Granite Timeseries Ensemble یک دستور (recipe) متن‌باز از IBM است که چهار مدل پیشبینی سری زمانی Granite را زیر یک رابط واحد جمع میکند و بدون آموزش مجدد، هم پیشبینی نقطهای و هم پیشبینی چندکی برمی‌گرداند. اگر انتخاب بین PatchTST، FlowState و TTM تا امروز آزمون‌وخطا بود، این مجموعه یک پیشفرض معقول می‌دهد: ترکیب احتمالات با وزن برابر، به‌همراه یک نسخه تطبیقی جایگزین.
چرا اصلاً چند مدل را ترکیب کنیم؟
مدل‌های از پیش آموزش‌دیده سری زمانی بدون آموزش روی داده شما پیشبینی می‌کنند، اما هنوز باید یکی را انتخاب کنید. مدلی که سیگنال صنعتی هموار را خوب می‌گیرد، ممکن است در تقاضای نویزی خرده‌فروشی یا افق فصلی بلند ضعیف باشد؛ و بهترین انتخاب به سری زمانی و به نوع کار بستگی دارد.
ایده آنسامبل از پیشبینی آب‌وهوا آشناست: به‌جای یک خروجی قطعی، طیفی از نتایج ممکن بررسی میشود. سامانه‌هایی مثل North American Multi-Model Ensemble هم مدل‌های مختلف را برای پیشبینی فصلی کنار هم می‌گذارند. در سری زمانی هم مدل‌های مکمل نگاه‌های متفاوتی به آینده دارند و ترکیب آن‌ها ریسک انتخاب مدل اشتباه را کم میکند. یک مرور ۵۰ ساله بر ترکیب پیش‌بینی‌ها همین را برجسته میکند، با این تأکید که کیفیت و تنوع اعضا همچنان تعیین‌کننده است.
چهار عضو پیشفرض و شروع سریع
دستور پیشفرض چهار مدل Granite با معماری‌های متفاوت را ترکیب میکند:
| مدل | معماری |
|---|---|
| Granite PatchTST-FM-r1 | ترنسفورمر تکه‌بندی‌شده (Patched Transformer) |
| Granite PatchTST-FM-r2 | کانفورمر تکه‌بندی‌شده (Patched Conformer) |
| Granite FlowState-r1.1 | مدل فضای حالت (State-space) |
| Granite TTM-r3 | Tiny Time Mixers (شبکه MLP mixer) |
این معماری‌ها روند، فصلی‌بودن و تغییرات محلی را به شکل‌های متفاوتی میگیرند، پس خطاهایشان لزوماً روی هم نمی‌افتد.
راه‌اندازی هم چند خط بیشتر نیست. ابتدا بسته را نصب کنید:
pip install "granite-tsfm>=0.3.11"
سپس مدل را با شناسه ibm-granite/granite-timeseries-ensemble-r1 بارگذاری کنید و داده، ستون زمان، ستون هدف، طول بافت (context_length) و افق پیشبینی (prediction_length) را به آن بدهید. نکته مهم این است که این دستور، پیکربندی آنسامبل را ذخیره میکند نه وزنهای ادغام‌شده مدلها را؛ چهار چکپوینت عضو هنگام اجرا دانلود میشوند، پس اجرای اول کمی بیشتر طول می‌کشد. اگر با اجرای مدل‌های هاگینگ‌فیس روی سخت‌افزارهای دیگر هم کار می‌کنید، نوشتهٔ TorchNeuron دربارهٔ همین مسیر است.
خروجی شامل prediction_outputs برای پیشبینی نقطهای و quantile_outputs برای پیشبینیهای چندکی است. بازه پیشفرض چندک‌ها از 0.1 تا 0.9 است؛ مثلاً چندک‌های 0.1 و 0.9 یک بازه اطمینان مرکزی با پوشش اسمی ۸۰ درصد می‌سازند.
دو روش برای ترکیب پیش‌بینی‌ها
هر عضو، پیشبینیهای چندکی خودش را برمی‌گرداند. دو دستور اصلی با دو قاعده متفاوت، این پیش‌بینی‌ها را به یک توزیع پیش‌بین و میانه آن تبدیل می‌کنند.
Probabilistic Ensemble؛ پیشفرض پیشنهادی
در این نسخه که از آن با نام تجمیع احتمال یکنواخت (uniform probability pooling) یاد میشود، همه اعضا نفوذ یکسان دارند. پیشبینیهای چندکی در فضای احتمال کنار هم گذاشته میشوند و چندک‌های درخواستی از مقادیر ترکیبی استخراج میشوند. چون وزن‌ها ثابت‌اند، هیچ مرحله برازش و هیچ ابرپارامتر وزنی برای سری جدید تنظیم نمی‌شود. پشت این انتخاب همان چیزی است که به «معمای ترکیب پیشبینی» معروف شده: در پیشبینی نقطهای، ترکیب‌های ساده با وزن برابر اغلب در برابر روش‌های دارای وزن برآوردشده خوب دوام آورده‌اند.
IQR Ensemble؛ جایگزین تطبیقی
در این نسخه، وزن هر عضو بر اساس پراکندگی پیشبینیاش تعیین میشود؛ یعنی بازههای باریکتر نفوذ بیشتری میگیرند. دامنه میان‌چهارکی (IQR) هر عضو از نزدیک‌ترین چندک‌های موجود حول صدک ۲۵ و ۷۵ تقریب زده میشود. وزن‌ها بر پایه نمونه، هدف و گام افق تغییر می‌کنند و مثل نسخه احتمالاتی، چیزی از خطاهای تاریخی پیشبینی برازش نمی‌شود. رگرسیون ایزوتونیک هم جلوی تلاقی چندک‌های ترکیبی را می‌گیرد.
اما بازه باریکتر همیشه یعنی پیشبینی دقیقتر یا بهتر کالیبره‌شده نیست؛ وزن‌دهی IQR می‌تواند به سود عضوی تمام شود که بیش از حد به خودش مطمئن است. برای آزمایش، این دستور یک تنظیم دمایی دارد (هرچه بالاتر، وزن‌ها به یکنواخت نزدیک‌تر میشوند) و امکان سقف‌گذاری روی وزن یک عضو هم فراهم است. فعال‌سازی نسخه IQR فقط با تغییر زیرپوشه انجام میشود: recipes/granite-iqr.
کدام روش را انتخاب کنم؟
| هدف شما | از این شروع کنید | دلیل |
|---|---|---|
| یک پیشفرض ساده | Probabilistic Ensemble | نفوذ برابر، بدون وزن برازش‌شده |
| وزن‌دهی تطبیقی بر پایه پراکندگی پیشبینی | IQR Ensemble | نفوذ هر عضو با پراکندگی پیشبینیاش تغییر میکند |
توصیه عملی این است که با نسخه احتمالاتی شروع کنید. اگر پراکندگی پیشبینی برای کاربردتان اطلاعاتی به نظر می‌رسد، IQR را روی داده‌های نماینده با آن مقایسه کنید؛ چون دقت و کالیبراسیون به سری زمانی و افق پیشبینی وابسته‌اند.
آیا آنسامبل از اعضایش بهتر است؟
هر دو دستور روی ۹۷ پیکربندی از مجموعه‌داده GIFT-Eval ارزیابی شده‌اند؛ بدون تنظیم دقیق (fine-tuning) و بدون اینکه از اهداف آزمون برای انتخاب یا برازش روش تجمیع استفاده شود. جدول زیر نتایج ارسال رسمی آنسامبل را با چهار عضو تشکیل‌دهنده مقایسه میکند و بر پایه امتیازها و رتبه‌های منتشرشده در لیدربورد، تا تاریخ 20 اکتبر 2026 است.
GIFT-Eval برای پیشبینی نقطهای معیار MASE و برای پیشبینی احتمالاتی معیارهای CRPS و MWQL را گزارش میکند. امتیازها نسبت به Seasonal Naive نرمال و به‌صورت میانگین هندسی روی پیکربندی‌ها محاسبه شده‌اند؛ پایین‌تر بهتر است.
| پیشبینی | MASE ↓ | رتبه MASE ↓ | CRPS / MWQL ↓ | رتبه CRPS ↓ |
|---|---|---|---|---|
| Granite Ensemble R1 — Prob | 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 |
ستاره‌ها بهترین مقدار میان همین شش پیشبینی را نشان می‌دهند. ستون‌های رتبه، میانگین رتبه هر پیکربندی در برابر کل لیدربورد مرجع GIFT-Eval است، نه فقط این شش مورد؛ بنابراین با اضافه‌شدن مدل‌های تازه به لیدربورد می‌تواند جابه‌جا شود.
هر دو آنسامبل در MASE تجمیعی و میانگین رتبه MASE از هر چهار عضو جداگانه بهتر عمل می‌کنند. نسخه احتمالاتی با 0.683 کمترین MASE را در این شش پیشبینی دارد، در برابر 0.685 برای PatchTST-FM-r2. اما این حاشیه کوچک است؛ سود اصلی، مقاوم‌بودن است: دقت تجمیعی قابل‌مقایسه یا بهتر، بدون آنکه از قبل بدانید کدام معماری به داده شما می‌خورد.
در سمت احتمالاتی، PatchTST-FM-r2 همچنان کمترین CRPS/MWQL تجمیعی را نگه می‌دارد. نسخه IQR کمترین میانگین رتبه CRPS را میان این شش پیشبینی دارد و نسخه احتمالاتی در این معیار پشت PatchTST-FM-r2 می‌ایستد. یعنی خطای تجمیعی و رتبه میانگین، دو انتخاب متفاوت را برجسته می‌کنند.
در مقایسه 20 اکتبر 2026، این رویکرد در رتبه MASE و رتبه CRPS جایگاه سوم را میان سامانه‌های واجد شرایط دارد. شکل زیر هر دو دستور را در کنار ده سامانه مرجع برتر هر معیار نشان می‌دهد.
برخی سامانه‌ها در این فهرست نیستند: ورودی‌های تنظیم‌شده (fine-tuned) و سامانه‌هایی با مجوز غیرآزاد یا وابستگی به اعضای خاص حذف شده‌اند. طبیعی است که بعضی از آن‌ها بهتر از این دو دستور امتیاز بگیرند؛ ارزش آنسامبل در صدر جدول بودن نیست، در این است که یک پیشفرض واحد روی سری‌های متنوع، نتیجه‌ای قوی و یکدست می‌دهد.
گسترش دستور به مدل‌های دیگر
دستور پیشفرض از چهار مدل Granite استفاده میکند، اما رابط عمومی Forecaster مدل‌های بیرونی سازگار را هم می‌پذیرد. می‌توانید ترکیب اعضا یا روش تجمیع را عوض کنید و همان قالب پیشبینی پایین‌دستی را نگه دارید، بدون ادغام یا آموزش مجدد چک‌پوینت‌ها. این کار جا انداختن آنسامبل در یک سامانه پیشبینی موجود و افزودن مدل‌های مناسب دامنه کاربرد را ساده‌تر میکند.
مخزن، دستورهای گسترده‌تری هم دارد که چک‌پوینت‌های IBM Research را اضافه می‌کنند. این‌ها شرایط مجوز جداگانه دارند، از جمله محدودیت‌های استفاده غیرتجاری و پژوهشی، پس پیش از به‌کارگیری، کارت مدل هر عضو را بخوانید. برای هر ترکیب تازه هم سازگاری پیشبینی، دقت، کالیبراسیون، تأخیر و مجوز را بررسی کنید. دستور پیشفرض و اعضای Granite آن مجوز آزاد دارند.
ارزیابی برای کاربرد خودتان و محدودیت‌ها
GIFT-Eval یک بنچمارک گسترده است، اما سود تجمیعی به معنای سود بردن همه سری‌ها نیست و رتبه میانگین هم کالیبراسیون را ثابت نمی‌کند. راه فهمیدن رفتار این دستورها، آزمون گذشته‌نگر (backtest) روی داده‌های نماینده است:
- هم‌خوانی با کاربرد: پنجره‌های تاریخی‌ای را به کار ببرید که همان داده در دسترس در هر مبدأ پیشبینی، همان افق و همان سری‌هایی را بازتاب دهد که انتظار دارید سرویس بدهید.
- مقایسه هم‌شرط: نسخه احتمالاتی، نسخه IQR و یک عضو قوی مثل PatchTST-FM-r2 را روی همان پنجره‌ها اجرا کنید.
- فراتر از خطای نقطهای: در کنار MASE، زیان چندکی را هم بسنجید و پوشش تجربی بازه 0.1 تا 0.9 را با پوشش اسمی ۸۰ درصد مقایسه کنید.
- سنجش هزینه: زمان اجرا و مصرف حافظه را ثبت کنید تا ببینید سود ترکیب چهار مدل برای بار کاری شما توجیه دارد یا نه.
دو محدودیت را هم در نظر بگیرید. دستور فعلی کانال‌های چندمتغیره را مستقل از هم پیشبینی میکند و از اطلاعات میان‌کانالی استفاده نمی‌کند؛ و چون چهار چکپوینت عضو را بارگذاری میکند، زمان استنتاج و حافظه نسبت به یک مدل تنها بیشتر میشود. محدودیت بافت، افق، پیش‌پردازش و شیوه برخورد با مقادیر گمشده در اعضا متفاوت است و هیچ‌کدام از دو روش تجمیع، کالیبراسیون یا مقاومت در برابر تغییر توزیع را تضمین نمی‌کند؛ پس پایش پیش‌بینی‌ها را بعد از استقرار رها نکنید.
نقطه شروع پیشنهادی، همان دستور پیشفرض چهارمدلی است: با یک فراخوانی، پیشبینی میانه و چندکی از هر چهار معماری Granite می‌گیرید و بعد می‌توانید ترکیب را به‌تناسب نیازتان تغییر بدهید.
پرسش‌های متداول
آیا برای استفاده از این آنسامبل باید مدلها را آموزش بدهم؟
نه. دستور پیشفرض هیچ آموزش مجددی روی داده شما انجام نمیدهد و وزنهای ترکیب هم برآورد نمیشوند؛ پیکربندی آنسامبل ذخیره میشود و چهار چکپوینت عضو در زمان اجرا دانلود میشوند.
تفاوت Probabilistic Ensemble و IQR Ensemble چیست؟
در نسخه احتمالاتی همه اعضا وزن برابر دارند و پیشبینیهای چندکی در فضای احتمال تجمیع میشوند. در نسخه IQR وزن هر عضو بر اساس پراکندگی پیشبینیاش تعیین میشود و بازههای باریکتر نفوذ بیشتری میگیرند.
آیا آنسامبل از تکمدلها دقیقتر است؟
روی معیار MASE هر دو نسخه آنسامبل از هر چهار عضو بهتر عمل کردند، اما حاشیه برتری کوچک است. در CRPS/MWQL بهترین امتیاز تجمیعی همچنان به PatchTST-FM-r2 رسیده است.
هزینه اجرای آنسامبل چقدر است؟
دستور پیشفرض چهار چکپوینت را بارگذاری میکند، بنابراین زمان استنتاج و حافظه مصرفی نسبت به یک مدل تنها بیشتر است.
منبع: Hugging Face
