amazon-science/chronos-forecasting

解决的问题

Chronos 为时间序列预测提供预训练基础模型，消除了为每个新数据集从头开始训练定制模型的需要。它实现了零样本预测，这意味着模型无需进一步训练即可对未见数据进行准确预测。

工作原理

Chronos 将时间序列预测视为语言建模问题。它通过缩放和量化将时间序列数据转换为 Token 序列，从而能够利用语言模型架构。该项目提供三种主要的模型变体：

• Chronos-2: 支持单变量、多变量和协变量辅助预测的最新版本。
• Chronos-Bolt: 一种高性能变体，使用基于补丁（patch-based）的方法对历史数据进行分块，从而实现直接的多步预测，显著加快推理速度并降低内存占用。
• Chronos (Original): 基础系列，通过对量化后的 Token 使用交叉熵损失，通过对未来轨迹进行采样来生成概率预测。