TimesFM 2.5(Googleの時系列予測基盤モデル。追加学習なしで予測する)をPythonで使って京都府の8月度の最高気温を予測してみる。

TabFMというのがあるのを知った。

https://github.com/google-research/tabfm

使ってみようかと思ったが、そういやこの前にTimesFMというのも出ていたのを思い出した。

https://github.com/google-research/timesfm

こっちからやってみよう。例題に出ていたのは一次関数と正弦波だが、まあそれはさすがに予測できるだろうということで京都府の8月度の最高気温を予測する。

https://www.data.jma.go.jp/stats/etrn/view/monthly_s3.php?prec_no=61&block_no=47759

このデータをcsvファイルにして以下のコードを書いて実行。

import torch

import numpy as np

import timesfm

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'Noto Sans CJK JP'

torch.set_float32_matmul_precision("high")

model = timesfm.TimesFM_2p5_200M_torch.from_pretrained("google/timesfm-2.5-200m-pytorch")

npred = 20

df = pd.read_csv("KyotoTemperature.csv")

df.dropna(inplace=True)

tempr = df["8月"].to_numpy()

year = df["年"].to_numpy()

pred_year = np.arange(year[-1] + 1, year[-1] + 1 + npred)

model.compile(

    timesfm.ForecastConfig(

        max_context=1024,

        max_horizon=256,

        normalize_inputs=True,

        use_continuous_quantile_head=True,

        force_flip_invariance=True,

        infer_is_positive=True,

        fix_quantile_crossing=True,

    )

)

point_forecast, quantile_forecast = model.forecast(

    horizon=npred,

    inputs=[

        tempr

    ],  

)

fig = plt.figure(figsize=(10, 6))

plt.plot(year, tempr)

plt.plot(pred_year, quantile_forecast[0, :, 0], label="予測")

plt.fill_between(pred_year, quantile_forecast[0, :, 1], quantile_forecast[0, :, 9], alpha=0.2, label="10-90 パーセンタイル")

plt.legend()

plt.xlabel("年")

plt.ylabel("気温(℃)")

plt.title("京都府の8月の最高気温")

結果

あれ？下がってる？いやそんなはずは…別の例をやってみよう。日経平均がいいかな。