Pronóstico por conjuntos con los modelos de series temporales IBM Granite
El Granite Timeseries Ensemble de IBM combina cuatro pronosticadores Granite preentrenados de distintas arquitecturas para generar pronósticos puntuales y por cuantiles sin reentrenar. En GIFT-Eval, el conjunto probabilístico obtuvo el menor MASE de seis pronósticos comparados, por un margen pequeño.
Qué dice el artículo
IBM Research publicó el 22 de octubre de 2026, en el blog de Hugging Face, Granite Timeseries Ensemble: una receta de pronóstico que combina cuatro modelos de series temporales Granite preentrenados (PatchTST-FM-r1, PatchTST-FM-r2, FlowState-r1.1 y TTM-r3). Evita tener que elegir un solo modelo para cada serie y no requiere reentrenamiento ni pesos de conjunto ajustados.
La receta devuelve un pronóstico mediano y cuantiles, de 0,1 a 0,9 por defecto. Existen dos métodos de agregación: probabilístico (recomendado) e IQR, que pondera según la dispersión. En GIFT-Eval (97 configuraciones), ambos conjuntos superan a cada uno de los cuatro modelos en MASE agregado. Los autores señalan límites: los canales multivariantes se pronostican por separado, aumentan el tiempo y la memoria de inferencia y no se garantiza la calibración. Recomiendan probar con datos representativos antes de usarlo.
Leer el artículo oficial Ficha AnnuIA
Resumen redactado por AnnuIA con sus propias palabras a partir de la página oficial de Hugging Face. El contenido y los derechos pertenecen al editor: consulte el artículo original.