IBM 发布 Granite Timeseries Ensemble R1：四模型时序预测集成

四个开放的 Granite 模型、一个可扩展的预测接口，让你在选择模型时少些猜测。

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，但你仍需做出选择。一个能很好地处理平滑工业信号的模型，可能在嘈杂的零售需求或长季节跨度上表现不佳，而最佳选择取决于具体序列和任务。

Granite Timeseries Ensemble 将这种选择简化为一个合理的默认方案。一个配方组合了四个互补的 Granite 架构，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，再对比自适应四分位距（IQR）集成，并用兼容的预测器扩展同一接口。该集成配方及其默认的 Granite 成员均采用宽松许可。

这一理念在天气预报中已为人熟知。集成预测会探索一系列可能的结果，而诸如北美多模型集成之类的系统则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受益：互补的模型对未来提供不同视角，而集成方法将这些视角融合为一个预测。

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。它会在运行时下载四个成员的检查点，因此首次运行时请预留额外时间。完整的配置、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。应用可以将点值作为中心预测，并使用选定的分位数来表达预测区间。例如，0.1 和 0.9 分位数定义了一个标称覆盖率为 80% 的中心预测区间。

集成成员

默认配方组合了四个采用不同架构的预训练 Granite 模型：

相关背景请参见 PatchTST-FM-r1 论文、 PatchTST-FM-r2 架构概述、 FlowState 论文 以及 Tiny Time Mixers 论文。

这些架构以不同方式捕捉趋势、季节性和局部变化，因此它们的误差未必重合。一篇关于预测组合的 50 年综述描述了组合预测如何降低选错单一模型的风险，同时强调成员的质量和多样性依然重要。

组合预测的两种方式

每个成员都会返回分位数预测。两个主要配方采用不同的规则，将这些预测转化为单一预测分布及其中位数。

概率集成：推荐的默认方案

概率集合（Probability Ensemble，均匀概率池化）赋予每个成员相同的影响力，在概率空间中池化它们的分位数预测，并从合并后的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，也无需为新序列调节任何权重超参数。

预测组合谜题 提供了有益的动机：在点预测中，简单的等权组合 往往能与估计权重的方法相抗衡。本方案将同样的等影响力思想应用于概率预测。它也是上方示例中默认加载的方法。

IQR 集合：一种自适应的替代方案

IQR 集合根据各成员的预测离散度来加权，让区间更窄的成员拥有更大的影响力。它从 25 分位和 75 分位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，并且与概率集合一样，不基于历史预测误差进行任何拟合。保序回归（Isotonic regression）确保合并后的分位数不会交叉。

区间更窄并不一定意味着预测更准确或校准更好，IQR 加权可能会偏袒过度自信的成员。如果你想进行实验，该方案提供了一个温度设置（数值越高，权重越趋向均匀），并可选择对任一单个成员的权重设置上限。

只需更改子文件夹，即可加载已评估的 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？

请从概率集合开始。如果预测离散度对你的应用看起来有信息量，可在具有代表性的数据上将 IQR 集合与概率集合进行比较，因为准确性和校准取决于具体序列和预测范围。

集合方法是否优于其成员？

我们在 97 个 GIFT-Eval 数据集配置上评估了这两种方案。模型 在不进行微调的情况下进行预测，且测试目标未用于选择或拟合 聚合方法。在这里，我们使用 2026 年 10 月 20 日抓取的已发布排行榜分数和排名，将官方集合提交结果 与四个组成模型进行比较。

GIFT-Eval 对点预测报告 MASE，对概率预测报告 CRPS/MWQL（该基准的 mean_weighted_sum_quantile_loss 指标）。分数相对于 Seasonal Naive 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。

排名列是针对完整 GIFT-Eval 参考排行榜（而不仅是这六个预测）计算的单配置排名的平均值，因此随着条目加入排行榜，排名值可能会发生变化。

两个集成在总体 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取得了最低的 MASE：0.683，而 PatchTST-FM-r2 为 0.685。较低的平均 MASE 排名意味着在 GIFT-Eval 的多样化数据集配置中具有更强的相对点预测表现。这些结果共同支持将集成作为实用的起点，开发者无需提前挑选最强的单独架构。相比最佳单个成员，MASE 的领先幅度很小，因此主要优势在于鲁棒性：你无需提前知道哪种架构适合你的数据，就能获得相当或更好的总体准确率。

PatchTST-FM-r2 仍保持最低的总体 CRPS/MWQL 得分。IQR 集成在这六个预测中取得了最低的平均 CRPS 排名，而概率集会在该指标上落后于 PatchTST-FM-r2。因此，总体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，该集成方法在 MASE 排名和 CRPS 排名上均位列合格系统的第 3 名。下图展示了这两种方案以及每个指标上十强合格参考系统的表现。一些系统（包括因微调或非宽松许可证而被排除的条目）得分高于这两种方案，因此集成的价值不在于登上排行榜榜首，而在于一个默认方案就能在众多序列上提供强大且一致的结果，无需你去挑选成员。

图：2026 年 10 月 20 日 GIFT-Eval 平均排名榜单，同时展示两个 Granite 集成以及每个指标上十强合格参考系统。合格系统需具备复现代码且无已声明的测试数据泄漏；微调条目以及已知非宽松许可证或存在成员依赖的系统被排除在外。排名数值直接取自已发布的总体排行榜快照；筛选只改变显示哪些系统，而不改变它们的排名数值。

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。这使得集成更容易融入现有的预测技术栈，并随着需求的演进添加适合你领域的预测器。

该代码库还包含添加了 IBM Research 检查点的扩展方案。这些模型带有单独的许可条款，包括非商业和研究用途限制，因此使用前请查阅每个成员的模型卡。

对于任何新组合，请检查预测兼容性、准确率、校准、延迟和许可情况。

为你的应用评估该方案

GIFT-Eval 是一个广泛的基准测试，但总体收益并不意味着每个序列都能受益，平均排名也不能证明校准效果。要了解这些方案在你的应用中的表现，方法是在有代表性的数据上进行回测：

• 匹配你的用例。使用能反映每个预测起点可用数据的历史预测窗口、你所需的预测范围以及你预期服务的序列。
• 对等比较。在相同的窗口上运行概率集成、IQR 集成和一个强大的单独成员（例如 PatchTST-FM-r2）。
• 超越点误差来看。在 MASE 之外评估分位数损失，并检验 0.1 到 0.9 区间的实际覆盖率是否达到其名义上的 80%。
• 衡量成本。记录运行时间和内存占用，以判断组合四个模型的收益对你的工作负载是否值得。

请记住两个局限。当前方案独立地预测多元通道，没有利用跨通道信息；并且它加载四个成员的检查点，相对于单个成员会增加推理时间和内存。各成员的上下文长度、预测视野、预处理和缺失值处理也不相同，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，因此部署后请持续监控预测结果。

在你的数据上试用

推荐的起点是默认的四模型方案：

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

加载默认方案，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，并可根据需求的变化调整该方案。

参考文献

• ECMWF：集合天气预报

• NOAA：北美多模式集合

• FlowState：采样率等变的时间序列预测

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

• 重新审视通用 Transformer：解构时间序列基础模型的强基线

• 预测组合：50 余年回顾

• Smith 和 Wallis（2009），预测组合之谜的一个简单解释