IBM Research 团队近日在 Hugging Face 发布了 Granite Time Series Ensemble（Granite 时间序列集成模型）。该方案通过整合四个互补的预训练时间序列基础模型，提供了一套开箱即用的预测接口。开发者无需进行模型微调或手动调整组合权重，即可获得中位数点预测和分位数概率预测。
这一设计理念借鉴了气象预报中的“集合预报”方法（如北美多模型集合系统），旨在通过结合不同模型的视角来降低单一模型选择错误的风险。当面对工业信号、零售需求或长季节性数据等复杂场景时，单一模型往往难以兼顾所有特性，而集成模型则提供了更稳健的默认选择。
快速上手：安装与调用
用户可通过 pip 安装最新版本的 granite-tsfm 库，并直接从 Hugging Face Hub 加载集成配方。以下代码演示了如何使用 ETT-small 数据集进行预测：
pip install "granite-tsfm>=0.3.11"
import pandas as pd
from tsfm_public.models.ensemble.modeling_ensemble import QuantileEnsembleForecaster
# 加载示例数据
df = pd.read_csv(
"https://raw.githubusercontent.com/zhouhaoyi/ETDataset/main/ETT-small/ETTh1.csv",
parse_dates=["date"],
)
# 加载 IBM Granite 时间序列集成模型 R1
ensemble = QuantileEnsembleForecaster.from_pretrained(
"ibm-granite/granite-timeseries-ensemble-r1",
)
# 执行预测：使用最后1024个时间点作为上下文，预测未来24步
result = ensemble(
df.tail(1024),
timestamp_column="date",
target_columns=["OT"],
context_length=1024,
prediction_length=24,
)
print(result.prediction_outputs) # 点预测结果
print(result.quantile_outputs) # 分位数预测结果
需要注意的是，该配方存储的是组合配置而非合并后的模型权重。首次运行时，系统会自动下载四个成员模型的检查点，因此需要预留额外的初始化时间。
输出结果包含两部分：prediction_outputs 提供中心趋势的点预测；quantile_outputs 提供默认范围为 0.1 至 0.9 的分位数预测。应用程序可利用这些分位数值构建预测区间，例如 0.1 和 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：四种不同的架构
默认的 Granite 时间序列集成配方结合了四个具有不同架构特性的预训练模型，以捕捉趋势、季节性和局部变化的多样性：
| 模型名称 | 架构类型 |
|---|---|
| Granite PatchTST-FM-r1 | Patched Transformer (带补丁的变压器) |
| Granite PatchTST-FM-r2 | Patched Conformity (已修补的符合性架构) |
| Granite FlowState-r1.1 | State Space Model (状态空间模型) |
| Granite TTM-r3 | Tiny Time Mixers (小型时间混合器 / MLP Mixer) |
由于各架构对数据的处理方式不同，它们的预测误差并不完全一致。根据预测组合领域的研究，结合多个互补模型可以有效降低依赖单一最强模型的风险，同时保持较高的整体精度。
两种聚合策略：概率集成与 IQR 集成
每个成员模型均返回分位数预测，集成框架通过两种主要规则将这些预测转化为最终的分布和中位数。
1. 默认推荐：概率集成 (Probabilistic Ensemble)
概率集成采用统一的概率聚合方式，赋予每个成员同等的影响力。它在概率空间中聚合各成员的量子预测，并从中提取所需的分位数。由于权重固定为相等，该方法无需针对新数据进行适配步骤，也没有需要调整的超参数。研究表明，在点预测中，简单的等重组合往往能与复杂的加权估计方法相媲美，这一理念同样适用于概率预测。
2. 自适应替代方案：IQR 集成 (IQR Ensemble)
IQR 集成根据成员预测的不确定性（四分位距）进行动态加权，使预测区间更窄的成员拥有更大的影响力。它近似计算每个成员在 25% 和 75% 百分位数周围的四分位距范围。权重因样本、目标变量和地平线步骤而异，且不依赖于历史预测错误。通过同位素回归确保合并后的分位数单调递增。
值得注意的是，更窄的区间并不一定意味着更高的准确性或更好的校准度，IQR 权重可能会偏向过度自信的成员。如需实验此方法，可通过更改子文件夹路径加载：
ensemble = QuantileEnsembleForecaster.from_pretrained(
"ibm-granite/granite-timeseries-ensemble-r1",
subfolder="recipes/granite-iqr",
)
性能评估：基于 GIFT-Eval 基准测试
IBM 团队在 97 个 GIFT-Eval 数据集配置上评估了该集成模型。评估过程中未对模型进行微调，也未使用测试集目标来选择或适应聚合方法。以下是截至 2026 年 10 月 20 日的排行榜成绩对比，指标包括平均绝对缩放误差 (MASE) 和连续 Ranked Probability Score (CRPS/MWQL)，分数越低越好：
| 预测模型 | MASE ↓ | MASE 排名 ↓ | CRPS/MWQL ↓ | CRPS 排名 ↓ |
|---|---|---|---|---|
| Granite Ensemble R1 Probabilistic | 0.683 ★ | 47.175 ★ | 0.471 | 50.948 |
| Granite Ensemble R1 IQR | 0.684 | 48.773 | 0.471 | 47.619 ★ |
| Granite PatchTST-FM-r2 | 0.685 | 51.371 | 0.467 ★ | 48.918 |
| Granite FlowState-r1.1 | 0.701 | 66.474 | 0.490 | 69.485 |
| Granite PatchTST-FM-r1 | 0.717 | 74.794 | 0.488 | 68.134 |
| Granite TTM-r3 | 0.724 | 83.062 | 0.520 | 88.959 |
★ 表示六个预测模型中的最佳值。
数据显示，两种集成配方在总体 MASE 和平均 MASE 排名上均优于其四个单独成员。其中，概率集成实现了最低的 MASE (0.683)，略优于表现最好的单个成员 PatchTST-FM-r2 (0.685)。虽然与最佳单体相比差距较小，但集成的主要优势在于稳定性：开发者无需预先知道哪种架构最适合特定数据，即可获得可比甚至更好的总精度。
在 CRPS/MWQL 指标上，PatchTST-FM-r2 保持了最低总分，而 IQR 集成获得了最低的平均 CRPS 排名。这表明在不同的评估指标下，最优选择可能有所不同。
扩展性与应用建议
该集成框架不仅限于 IBM 自家的四个模型。Forecaster 通用接口允许接入兼容的外部模型。开发者可以更改成员组合或聚合方法，同时保持下游预测格式不变，无需重新训练或合并模型权重。这使得将集成模型融入现有的预测技术栈变得更加容易。
此外，仓库中还包含添加了其他 IBM Research 检查点的扩展配方。请注意，这些额外成员可能涉及非商业和研究用途的限制许可，使用前需查阅各自的模型卡。
对于实际应用，建议遵循以下评估流程：
- 匹配用例：使用反映实际可用数据的历史预测窗口，确定所需的地平线和系列。
- 横向对比：在同一组数据窗口上运行概率集成、IQR 集成以及一个强单体模型（如 PatchTST-FM-r2）。
- 超越点误差：除了 MASE，还需评估分位数损失，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：记录运行时和内存使用情况，判断结合四个模型的收益是否足以抵消增加的计算开销。
目前存在的局限性包括：当前配方独立预测多变量通道，未利用跨通道信息；加载四个成员检查点会增加推理时间和内存占用；且聚合方法不保证在分布偏移下的校准性或鲁棒性，部署后仍需持续监控。
