OpenTS-BM 快速开始

快速开始

下载

基于 PyPI

创建一个Python环境 (注意: 该项目基于python 3.8评测), 使用以下命令下载依赖:

1	pip install -r requirements.txt

基于 Docker

我们提供 Dockerfile 来配置环境. 为此首先需要安装Docker服务.

1	docker build . -t tfb:latest

1	docker run -it -v $(pwd)/:/app/ tfb:latest bash

数据准备

下载是数据放置在./dataset文件夹.

训练与评测

所有的实验脚本在文件夹 ./scripts/multivariate_forecast, 与 ./scripts/univariate_forecast之中. 例如可以通过以下命令来复现结果:

1	sh ./scripts/multivariate_forecast/ILI_script/DLinear.sh

自定义方法

我们提供了自定义方法的教程:tutorial.

自定义数据集

我们提供了自定义数据集的教程:tutorial.

流程介绍

下图展示了TFB的总体流程

数据层是来自不同领域的单变量和多变量时间序列的存储库，根据其不同的特征、频率和序列长度进行结构化。数据统一遵循标准化格式。
方法层支持嵌入统计学习、机器学习和深度学习方法。此外，TFB 的设计使其能够与任何第三方时间序列预测库（例如 Darts、TSlib）兼容。用户只需编写简单的通用接口，即可轻松将第三方库中实现的预测方法集成到 TFB 中，从而实现公平的比较。
评估层支持多种评估策略和指标。它还涵盖了其他研究中的评估指标，并支持使用自定义指标来更全面地评估方法性能。
报告层包含用于跟踪信息的日志系统，能够捕获实验设置以实现可追溯性。

常见问题

如何在Pycharm中运行代码？

在pycharm下运行时，请将双引号转义并删除空格与首尾的单引号。

例如: ‘{“d_ff”: 512, “d_model”: 256}’ —> {\“d_ff\“:512,\“d_model\“:256}

--config-path "rolling_forecast_config.json" --data-name-list "ILI.csv" --strategy-args {\"horizon\":24} --model-name "time_series_library.DLinear" --model-hyper-params {\"batch_size\":16,\"d_ff\":512,\"d_model\":256,\"lr\":0.01,\"horizon\":24,\"seq_len\":104} --adapter "transformer_adapter"  --gpus 0  --num-workers 1  --timeout 60000  --save-path "ILI/DLinear"

引用

如果您发现我们的工作有帮助，欢迎引用我们的论文。

PVLDB 2024
Best Research Paper Nomination

PVLDB 2025

SIGKDD 2025

@inproceedings{qiu2024tfb,
    title   = {TFB: Towards Comprehensive and Fair Benchmarking of Time Series Forecasting Methods},
    author  = {Xiangfei Qiu and Jilin Hu and Lekui Zhou and Xingjian Wu and Junyang Du and Buang Zhang and Chenjuan Guo and Aoying Zhou and Christian S. Jensen and Zhenli Sheng and Bin Yang},
    booktitle = {Proc. {VLDB} Endow.},
    pages   = {2363--2377},
    year    = {2024}
}

@inproceedings{qiu2025tab,
    title   = {TAB: Unified Benchmarking of Time Series Anomaly Detection Methods},
    author  = {Xiangfei Qiu and Zhe Li and Wanghui Qiu and Shiyan Hu and Lekui Zhou and Xingjian Wu and Zhengyu Li and Chenjuan Guo and Aoying Zhou and Zhenli Sheng and Jilin Hu and Christian S. Jensen and Bin Yang},
    booktitle = {Proc. {VLDB} Endow.},
    year    = {2025}
}

@inproceedings{li2024TSMF-Bench,
    title     = {TSMF-Bench: Comprehensive and Unified Benchmarking of Foundation Models for Time Series Forecasting},
    author    = {Zhe Li and Xiangfei Qiu and Peng Chen and Yihang Wang and Hanyin Cheng and Yang Shu and Jilin Hu and Chenjuan Guo and Aoying Zhou and Christian S. Jensen and Bin Yang},
    booktitle = {SIGKDD},
    year      = {2025}
}

联系我们

若有任何问题，欢迎联系

Xiangfei Qiu (xfqiu@stu.ecnu.edu.cn)