IBM Granite 時間序列整合預測：提升準確性與穩健性

IBM 推出了四個開源的 Granite 模型，搭配一個可擴展的預測介面，讓使用者在選擇模型時能減少猜測。

預訓練的時間序列模型無需在您的資料集上進行訓練即可進行預測，但您仍然需要選擇一個模型。一個擅長處理平滑工業訊號的模型，可能難以應對嘈雜的零售需求或長期的季節性預測，最佳選擇取決於時間序列資料本身和任務需求。

Granite Timeseries Ensemble 將這種選擇簡化為一個合理的預設方案。它結合了四種互補的 Granite 架構，無需重新訓練或調整整合權重，即可返回中位數和分位數預測。您可以從機率整合模型（統一機率池化）開始，比較適應性更強的四分位距（IQR）整合模型，並透過相同的介面擴展其他相容的預測器。此整合預測方案及其預設的 Granite 成員皆採用寬鬆的授權。

這個概念在天氣預報中很常見。整合預測會探索一系列可能的結果，例如北美多模型整合系統就結合了不同的模型進行季節性預測。時間序列預測也以類似的方式受益：互補的模型提供了對未來不同面向的看法，而整合模型則將這些看法融合為一個預測結果。

您可以安裝 Granite TSFM 並直接從 Hugging Face 載入推薦的四模型整合方案：

首先透過 pip 安裝 "granite-tsfm"，然後使用 Python 程式碼載入資料集並初始化 QuantileEnsembleForecaster。接著，您可以將資料傳入整合模型進行預測，並印出點預測（point forecast）和分位數預測（quantiles）的結果。

這個整合方案儲存的是整合配置，而非合併後的模型權重。它會在執行時下載四個成員模型的檢查點，因此首次執行時需要額外時間。有關完整的配置、成員檢查點、評估細節和限制，請參閱模型卡（model card）。

result.prediction_outputs 包含點預測結果，而 result.quantile_outputs 則包含預設範圍從 0.1 到 0.9 的分位數預測。應用程式可以使用點值作為中心預測，並選擇特定的分位數來表達預測範圍。例如，0.1 和 0.9 的分位數定義了一個名義上覆蓋率為 80% 的中心預測區間。

預設的整合方案結合了四個具有不同架構的預訓練 Granite 模型：Granite PatchTST-FM-r1 採用 Patched Transformer 架構，Granite PatchTST-FM-r2 採用 Patched Conformer 架構，Granite FlowState-r1.1 採用 State-space model，而 Granite TTM-r3 則採用 Tiny Time Mixers (MLP mixer)。

如需背景資訊，請參閱 PatchTST-FM-r1 論文、PatchTST-FM-r2 架構概述、FlowState 論文和 Tiny Time Mixers 論文。

這些架構以不同的方式捕捉趨勢、季節性和局部變異，因此它們的誤差不一定會重疊。一份關於預測組合的 50 年回顧指出，結合預測可以降低選擇錯誤單一模型的風險，同時也強調成員模型的品質和多樣性仍然很重要。

每個成員模型都會返回分位數預測。這兩種主要的整合方案使用不同的規則，將這些預測轉換為一個預測分佈及其中位數。

機率整合模型（統一機率池化）賦予每個成員模型相同的影響力，在機率空間中匯集它們的分位數預測，並從組合值中提取所需的分位數。由於權重是固定的，因此沒有擬合步驟，也無需為新的時間序列調整權重超參數。

預測組合的難題提供了有用的啟示：在點預測中，簡單的等權重組合通常比帶有估計權重的方法表現更好。這個整合方案將相同的等影響力概念應用於機率預測，也是上述範例中預設載入的方法。

四分位距（IQR）整合模型根據預測的分佈來權衡成員模型，給予較窄區間更大的影響力。它從最接近 25% 和 75% 百分位數的可用分位數來近似每個成員模型的四分位距。權重會因樣本、目標和預測步長而異，且與機率整合模型一樣，不會從歷史預測誤差中擬合任何參數。等滲回歸（Isotonic regression）則用於防止組合後的分位數交叉。

較窄的區間不一定意味著更準確或校準更好的預測，而且 IQR 權重可能會偏向過於自信的成員模型。如果您想進行實驗，該方案提供了溫度設定（較高的值會使權重趨於均勻）以及對任何單一成員權重的可選上限。

您只需更改子資料夾參數，即可載入評估過的 IQR 整合方案。

建議從機率整合模型開始。如果預測分佈對於您的應用程式看起來很有參考價值，那麼請在具代表性的資料上，將 IQR 整合模型與其進行比較，因為準確性和校準效果取決於時間序列資料和預測範圍。

我們在 97 種 GIFT-Eval 資料集配置上評估了這兩種整合方案。這些模型在沒有微調的情況下進行預測，並且沒有使用測試目標來選擇或擬合聚合方法。在此，我們將官方整合提交結果與四個組成模型進行比較，使用 2026 年 10 月 20 日發布的排行榜分數和排名。

GIFT-Eval 針對點預測報告 MASE 指標，針對機率預測報告 CRPS/MWQL（基準測試的 mean_weighted_sum_quantile_loss 指標）。分數已正規化為 Seasonal Naive 模型，並在不同配置之間進行幾何平均。數值越低表示表現越好。

在總體 MASE 和平均 MASE 排名方面，兩種整合模型都優於所有四個單獨的成員模型。機率整合模型在這六個預測中實現了最低的 MASE，為 0.683，而 PatchTST-FM-r2 為 0.685。較低的平均 MASE 排名表示在 GIFT-Eval 多樣化的資料集配置中，點預測的相對性能更強。

這些結果共同支持將整合模型作為一個實用的起點，無需開發人員預先選擇最強的單一架構。儘管 MASE 相對於最佳單一模型的優勢很小，但主要好處是穩健性：您無需預先知道哪種架構適合您的資料，即可獲得相當或更好的總體準確性。

PatchTST-FM-r2 保持了最低的總體 CRPS/MWQL 分數。IQR 整合模型在這六個預測中實現了最低的平均 CRPS 排名，而機率整合模型在該指標上則落後於 PatchTST-FM-r2。因此，總體誤差和平均排名會偏向不同的選擇。

在 2026 年 10 月 20 日的比較中，整合方法在 MASE 排名和 CRPS 排名中，於符合條件的系統中位居第三。下圖顯示了兩種整合方案以及每項指標排名前十的參考系統。某些系統，包括因微調或非寬鬆授權而被排除的項目，得分優於這兩種整合方案，因此整合的價值不在於它位居排行榜榜首。其價值在於，一個單一的預設方案可以在許多時間序列中提供強大且一致的結果，而無需您選擇單一成員模型。

預設的整合方案使用了四個 Granite 模型，但通用的 Forecaster 介面也接受相容的外部模型。您可以更改成員模型的組合或聚合方法，並保持相同的下游預測格式，無需合併或重新訓練成員檢查點。這使得將整合模型融入現有的預測堆疊變得更容易，並能隨著需求演變添加適合您領域的預測器。

該儲存庫還包含擴展的整合方案，增加了 IBM Research 的檢查點。這些檢查點帶有單獨的授權條款，包括非商業和研究用途限制，因此在使用前請務必查閱每個成員模型的模型卡。

對於任何新的組合，請檢查預測相容性、準確性、校準、延遲和授權條款。

GIFT-Eval 是一個廣泛的基準測試，但總體收益並不意味著每個時間序列都能受益，平均排名也無法確立校準效果。要了解這些整合方案在您的應用程式中的表現，最佳方法是在具代表性的資料上進行回溯測試：

匹配您的使用案例。使用能反映每個預測起點可用資料、您所需的預測範圍以及您預期服務的時間序列的歷史預測視窗。

進行同類比較。在相同的視窗上執行機率整合模型、IQR 整合模型以及一個強大的單一成員模型（例如 PatchTST-FM-r2）。

超越點誤差。除了 MASE 之外，還要評估分位數損失，並檢查 0.1 到 0.9 區間的經驗覆蓋率是否符合其名義上的 80%。

衡量成本。記錄執行時間和記憶體使用情況，以判斷結合四個模型的好處是否值得您的工作負載。

請記住兩個限制。目前的整合方案獨立預測多變量通道，沒有使用跨通道資訊，並且它載入四個成員檢查點，這會增加相對於單一成員模型的推論時間和記憶體。成員模型的上下文限制、預測範圍、預處理和缺失值處理也各不相同，而且兩種聚合方法都不能保證在分佈偏移下的校準或穩健性，因此在部署後請持續監控預測結果。

建議的起點是預設的四模型整合方案：Hugging Face 上的 Granite Timeseries Ensemble、入門筆記本、Granite TSFM 儲存庫、GIFT-Eval 基準測試。

載入預設方案，即可透過一次呼叫從所有四種 Granite 架構中獲得中位數和分位數預測，並根據您的需求演變來調整該方案。