IBM Research 发布 Granite Timeseries Ensemble R1 时序预测集成方案

四款开放的 Granite 模型、一个可扩展的预测接口，以及更少的模型选择猜测。

预训练时间序列模型无需在你的数据集上训练即可进行预测，但你仍然需要选择模型。擅长处理平滑工业信号的模型，面对嘈杂的零售需求或较长的季节性预测范围时可能表现不佳；最佳选择取决于序列和任务。

Granite Timeseries Ensemble 将选择简化为一个合理的默认方案。一个配方结合了四种互补的 Granite 架构，并返回中位数和分位数预测，无需重新训练，也无需拟合集成权重。可以从概率集成（均匀概率池化）开始，对比自适应四分位距（IQR）集成，并通过兼容的预测器扩展同一接口。该集成配方及其默认 Granite 成员均采用宽松许可证。

天气预报中也有类似的思路。集成预测会探索一系列可能结果，而北美多模式集合等系统则会结合不同模型进行季节性预测。时间序列预测也能以类似方式获益：互补模型从不同角度预测未来，集成则将这些视角合并为一个预测。

试用 Granite Timeseries Ensemble

安装 Granite TSFM，并直接从 Hugging Face 加载推荐的四模型配方：

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

该配方存储的是集成配置，而非合并后的模型权重。运行时会下载四个成员检查点，因此首次运行时请预留额外时间。完整配置、成员检查点、评估详情和局限性，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。应用可以将点预测作为中心预测，并使用选定的分位数表示预测范围。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

默认配方结合了四种采用不同架构的预训练 Granite 模型：

背景资料请参阅PatchTST-FM-r1 论文、 PatchTST-FM-r2 架构概览、 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会重合。一篇回顾 50 年预测组合的综述介绍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重要。

两种合并预测的方法

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

概率集成：推荐的默认方案

概率集成（均匀概率池化）让每个成员发挥同等作用，在概率空间中合并它们的分位数预测，并从合并后的数值中提取所需分位数。由于权重固定，因此无需拟合，也无需为新序列调整权重超参数。

预测组合难题 提供了有益的启示：在点预测中，简单的等权组合往往能与估计权重的方法不相上下。这一方案将同等影响力的理念应用于概率预测。上面的示例默认加载了此方案。

IQR 集成：一种自适应替代方案

IQR 集成根据成员的预测离散程度分配权重，让区间较窄的成员具有更大影响力。它利用最接近第 25 和第 75 百分位数的可用分位数，近似计算每个成员的四分位距。权重会随样本、目标和预测步长而变化；与概率集成一样，它不会根据历史预测误差进行拟合。保序回归可避免合并后的分位数发生交叉。

区间较窄并不一定意味着预测更准确或校准更好，而且 IQR 加权可能偏向过度自信的成员。如果想要尝试，该方案提供温度设置（值越高，权重越趋于均匀），并可选择限制任一成员的权重上限。

只需更改子文件夹，即可加载经过评估的 IQR 方案：

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

我应该使用哪种方法？

建议从概率集成开始。如果预测离散程度对你的应用具有参考价值，请在有代表性的数据上将 IQR 集成与其进行比较，因为准确性和校准效果取决于序列和预测跨度。

集成效果会优于其成员吗？

我们在 97 种 GIFT-Eval 数据集配置上评估了这两种方案。模型 在未进行微调的情况下进行预测，且未使用测试目标来选择或拟合 聚合方法。这里，我们使用 2026 年 10 月 20 日记录的已发布排行榜分数和排名，将官方集成提交结果与四个组成模型进行比较。

GIFT-Eval 使用 MASE 评估点预测，并使用 CRPS/MWQL（基准的 mean_weighted_sum_quantile_loss 指标）评估概率预测。分数 以季节性朴素法为基准进行归一化，并在各配置间进行几何平均。 分数越低越好。

★ 所示预测中的最佳值。越低越好。

排名列是针对完整 GIFT-Eval 参考排行榜计算的各配置排名平均值，而非仅针对这六项预测，因此随着更多条目加入排行榜，排名数值可能会变化。

在汇总 MASE 和平均 MASE 排名上，两种集成都优于四个单独成员。概率集成在这六种预测方案中的 MASE 最低：为 0.683，而 PatchTST-FM-r2 为 0.685。平均 MASE 排名越低，表示在 GIFT-Eval 多样的数据集配置中，相对点预测表现越强。总的来说，这些结果表明，集成方案是一个实用的起点，开发者无需预先挑选表现最强的单个架构。与最佳单个成员相比，MASE 优势幅度较小，因此其主要价值在于稳健性：无需事先判断哪种架构适合你的数据，也能获得相当或更好的汇总准确度。

PatchTST-FM-r2 的汇总 CRPS/MWQL 分数仍然最低。在这六种预测方案中，IQR 集成的平均 CRPS 排名最低，而概率集成在该指标上的排名落后于 PatchTST-FM-r2。因此，汇总误差和平均排名倾向于不同的选择。

在 2026 年 10 月 20 日的对比中，集成方法在符合条件的系统中，MASE 排名和 CRPS 排名均位列第 3。下图展示了两种方案，以及各指标排名前十的符合条件的参考系统。部分系统（包括被排除的微调系统和采用非宽松许可协议的系统）得分高于两种方案，因此集成的价值并非登顶排行榜，而是无需你挑选成员，就能为众多序列提供一个表现强劲且稳定的默认方案。

图：2026 年 10 月 20 日 GIFT-Eval 平均排名情况，展示两种 Granite 集成，以及各指标排名前十的符合条件的参考系统。符合条件的系统须提供复现代码，且未声明存在测试数据泄漏；微调条目，以及已知采用非宽松许可协议或依赖成员模型的系统均予以排除。排名数值直接取自已发布的总排行榜快照；筛选会改变展示的系统，但不会改变其排名数值。

将方案扩展到其他预测器

默认方案使用四个 Granite 模型，但通用的 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法，同时沿用相同的下游预测格式，无需合并或重新训练成员检查点。这让集成更容易融入现有预测技术栈，也便于随着需求变化，添加适合你所在领域的预测器。

代码库还提供了扩展方案，其中加入了 IBM Research 检查点。这些模型适用单独的许可条款，包括非商业用途和研究用途限制，因此使用前请查看每个成员模型的说明卡。

对于任何新的组合，都应检查预测兼容性、准确度、校准度、延迟和许可条款。

评估该方案是否适用于你的应用

GIFT-Eval 是一个覆盖面广的基准测试，但汇总指标提升并不意味着每个序列都会受益，平均排名也不能证明校准良好。要了解这些方案在你的应用中的表现，最好的办法是使用有代表性的数据对它们进行回测：

• 匹配你的使用场景。使用历史预测窗口，确保其反映每个预测起点时可用的数据、所需的预测时域，以及你预计要服务的序列。
• 确保比较条件一致。在相同窗口上运行概率集成、IQR 集成和一个表现强劲的单个成员（例如 PatchTST-FM-r2）。
• 不要只看点预测误差。除 MASE 外，还要评估分位数损失，并检查 0.1 到 0.9 区间的实际覆盖率是否符合其名义 80%。
• 衡量成本。记录运行时间和内存使用情况，判断对于你的工作负载，组合四个模型带来的收益是否值得。

请牢记两项局限。当前方案独立预测多变量通道，不利用通道间信息；同时会加载四个成员检查点，与单个成员相比，这会增加推理时间和内存占用。各成员的上下文限制、预测时域、预处理和缺失值处理方式也有所不同；两种聚合方法都无法保证校准效果或在分布偏移下的稳健性，因此部署后应持续监控预测结果。

用你的数据试试看

建议从默认的四模型方案开始：

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

加载默认方案，即可在一次调用中获取全部四种 Granite 架构的中位数和分位数预测，并随着需求变化调整方案。

参考资料

• ECMWF：集合天气预报

• NOAA：北美多模式集合

• FlowState：采样率等变时间序列预测

• Tiny Time Mixers (TTMs)：用于增强多变量时间序列零样本/少样本预测的快速预训练模型

• 重新审视通用 Transformer：解析时间序列基础模型的强基线

• 预测组合：50 多年的回顾

• Smith 和 Wallis（2009），对预测组合难题的简单解释