内置 OpenTS 时序大模型

KaiwuDB 预测分析引擎内置 OpenTS 时序大模型open in new window。用户可以通过 KAT 或 SQL 语句调用内置时序大模型，对时序数据进行预测分析。

支持同时对单个或多个变量进行预测。各变量独立预测，结果按输入列顺序返回，每个变量默认预测未来 100 步。

当前版本存在以下限制：

不支持自定义算法。
仅支持自回归预测，不支持以多个变量作为输入预测目标变量（例如，根据气温、风速等预测天气类型）。
输入列数最多 10 列，每列输入数据最多 50000 行。

本文介绍如何使用 KaiwuDB 预测分析引擎的内置时序大模型进行预测分析。

前提条件

已部署并启动 KaiwuDB 数据库（V3.1.0 及以上版本）。
已安装 KaiwuDB 预测分析引擎，且满足以下环境要求：
- Kubernetes 1.20 及以上版本。
- Python 3.8、3.9 或 3.10。
已创建目标时序库和时序表，并已写入相关数据。

步骤

以下示例假设已在 ts_db 数据库中创建时序表 t1 并写入相关数据。

导入内置时序大模型。
```
SET CLUSTER SETTING ml.enabled = true;
```
激活内置时序大模型。
以下示例将 tsllm 的第一个版本设置为活跃版本。
```
SELECT kwdbml.set_active_version('tsllm', 1);
```

调用内置时序大模型进行预测分析。

返回结果中，n_variables 表示预测的变量数量，predictions 中的每个子数组对应一个输入变量的预测结果，顺序与输入列一致。

单变量预测

以下示例对 t1 时序表的 a 列进行预测分析。

SELECT kwdbml.predict(array_agg(a)) USING tsllm FROM t1;

预期输出：

kwdbml.predict
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
{"n_variables": 1, "predictions": [489.11163330078125, 305.67230224609375, 522.8404541015625, 593.8882446289062, 366.367431640625, 815.3488159179688, 543.037353515625, 424.76812744140625, 468.74322509765625, 448.3457336425781]}
(1 row)

多变量预测

以下示例同时对 t1 时序表的 a 列和 b 列进行预测分析。各变量独立预测，结果按输入列顺序返回。

SELECT kwdbml.predict(array_agg(a), array_agg(b)) USING tsllm FROM t1;

预期输出：

kwdbml.predict
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
{"n_variables": 2, "predictions": [[489.3099670410156, 576.5405883789062, 565.8938598632812, 484.5823669433594, 417.71142578125, 505.8118591308594, 723.138427734375, 436.93963623046875, 616.1046752929688, 511.8031005859375], [262.2967224121094, 247.99717712402344, 198.07505798339844, 216.33871459960938, 264.9329833984375, 164.69932556152344, 283.3146667480469, 291.57794189453125, 157.2838897705078, 218.97805786132812]]}
(1 row)

# 内置 OpenTS 时序大模型

# 前提条件

# 步骤

内置 OpenTS 时序大模型

前提条件

步骤