行回测。

• 匹配您的使用场景。使用能够反映各预测来源所提供数据、所需时间范围以及预期服务序列的历史预测窗口。
• 同类比较。在相同的窗口上运行概率集成模型、IQR集成模型以及一个强大的单个成员（如 PatchTST-FM-r2）。
• 关注点误差之外。与 MASE 一起评估分位数损失，并检查 0.1 到 0.9 区间的实证覆盖率与其名义上的 80% 相比情况如何。
• 计算成本。记录运行时间和内存使用情况，以判断合并四个模型所带来的收益是否值得为你的工作负载付出代价。

请记住两个限制条件。当前的算法独立地预测多变量通道，而不使用跨通道信息；同时它加载了四个成员检查点，这会增加推理时间和内存消耗，相比之下单个成员的检查点则较少。成员上下文限制、时间范围、预处理以及缺失值处理方式也各不相同，而且两种聚合方法都无法保证在分布变化情况下仍能保持校准性和鲁棒性，因此部署后仍需持续监控预测结果。

尝试在你的数据上使用它

推荐的起始方案是默认的四模型配方：

• Hugging Face 上的 Granite Timeseries Ensemble
• 入门笔记簿
• Granite TSFM 代码库
• GIFT-Eval 基准测试

加载默认配方，即可在一次调用中从所有四种 Granite 架构中获得中位数和分位数预测结果，并根据需求变化调整配方。

参考文献

• ECMWF：集合天气预报

• NOAA：北美多模型集合预测系统

• FlowState：采样率等效的时间序列预测

• Tiny Time Mixers (TTMs)：用于增强多变量时间序列零/少样本预测的快速预训练模型

• 重新审视通用变换器：为时间序列基础模型建立一个稳固的基线

• 预测组合：50年以上的回顾

• Smith和Wallis（2009），对预测组合难题的简单解释