TimesFM 模型

本文說明 BigQuery ML 的內建 TimesFM 時間序列預測模型。

內建的 TimesFM 模型是 Google 研究團隊的 開放原始碼 TimesFM 模型實作項目。Google 研究 TimesFM 模型是時間序列預測的基礎模型，已根據許多實際資料集中的數十億個時間點預先訓練，因此您可以將其套用至許多領域的新預測資料集。所有 BigQuery 支援的區域都提供 TimesFM 模型。

使用 BigQuery ML 的內建 TimesFM 模型和 AI.FORECAST 函式，即可執行預測，不必自行建立及訓練模型，因此不需要管理模型。TimesFM 模型的預測結果與 ARIMA 等傳統統計方法不相上下。如果您需要比 TimesFM 模型提供的更多模型微調選項，可以改為建立 ARIMA_PLUS 或 ARIMA_PLUS_XREG 模型，並搭配 ML.FORECAST 函式使用。

如要瞭解如何搭配 AI.FORECAST 函式使用 TimesFM 模型，請參閱下列教學課程：

• 使用 TimesFM 單變數模型預測單一或多個時間序列
• 使用 TimesFM 多變數模型預測單一時間序列 (預覽版)
• 使用 TimesFM 多變數模型預測多個時間序列 (預覽版)

如要使用 TimesFM 模型偵測時間序列資料中的異常狀況，請使用 AI.DETECT_ANOMALIES 函式。

如要根據實際值評估 TimesFM 模型的預測值，請使用 AI.EVALUATE 函式。

如要進一步瞭解 Google 研究的 TimesFM 模型，請參閱下列資源：

• Google 研究網誌
• GitHub 存放區
• Hugging Face 頁面