谷歌開源時間序列預測模型TimesFM 2.0版本 可用於預測零售業銷量、股票走勢

谷歌研究團隊近日推出了 TimesFM（時序基礎模型）2.0，這是一個專爲時間序列預測而設計的預訓練模型。該模型旨在提升時間序列預測的準確性，並通過開源和科學共享的方式，推動人工智能的發展。

TimesFM2.0模型具備強大的功能，能夠處理高達2048個時間點的單變量時間序列預測，且支持任意預測時間跨度。

值得注意的是，儘管模型的訓練最大上下文長度爲2048，但在實際應用中，可以處理更長的上下文。模型專注於點預測，同時實驗性地提供了10個分位頭，但這些在預訓練後尚未經過校準。

在數據預訓練方面，TimesFM2.0包含了多個數據集的組合，包括了 TimesFM1.0的預訓練集以及來自 LOTSA 的附加數據集。這些數據集涵蓋了多個領域，例如住宅用電負荷、太陽能發電、交通流量等，爲模型的訓練提供了豐富的基礎。

通過 TimesFM2.0，用戶能夠更輕鬆地進行時間序列預測，推動各類應用的發展，包括零售業銷量、股票走勢、網站流量等場景、環境監測和智能交通等領域。

模型入口:https://huggingface.co/google/timesfm-2.0-500m-pytorch

劃重點: 

🌟 TimesFM2.0是谷歌推出的全新時序預測模型，專注於提升時間序列預測的準確性。

🔧 模型支持高達2048個時間點的預測，並能夠處理任意預測時間跨度。

📊 用戶可以根據不同的時間序列特徵，自由選擇預測頻率，提高預測的靈活性。