# Ensemble forecasting with IBM Granite time-series models

- 发布方：IBM Research（发布于 Hugging Face Blog）；作者：Fearghal O'Donncha、Chandramouli Kamanchi、Guruprasad Ranjini、Wesley M. Gifford、Natalia Martinez Gil、Bradley Eck、Pankaj Dayama、Roman Vaculin
- 形式：文章 · en
- 原始资源：[https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)
- 本站页面：[https://oplearnx.com/resources/res\_kgg4bqdpqr95](<https://oplearnx.com/resources/res_kgg4bqdpqr95>)
- 学习主题：统计学 / 时间序列；人工智能 / AI 通识 / 全景认识与基本概念；人工智能 / 机器学习
- 内容状态：状态待核验
- 原始发布时间：2026-10-22 15:51
- 本站首次收录：2026-10-28 00:08

## 能学到什么

能安装并使用 granite-tsfm 的集成预测接口，用四种 Granite 时序模型的组合得到点预测与分位数预测，并了解概率集成与 IQR 集成两种合并规则及其实评测结果。

- 安装 granite-tsfm 并从 Hugging Face 加载 granite-timeseries-ensemble-r1 集成配置
- 用 QuantileEnsembleForecaster 对给定序列输出点预测与分位数预测
- 说明四种 Granite 成员模型（PatchTST-FM-r1/r2、FlowState-r1.1、TTM-r3）的架构差异
- 解释概率集成（均匀概率池化）与 IQR 集成两种合并规则的思路与适用场景
- 通过 subfolder 参数加载 recipes/granite-iqr 配方，观察 IQR 集成的加载方式与可调设置
- 读懂 GIFT-Eval 上的 MASE、CRPS/MWQL 指标与排名结果

## 适合我吗

- 适合：适合想在不训练、不调权重的前提下快速做多模型集成时序预测的开发者，也适合需要理解概率集成原理并复现示例代码的学习者。
- 需要留意：不适合只想学时序建模基础理论或从零训练预测模型的人；文章面向方法应用与选型，而非系统课程。

## 前置条件与费用

- 知识前置：需要了解时序预测的基本概念（上下文长度、预测步长、分位数预测），并能读写 Python 与 pandas 代码。
- 软件、账号与硬件：Python 环境，可安装 pip 包 granite-tsfm\>=0.3.11，首次运行需联网下载四个成员模型权重。
- 内容费用：免费：节选正文可直接读到完整的安装命令、示例代码、方法说明与评测表格，未见付费墙或登录拦截；页面写明集成配方与默认成员模型采用宽松许可。
- 实践费用：实践费用待核验：网页未说明运行示例是否需要付费算力；仅提到首次运行需下载四个成员检查点、需要额外等待时间。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- Python 3 \+ pip：运行示例代码并安装 granite-tsfm
- [granite-tsfm（pip 包）](<https://github.com/ibm-granite/granite-tsfm>)：提供 QuantileEnsembleForecaster 集成预测接口
- [Hugging Face 模型仓库 ibm-granite/granite-timeseries-ensemble-r1](<https://huggingface.co/ibm-granite/granite-timeseries-ensemble-r1>)：提供集成配置与成员检查点
- [Getting-started notebook](<https://github.com/ibm-granite/granite-tsfm/blob/main/notebooks/hfdemo/probabilistic_ensemble_getting_started.ipynb>)：官方入门示例，可参考跑通流程

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词（Windows）

```text
请帮我把「Ensemble forecasting with IBM Granite time-series models」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：用示例 ETTh1 数据按文中代码跑一遍概率集成，再加载 recipes/granite-iqr 配方；也可换用自己的时序数据，按同一接口指定 timestamp_column、target_columns、context_length 与 prediction_length。
课节（官方顺序）：
1. Try Granite Timeseries Ensemble（安装与示例代码）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
2. The ensemble members（四个成员模型与架构）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
3. Two ways to combine the forecasts（Probabilistic Ensemble 与 IQR Ensemble）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
4. Which method should I use?（选型建议）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
5. Does the ensemble improve on its members?（GIFT-Eval 评测结果，节选到此为止）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
6. Extend the recipe to other forecasters（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
7. Evaluate the recipe for your application（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
8. Try it on your data（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1

1. 环境
- Python 3 环境
- pip 安装 granite-tsfm>=0.3.11
- 可访问 huggingface.co 的网络
- 足够存放四个成员模型检查点的磁盘空间
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
3. 目录（最外层放在我确认的位置）
granite-timeseries-ensemble-r1/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-try-granite-timeseries-ensemble/
    ├── 02-02-the-ensemble-members/
    ├── 03-03-two-ways-to-combine-the/
    ├── 04-04-which-method-should-i-use/
    ├── 05-05-does-the-ensemble-improve-on/
    ├── 06-06-extend-the-recipe-to-other/
    ├── 07-07-evaluate-the-recipe-for-your/
    └── 08-08-try-it-on-your-data/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.ps1，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - python -c "import tsfm_public; print('ok')"  → 输出 ok，说明 granite-tsfm 安装成功。
  - python -c "from tsfm_public.models.ensemble.modeling_ensemble import QuantileEnsembleForecaster; print(QuantileEnsembleForecaster)"  → 能正常导入并打印类对象，无 ImportError。
  - 打开 https://huggingface.co/ibm-granite/granite-timeseries-ensemble-r1 模型卡  → 能看到集成配置说明、成员检查点与文中所提的 limitations。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（macOS）

```text
请帮我把「Ensemble forecasting with IBM Granite time-series models」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：用示例 ETTh1 数据按文中代码跑一遍概率集成，再加载 recipes/granite-iqr 配方；也可换用自己的时序数据，按同一接口指定 timestamp_column、target_columns、context_length 与 prediction_length。
课节（官方顺序）：
1. Try Granite Timeseries Ensemble（安装与示例代码）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
2. The ensemble members（四个成员模型与架构）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
3. Two ways to combine the forecasts（Probabilistic Ensemble 与 IQR Ensemble）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
4. Which method should I use?（选型建议）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
5. Does the ensemble improve on its members?（GIFT-Eval 评测结果，节选到此为止）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
6. Extend the recipe to other forecasters（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
7. Evaluate the recipe for your application（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
8. Try it on your data（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1

1. 环境
- Python 3 环境
- pip 安装 granite-tsfm>=0.3.11
- 可访问 huggingface.co 的网络
- 足够存放四个成员模型检查点的磁盘空间
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
3. 目录（最外层放在我确认的位置）
granite-timeseries-ensemble-r1/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-try-granite-timeseries-ensemble/
    ├── 02-02-the-ensemble-members/
    ├── 03-03-two-ways-to-combine-the/
    ├── 04-04-which-method-should-i-use/
    ├── 05-05-does-the-ensemble-improve-on/
    ├── 06-06-extend-the-recipe-to-other/
    ├── 07-07-evaluate-the-recipe-for-your/
    └── 08-08-try-it-on-your-data/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -c "import tsfm_public; print('ok')"  → 输出 ok，说明 granite-tsfm 安装成功。
  - python -c "from tsfm_public.models.ensemble.modeling_ensemble import QuantileEnsembleForecaster; print(QuantileEnsembleForecaster)"  → 能正常导入并打印类对象，无 ImportError。
  - 打开 https://huggingface.co/ibm-granite/granite-timeseries-ensemble-r1 模型卡  → 能看到集成配置说明、成员检查点与文中所提的 limitations。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（Linux）

```text
请帮我把「Ensemble forecasting with IBM Granite time-series models」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：用示例 ETTh1 数据按文中代码跑一遍概率集成，再加载 recipes/granite-iqr 配方；也可换用自己的时序数据，按同一接口指定 timestamp_column、target_columns、context_length 与 prediction_length。
课节（官方顺序）：
1. Try Granite Timeseries Ensemble（安装与示例代码）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
2. The ensemble members（四个成员模型与架构）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
3. Two ways to combine the forecasts（Probabilistic Ensemble 与 IQR Ensemble）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
4. Which method should I use?（选型建议）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
5. Does the ensemble improve on its members?（GIFT-Eval 评测结果，节选到此为止）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
6. Extend the recipe to other forecasters（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
7. Evaluate the recipe for your application（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
8. Try it on your data（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1

1. 环境
- Python 3 环境
- pip 安装 granite-tsfm>=0.3.11
- 可访问 huggingface.co 的网络
- 足够存放四个成员模型检查点的磁盘空间
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
3. 目录（最外层放在我确认的位置）
granite-timeseries-ensemble-r1/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-try-granite-timeseries-ensemble/
    ├── 02-02-the-ensemble-members/
    ├── 03-03-two-ways-to-combine-the/
    ├── 04-04-which-method-should-i-use/
    ├── 05-05-does-the-ensemble-improve-on/
    ├── 06-06-extend-the-recipe-to-other/
    ├── 07-07-evaluate-the-recipe-for-your/
    └── 08-08-try-it-on-your-data/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -c "import tsfm_public; print('ok')"  → 输出 ok，说明 granite-tsfm 安装成功。
  - python -c "from tsfm_public.models.ensemble.modeling_ensemble import QuantileEnsembleForecaster; print(QuantileEnsembleForecaster)"  → 能正常导入并打印类对象，无 ImportError。
  - 打开 https://huggingface.co/ibm-granite/granite-timeseries-ensemble-r1 模型卡  → 能看到集成配置说明、成员检查点与文中所提的 limitations。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「Ensemble forecasting with IBM Granite time-series models」。课程目录是 granite-timeseries-ensemble-r1/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [Try Granite Timeseries Ensemble（安装与示例代码）](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)
2. [The ensemble members（四个成员模型与架构）](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)
3. [Two ways to combine the forecasts（Probabilistic Ensemble 与 IQR Ensemble）](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)
4. [Which method should I use?（选型建议）](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)
5. [Does the ensemble improve on its members?（GIFT-Eval 评测结果，节选到此为止）](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)
6. [Extend the recipe to other forecasters（仅列标题，节选未含正文）](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)
7. [Evaluate the recipe for your application（仅列标题，节选未含正文）](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)
8. [Try it on your data（仅列标题，节选未含正文）](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)

## 指南参考

- [课程主页](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：Python 环境与 pip，安装 granite-tsfm\>=0.3.11；联网访问 Hugging Face 下载 ibm-granite/granite-timeseries-ensemble-r1 及四个成员检查点
- 转载与修改 · 课程页面与材料：未找到明确许可。网页只写集成配方及其默认 Granite 成员“permissively licensed（宽松许可）”，未给出具体许可名，具体以模型卡标注为准 [依据](<https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）