时间序列预测是数据科学中最古老也最活跃的领域之一。从经典的 ARIMA 到近年涌现的时序基础模型，技术栈经历了数次范式转移。本文聚焦于 N-BEATS、PatchTST 等代表性深度模型，以及 TimeGPT、Chronos 等基础模型，梳理其核心思想、适用场景与选型逻辑。

经典方法的局限与深度学习的入场

传统方法如 ARIMA、指数平滑（ETS）和 Prophet 依赖强假设：ARIMA 要求数据平稳，ETS 假设季节性模式固定，Prophet 则针对业务时间序列设计（节假日效应、趋势变化点）。当数据呈现非线性、多周期叠加、高维协变量时，这些方法往往力不从心。

深度学习的优势在于自动特征提取与端到端学习。DeepAR（2017）首次将自回归 RNN 引入概率预测，输出参数化分布（如高斯分布）。但 RNN 的梯度消失问题使其难以捕获长程依赖，这为后续基于注意力机制和全连接架构的模型铺平了道路。

N-BEATS：纯全连接的突破

N-BEATS（Element AI, 2019）的核心创新是纯全连接架构，完全摒弃特征工程和时序特定组件（如 RNN/CNN）。它由多个“块”（Block）堆叠成“栈”（Stack），每个块输出两个分支：回测分支（Backcast）拟合输入序列，预测分支（Forecast）生成未来值。通过残差连接，后一个块只学习前一个块未能解释的部分。

可解释性变体：N-BEATS 提供“趋势+季节性”分解模式，每个栈分别学习趋势基函数（多项式）和季节性基函数（傅里叶级数），预测结果可分解为可解释成分。

适用场景：单变量预测，尤其是数据量中等（数千至数万时间点）、无明显外部协变量的场景。在 M4 竞赛中，N-BEATS 的纯统计版本（无外部数据）击败了多数混合模型。

常见坑：对缺失值敏感，需预处理；超参数（块数、栈数、隐藏层宽度）对性能影响大，建议使用贝叶斯优化或网格搜索。

N-HiTS：处理长序列的改进

N-HiTS（2022）是 N-BEATS 的升级版，主要解决长序列预测中的计算效率与过拟合问题。它引入层次化插值：在输入序列上应用下采样（池化），生成多个分辨率的时间表示，每个分辨率对应一个栈。预测时，低分辨率栈捕获长期趋势，高分辨率栈补充细节。

核心优势：相比 N-BEATS，N-HiTS 在长预测长度（如 96 步以上）时训练速度更快，且对噪声更鲁棒。它天然适合多周期数据（如同时包含日、周、年周期）。

局限性：仍为单变量设计，无法直接利用多变量协变量。

PatchTST：Transformer 的时序适配

PatchTST（2023）将 Transformer 应用于时间序列，但做了关键改造：将时间点分割为“补丁”（Patch）。传统 Transformer 将每个时间步作为 token，导致计算复杂度为 O(L²)（L 为序列长度），且难以捕获局部模式。PatchTST 将长度为 L 的序列划分为 P 个不重叠的补丁，每个补丁包含 S 个时间步，token 数量降为 P，复杂度降为 O(P²)。

通道独立性：多变量预测时，每个变量独立输入共享权重的 Transformer，避免变量间干扰。这看似反直觉，但在多个 benchmark 上效果优于全变量联合建模。

适用场景：多变量预测，尤其是变量数量多（>10）且存在复杂非线性依赖的场景。PatchTST 在长预测长度（如 720 步）上显著优于 N-BEATS 和 N-HiTS。

常见坑：补丁大小 S 是敏感超参数，过小则失去局部建模优势，过大则丢失细节；建议在 S=8~32 之间搜索。

时序基础模型：预训练时代的到来

2023-2024 年，时间序列领域迎来“基础模型”浪潮，核心思路是：在大量异构时间序列上预训练一个通用模型，然后零样本或少样本迁移到新任务。

TimeGPT（Nixtla, 2023）：首个商业化的时序基础模型，声称在超过 1000 亿时间点数据上预训练。用户只需传入历史数据，无需特征工程即可获得预测。其架构细节未完全公开，但推测基于 Transformer 变体。

Chronos（Amazon, 2024）：基于 T5 编码器-解码器架构，将时间序列通过缩放和量化转换为 token 序列，然后用语言模型的方式训练。支持零样本预测，在多个公开数据集上表现接近甚至超过专门训练的模型。

Moirai（Salesforce, 2024）：统一多变量与单变量预测，使用“补丁+注意力”架构，支持任意变量数的输入。其关键创新是变量掩码：训练时随机屏蔽部分变量，迫使模型学习跨变量依赖。

TimesFM（Google, 2024）：基于 decoder-only 架构，将时间序列切分为固定长度的补丁，每个补丁通过 MLP 映射为 embedding，然后输入 Transformer 解码器。在长序列预测上表现突出。

基础模型的适用场景：

数据量极少（如只有几十个时间点）时，零样本预测可能优于传统方法。

需要快速原型验证，不想花时间调参。

跨领域迁移（如用金融数据预训练模型预测天气）。

局限性：

对数据分布偏移敏感：如果目标序列的统计特性与预训练数据差异大（如高频交易数据 vs 预训练用的日频数据），效果可能不如专门模型。

计算资源需求高：推理时仍需要 GPU，且模型参数量大（通常数亿至数十亿）。

可解释性差：无法像 N-BEATS 那样分解趋势/季节性。

评估指标与回测策略

常用指标：

MAPE（平均绝对百分比误差）：直观但分母为零时无定义，且对低值敏感。

sMAPE（对称 MAPE）：解决 MAPE 的不对称性，但仍有分母为零问题。

MASE（平均绝对缩放误差）：用训练集的一阶差分均值做缩放，不受量纲影响，适合比较不同尺度的时间序列。MASE < 1 表示模型优于朴素预测（naive forecast）。

回测核心原则：

时间顺序不可逆：必须按时间顺序划分训练/验证集，禁止随机洗牌。

滚动窗口：固定窗口大小，每次向前滑动一步，计算多步预测误差。这比单次划分更稳健。

多步预测评估：不要只看一步预测误差，应评估预测长度内的所有步长。例如，预测 24 小时时，应报告第 1、6、12、24 小时的误差。

避免数据泄露：特征工程（如滞后变量、滚动统计量）必须在每个时间窗口内重新计算，不能使用未来信息。

常见坑：

过拟合到验证集：反复调整超参数直到验证集表现完美，导致在测试集上失效。建议使用嵌套交叉验证或保留一个独立的测试集。

忽略季节性：如果数据有强季节性，但模型未显式建模，预测可能滞后一个周期。检查残差的自相关函数（ACF）可发现此问题。

分布假设错误：DeepAR 假设高斯分布，但实际数据可能偏态或厚尾。使用分位数损失（Quantile Loss）或负二项分布可缓解。

选型决策树

数据量极少（<100 时间点）：尝试基础模型（TimeGPT/Chronos）零样本预测，或使用简单方法（Prophet + 强先验）。

单变量，中等数据量（100-10000 时间点）：N-BEATS 或 N-HiTS。若预测长度长（>50 步），优先 N-HiTS。

多变量，变量数少（<10）：PatchTST 或 TFT（Temporal Fusion Transformer，支持可解释注意力）。

多变量，变量数多（>10）：PatchTST（通道独立性）或 Moirai。

需要可解释性：N-BEATS（趋势/季节分解）或 TFT（注意力权重可视化）。

快速原型：基础模型（TimeGPT/Chronos）或 AutoML 工具（如 Auto-ARIMA）。

FAQ

Q1: N-BEATS 和 N-HiTS 的主要区别是什么？ A: N-HiTS 引入了层次化下采样，在长序列预测时计算更快、对噪声更鲁棒。N-BEATS 更简单，适合中等长度序列。

Q2: PatchTST 的“通道独立性”是否总是优于联合建模？ A: 不一定。当变量间存在强且稳定的依赖关系时（如传感器网络），联合建模可能更好。通道独立性在变量多且关系复杂时更稳健。

Q3: 时序基础模型能否替代传统模型？ A: 不能完全替代。基础模型在零样本场景和快速原型中优势明显，但在特定领域（如金融高频、工业传感器）中，专门训练的模型通常更优。建议将基础模型作为基线，再与领域专用模型对比。

Q4: 如何选择预测长度？ A: 预测长度应基于业务需求，但技术上限取决于模型。N-BEATS 通常支持预测长度不超过输入长度的 2 倍；PatchTST 和基础模型可支持更长的预测（如输入 512 步，预测 720 步）。建议预测长度不超过输入长度的 1.5 倍，否则误差会急剧上升。

Q5: MASE 的值如何解读？ A: MASE < 1 表示模型优于朴素预测（naive forecast，即用最后一个观测值作为所有未来预测）。MASE = 0.5 表示误差比朴素预测低 50%。MASE > 1 表示模型不如朴素预测，需要重新审视模型选择。

*最后更新：2026 年 7 月。请以各工具官方文档为准。*