使用 IBM Granite 时间序列模型进行集成预测

作者：Fearghal O'Donncha、Chandramouli Kamanchi、Guruprasad Ranjini、Wesley M. Gifford、Natalia Martinez Gil、Bradley Eck、Pankaj Dayama、Roman Vaculin、Ayhan Sebin（IBM Research）

发布于 2026 年 10 月 22 日

四个开放的 Granite 模型，一个可扩展的预测接口，以及更少"该用哪个模型"的猜测。

预训练的时间序列模型无需在你的数据集上训练就能预测，但你仍然得选一个。一个擅长平滑工业信号的模型，可能对付不了嘈杂的零售需求或很长的季节周期，而最佳选择取决于序列和任务。

Granite Timeseries Ensemble 把这个选择简化为一个合理的默认值。一套配方组合四个互补的 Granite 架构，返回中位数与分位数预测，无需再训练，也无需拟合集成权重。从概率集成（Probabilistic Ensemble，均匀概率池化）开始，再比较自适应的四分位距（Interquartile Range，IQR）集成，并用兼容的预测器扩展同一接口。集成配方及其默认的 Granite 成员采用宽松许可。

这个思路在天气预报中并不陌生。集合预报探索一系列可能结果，北美多模式集合（North American Multi-Model Ensemble）等系统把不同模型组合起来做季节预测。时间序列预测也以类似方式受益：互补的模型提供关于后续走势的不同视角，集成把这些视角合并成一个预测。

试用 Granite Timeseries Ensemble#

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

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)  # 点预测
print(result.quantile_outputs)    # 分位数

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，因此首次运行请预留额外时间。完整配置、成员检查点、评估细节与局限，见模型卡。

result.prediction_outputs 包含点预测，result.quantile_outputs 包含分位数预测，默认范围为 0.1 到 0.9。应用可以把点值作为中心预测，并用选定的分位数表达预测区间。例如，0.1 与 0.9 分位数定义了名义覆盖率为 80% 的中心预测区间。

集成成员#

默认配方组合四个架构各异的预训练 Granite 模型：

背景阅读见 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，因此它们的误差不必重合。一篇跨越 50 年的预测组合综述描述了组合预测如何降低选错单一模型的风险，同时强调成员质量与多样性仍然重要。

组合预测的两种方式#

每个成员返回分位数预测。两套主要配方用不同规则把这些预测转成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）给每个成员同等影响力，在概率空间池化它们的分位数预测，并从合并后的数值中提取所需分位数。由于权重固定，无需拟合步骤，也无需为新序列调权重超参数。

"预测组合之谜"（forecast combination puzzle）提供了有用的动机：在点预测中，简单的等权组合往往能与用估计权重的方法相抗衡。这套配方把同样的"等影响力"思路应用到概率预测上。它就是上面示例中加载的默认值。

IQR 集成：一种自适应替代方案#

IQR 集成按各成员的预测离散度赋权，区间更窄的成员影响更大。它从 25 百分位和 75 百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、目标和预测步长变化；与概率集成一样，不从历史预测误差中拟合任何东西。等渗回归（isotonic regression）防止合并后的分位数交叉。

区间更窄不一定意味着预测更准确或校准更好，而 IQR 加权可能偏向过度自信的成员。若想试验，该配方提供一个温度参数（值越高，权重越接近均匀）以及可选的单个成员权重上限。

只改变子文件夹即可加载已评估的 IQR 配方：

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

我该用哪种方法？#

从概率集成开始。如果预测离散度对你的应用有信息量，就在有代表性的数据上把 IQR 集成与它比较，因为准确率与校准取决于序列和预测步长。

集成真的优于它的成员吗？#

我们在 97 个 GIFT-Eval 数据集配置上评估了两套配方。模型不做微调即预测，测试目标未被用于选择或拟合聚合方法。这里我们把官方集成提交结果与四个组成模型比较，使用 2026 年 10 月 20 日抓取的已发布排行榜分数与排名。

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 Seasonal Naive 归一化，并在各配置上做几何平均。越低越好。

★ 所示预测中的最佳值。越低越好。

排名列是对完整 GIFT-Eval 参考排行榜（而非仅这六个预测）做逐配置排名后的平均值，因此随着排行榜新增条目，排名值可能变化。

两个集成在总体 MASE 和平均 MASE 排名上都优于全部四个单独成员。概率集成本六个预测中取得最低 MASE：0.683，而 PatchTST-FM-r2 为 0.685。更低的平均 MASE 排名表示在 GIFT-Eval 多样数据集配置上相对更强的点预测表现。综合来看，这些结果支持把集成作为实用的起点，而不需要开发者预先挑出最强的单一架构。相对最佳单成员的 MASE 优势很小，因此主要好处是稳健性：你无需事先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 保持最低的总体 CRPS/MWQL 分数。IQR 集成在这六个预测中取得最低的平均 CRPS 排名，而概率集成在该指标上落后于 PatchTST-FM-r2。因此总体误差与平均排名偏好不同的选择。

在 2026 年 10 月 20 日的比较中，集成方法在合格系统中按 MASE 排名和 CRPS 排名均列第 3。下图把两套配方与每个指标上最好的十个合格参考系统并列。一些系统（包括因微调或许可不宽松而被排除的条目）得分优于任一配方，所以集成的价值不在于登顶排行榜，而在于：一个单一默认值就能在许多序列上给出强而一致的结果，无需你挑选成员。

图：2026 年 10 月 20 日的 GIFT-Eval 平均排名榜，展示两个 Granite 集成与每个指标上最好的十个合格参考系统。合格系统需有复现代码且未声明测试数据泄漏；微调条目以及已知采用非宽松许可或存在成员依赖的系统被排除。排名值直接取自已发布的总体排行榜快照；过滤只改变显示哪些系统，不改变其排名值。

把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。你可以更换成员组合或聚合方法，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。这使集成更容易嵌入既有预测栈，也更容易随需求演进加入适合你领域的预测器。

仓库还包含扩展配方，加入了 IBM Research 的检查点。这些带有单独的许可条款，包括非商业与研究用途限制，使用前请查阅每个成员的模型卡。

对任何新组合，都要检查预测兼容性、准确率、校准、延迟和许可。

为你的应用评估这套配方#

GIFT-Eval 是广泛的基准，但总体收益并不意味着每条序列都受益，平均排名也无法证明校准良好。要弄清这些配方在你的应用上表现如何，方法是在有代表性的数据上回测：

• 贴合你的用例。 使用能反映每个预测起点时可得数据的历史预测窗口、你需要的预测步长，以及你预期服务的序列。
• 同类相比。 在相同窗口上运行概率集成、IQR 集成和一个强的单独成员（如 PatchTST-FM-r2）。
• 不要只看点误差。 在 MASE 之外评估分位数损失，并检查 0.1 到 0.9 区间的经验覆盖率是否符合名义上的 80%。
• 衡量成本。 记录运行时间与内存占用，判断组合四个模型带来的收益是否值得。

记住两个局限。当前配方独立预测多变量通道，没有利用跨通道信息；它要加载四个成员检查点，相对于单一成员会增加推理时间与内存。成员的上下文限制、预测步长、预处理和缺失值处理也各不相同，两种聚合方法都不保证在分布偏移下保持校准或稳健，因此部署后仍需持续监控预测。

在你的数据上试试#

推荐的起点是默认的四模型配方：

• Hugging Face 上的 Granite Timeseries Ensemble
• 入门 notebook
• Granite TSFM 仓库
• GIFT-Eval 基准

加载默认配方，一次调用即可获得来自全部四个 Granite 架构的中位数与分位数预测，并随需求演进调整配方。

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）：用于增强多变量时间序列零样本/少样本预测的快速预训练模型
• Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models
• Forecast combinations: an over 50-year review
• Smith and Wallis (2009), A Simple Explanation of the Forecast Combination Puzzle