TimesFM — Google 开源时序预测基础模型，零样本超越传统方案（12k ⭐）

TimesFM — Google 时间序列预测基础模型

GitHub: https://github.com/google-research/timesfm Stars: 12,083 ⭐（今日 +380） 作者: Google Research 语言: Python

项目简介

TimesFM（Time Series Foundation Model）是 Google Research 开发的时间序列预测基础模型，采用类似 LLM 的预训练范式，在海量真实时序数据上训练后，可在无需微调的情况下对新场景实现高质量的零样本（zero-shot）预测。

核心特性

• 零样本泛化：无需针对特定数据集微调，直接推理即可获得高精度预测
• 长序列预测：支持从短期（天级）到长期（年级）的多种预测粒度
• 超越传统方法：在多个公开基准上，零样本性能超越 ARIMA、Prophet 等经典统计方法及专门训练的深度学习模型
• 灵活输入：支持单变量和多变量时序，适应不规则采样数据

典型应用场景

• 零售与供应链：销售量、库存需求预测
• 能源与电力：用电负荷、可再生能源出力预测
• 金融：价格趋势、风险指标预测
• 运维监控：系统指标异常检测与容量规划

重要意义

TimesFM 代表了将大模型预训练范式引入时序领域的重要进展。相比于为每个业务场景单独训练模型的传统做法，TimesFM 提供了一个通用的时序智能基座，大幅降低了时序预测的门槛和成本。