LeForecast:基于时序智能的企业混合预测

工业领域对多学科预测的需求正在激增,众多行业需要规划与预测以优化智能业务管理,例如需求预测、产品规划、库存优化等。具体而言,这些任务期望智能方法从顺序采集的历史数据中学习,并预见最可能的趋势,即时间序列预测。其挑战在于解读复杂的业务上下文以及建模的效率与泛化能力。鉴于大型基础模型在众多任务上取得的显著成功,我们怀揣构建此类预训练基础模型的愿景,推出 \leforecast{},一个面向时间序列任务的企业级智能平台。它集成了对时间序列数据与多源信息的高级解读,以及由大型基础模型(Le-TSFM)、多模态模型与混合模型组成的三柱建模引擎,以推导洞见、预测或推断未来,并驱动企业运营中多个领域的优化。该框架由模型池、模型剖析模块以及针对原始模型架构的两种不同融合方法构成。实验结果验证了我们试点的融合概念——基于路由的融合网络以及大小模型协同——的有效性,但也带来了模型冗余开发与维护的高昂成本。本文回顾了 LeForecast 的部署及其在三个工业用例中的性能表现。我们的综合实验表明,LeForecast 是一个深刻且实用的平台,能够实现高效且具竞争力的性能。我们真诚希望本工作能够启发时间序列技术的研究与落地,加速企业智能化进程。