ChronoGraph：基于真实世界图的多元时间序列数据集
机器学习
2025-12-01 v3 人工智能
摘要
我们提出了 ChronoGraph，一个基于真实生产微服务构建的图结构多元时间序列预测数据集。每个节点是一个发出系统级性能指标多元流的服务，捕获 CPU、内存和网络使用模式，而有向边编码了服务之间的依赖关系。主要任务是在服务层级预测这些信号的未来值。此外，ChronoGraph 提供了专家标注的事件窗口作为异常标签，从而能够评估异常检测方法并评估在运行中断期间预测的鲁棒性。与来自工业控制系统或交通和空气质量领域的现有基准相比，ChronoGraph 独特地结合了 多元时间序列、显式的机器可读依赖图以及与真实事件对齐的异常标签。我们报告了涵盖预测模型、预训练时间序列基础模型和标准异常检测器的基准结果。ChronoGraph 为研究微服务系统中的结构感知预测和事件感知评估提供了真实的基准。
引用
@article{arxiv.2509.04449,
title = {ChronoGraph: A Real-World Graph-Based Multivariate Time Series Dataset},
author = {Adrian Catalin Lutu and Ioana Pintilie and Elena Burceanu and Andrei Manolache},
journal= {arXiv preprint arXiv:2509.04449},
year = {2025}
}
备注
Accepted as an oral presentation at the NeurIPS 2025 Workshop on Recent Advances in Time Series Foundation Models (BERT2S)