Sales Forecast - Chronos-2 销量预测
基于 Amazon Chronos-2 零样本时序大模型（120M 参数），零训练、开箱即用的销量预测工具。
功能
- 零样本概率预测：无需训练，直接对历史销量数据推理
- 多分位数输出：默认 10%/50%/90% 分位数，自带置信区间
- 自动数据校验：智能检测列名、推断时间频率、处理缺失值
- 交互式报告：Plotly 生成 HTML 可视化报告，含趋势图和逐期明细
- 多格式输入：CSV、Excel (.xlsx/.xls)、JSON、Parquet
输入数据格式
CSV 文件至少包含两列：日期和时间序列数值。
timestamp,sales
2024-01-01,245
2024-01-02,238
2024-01-03,252
使用方法
# 安装依赖
pip install chronos-forecasting pandas plotly openpyxl
# 运行预测（预测未来 30 期）
python3 {baseDir}/scripts/forecast.py \
--input sales.csv \
--output results/ \
--prediction-length 30 \
--quantiles 0.1,0.5,0.9
# 生成 HTML 报告
python3 {baseDir}/scripts/report_gen.py \
--data results/forecast_data.json \
--output report.html
命令行参数
forecast.py
| 参数 | 说明 | 默认值 |
|---|---|---|
-i, --input |
输入数据文件路径 | 必填 |
-o, --output |
输出目录 | 必填 |
-p, --prediction-length |
预测步数 | 30 |
-q, --quantiles |
分位数（逗号分隔） | 0.1,0.5,0.9 |
-c, --context-length |
最大上下文长度 | 2048 |
--hf-endpoint |
HuggingFace 镜像地址 | hf-mirror.com |
report_gen.py
| 参数 | 说明 | 默认值 |
|---|---|---|
-d, --data |
forecast_data.json 路径 | 必填 |
-o, --output |
输出 HTML 文件路径 | 必填 |
模型信息
- 模型：amazon/chronos-2
- 参数量：120M
- 上下文长度：默认 2048
- 支持 CPU/GPU 推理
- 论文：Chronos-2: From Univariate to Universal Forecasting
注意事项
- 首次运行会下载模型（~500MB），国内建议设置
HF_ENDPOINT=https://hf-mirror.com - 建议最少 30 个历史数据点
- CPU 推理约 10-30 秒/序列
- 所有发布到 ClawHub 的技能使用 MIT-0 许可
