谷歌发布TimesFM2.0：高效时序预测模型

谷歌研究团队近期发布了TimesFM 2.0时序基础模型，这是一款专为时间序列预测设计的预训练模型。该模型旨在提高时间序列预测的精确度，并通过开源与科学共享，助力人工智能技术的进步。

TimesFM 2.0模型功能强大，能够对至多2048个时间点的单变量时间序列进行预测，并支持不同预测时间跨度的需求。

值得一提的是，尽管模型的最大训练上下文长度为2048，但实际应用中能处理更长的上下文。模型主要进行点预测，同时实验性地提供了10个分位数预测，但这些在预训练后尚未进行校准。

在数据预训练方面，TimesFM 2.0整合了多个数据集，包括TimesFM 1.0的预训练集和来自LOTSA的额外数据集。这些数据集覆盖了多个领域，如住宅用电负荷、太阳能发电、交通流量等，为模型训练提供了广泛的基础。

借助TimesFM 2.0，用户可以更便捷地进行时间序列预测，推动零售业销量、股票走势、网站流量等场景，以及环境监测和智能交通等多个领域的发展。

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

🌟 TimesFM 2.0是谷歌推出的创新时序预测模型，致力于提高时间序列预测的准确性。
🔧 该模型支持对多达2048个时间点的预测，并能处理任意预测时间跨度。
📊 用户可根据不同的时间序列特性自由选择预测频率，增强预测的灵活性。