#时间序列模型

UniTS是一种统一的时间序列模型，可处理多领域的分类、预测、插补和异常检测任务。该模型使用共享参数方法，无需任务特定模块，在38个多领域数据集上表现优异。UniTS具有零样本、少样本和提示学习能力，能适应新的数据领域和任务。其创新的统一网络主干融合了序列和变量注意力机制以及动态线性运算符，为时间序列分析提供了灵活的解决方案。

Auto_TS是一个时间序列自动建模工具，支持ARIMA、SARIMAX、VAR、分解模型和机器学习模型等多种技术。它能自动构建和选择最佳模型，适用于不同频率的数据，并提供灵活的参数设置。Auto_TS支持交叉验证和预测功能，简化了建模过程，提高了效率。该工具适合数据分析人员使用，可通过简单的代码实现复杂的时间序列建模任务。

Timer是一款基于生成式预训练Transformer的大规模时间序列模型。该模型在包含10亿时间点的UTSD数据集上预训练，可用于预测、插值和异常检测等多项任务。Timer采用解码器架构，支持灵活序列长度，在少样本场景下表现优异。项目开源了模型代码、数据集和预训练权重，为时间序列大模型研究奠定基础。