IBM Granite時系列モデルがアンサンブル予測を実現

アイビーエムのグラニット・タイムシリーズ・アンサンブルは、事前学習済み四つの異なる時系列モデルを一つの呼び出しで統合し、再学習や重み調整なしに中央値と分位点予測を出す。目的は、産業信号から雑音の多い需要予測まで、系列ごとに最良の単一モデルを選ぶ手間と失敗を減らすことだ。利用許諾も柔軟とされる。 既定は等重みで確率空間にプールする確率アンサンブル、次点は分位点幅の狭いモデルに重みを置く四分位幅アンサンブルだ。後者は幅が精度を保証しないため、代表データでの比較が要る。パッチ型変換器、パッチ型コンフォーマ、状態空間、軽量混合器の四系統を束ね、傾向・季節・局所変動を補完する。 九十七構成の公開評価では、二〇二六年十月時点で両レシピが構成員全体より集約誤差と平均順位で上回った。確率側は中央値誤差で六案中最小となり、四分位側は確率順位が最小。ただし絶対誤差では単一モデルが有利な場合もあり、主眼は事前選定不要の堅調さだ。外部予測器の追加や拡張も可能だが、推論負荷の増加、多変量相関の未活用、校正保証の欠如に注意が必要だ。