谷歌开源时间序列预测模型TimesFM 2.0版本 可用于预测零售业销量、股票走势

　　谷歌研究团队近日推出了 TimesFM(时序基础模型)2.0，这是一个专为时间序列预测而设计的预训练模型。该模型旨在提升时间序列预测的准确性，并通过开源和科学共享的方式，推动人工智能的发展。

　　TimesFM2.0模型具备强大的功能，能够处理高达2048个时间点的单变量时间序列预测，且支持任意预测时间跨度。

　　值得注意的是，尽管模型的训练最大上下文长度为2048，但在实际应用中，可以处理更长的上下文。模型专注于点预测，同时实验性地提供了10个分位头，但这些在预训练后尚未经过校准。

　　在数据预训练方面，TimesFM2.0包含了多个数据集的组合，包括了 TimesFM1.0的预训练集以及来自 LOTSA 的附加数据集。这些数据集涵盖了多个领域，例如住宅用电负荷、太阳能发电、交通流量等，为模型的训练提供了丰富的基础。

　　通过 TimesFM2.0，用户能够更轻松地进行时间序列预测，推动各类应用的发展，包括零售业销量、股票走势、网站流量等场景、环境监测和智能交通等领域。