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。

csv

timestamp,sales
2024-01-01,245
2024-01-02,238
2024-01-03,252

使用方法#

bash

# 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-endpointHuggingFace 镜像地址hf-mirror.com

report_gen.py#

参数说明默认值-d, --dataforecast_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