时间序列预测问题（二）：时间序列大模型TimeGPT

山体滑坡时序预测系列：

时间序列预测问题（一）：时序预测方式总结
时间序列预测问题（二）：时间序列大模型TimeGPT

TimeGPT

TimeGPT是美国的一家公司Nixtla提出的业界首个时序基础模型，并开放了相关模型的API（https://docs.nixtla.io/）供大家体验。
TimeGPT号称是在大量来自各方面的时序数据上（包含超过1000亿个数据点）训练的专用于解决时序问题的预训练大模型，它能够在不进行额外训练的情况下，直接输入时序数据并进行预测。
为想进一步了解TimeGPT的放个原论文：https://arxiv.org/pdf/2310.03589.pdf

使用TimeGPT解决时序预测问题

我的数据

按照TimeGPT的处理格式预处理了我的数据如上格式，需要注意的是时间一列需要转成panda的datetime形式，详见pandas datetime

调用TimeGPT API

安装并引入TimeGPT对象

pip install nixtlats
1

from nixtlats import NixtlaClient
1

接下来需要申请api_key
申请api_key
点击链接后申请key即可，注意这个是有1000的额度，当你调用次数到了一定额度后就需要收费了。

复制右侧的这段api_key填在下面的代码里面

nixtla_client = NixtlaClient(
    api_key = 'your api key'
)
1
2
3

测试是否成功申请

nixtla_client.validate_api_key()
1

如果输出如下即是调用成功

接下来把处理好的数据扔进模型预测

timegpt_fcst_df = nixtla_client.forecast(df=df79, h=12, freq='10min', time_col='timestamp', target_col='value')
timegpt_fcst_df.head()
1
2

预测结果，这里指定参数freq是10min，也就是间隔10min预测一个数据点

可视化看一下效果

算一下mse值

效果还是不错的。
这只是一个很简单的应用场景，TimeGPT还可以解决多元时序预测问题，尝试之后再更新～

有任何问题欢迎大家在评论区指出～