新建会话

在控制台创建一个新的会话，用于交互式预测与结果管理。

每次预测任务以「会话」为单位进行管理。点击页面左上角「新建会话」按钮，即可开始一次新的预测任务。

说明： 每个会话独立保存预测任务的数据、参数和结果。你可以随时在会话列表中切换查看历史预测记录。

操作步骤

1. 进入控制台

打开 Timer 控制台并登录账号。

2. 创建新会话

在预测工作区中新建会话，并选择合适的模型与参数。

点击「新建会话/新建预测」入口
填写会话名称（可选）
选择模型与预测配置

3. 开始预测

上传数据或选择数据源，运行预测并查看输出结果。

添加时序数据

新建会话后，首先需要为目标变量添加时序数据。系统提供三种数据输入方式，可根据实际情况选择其中一种。

方式一：绘制曲线

适用场景： 快速验证预测效果，或无现成数据文件时。

点击「绘制曲线」标签页。
在坐标区域内，按住鼠标左键并拖拽，即可绘制时序曲线。
系统默认采样 48 个数据点，数值范围为 [0, 100]。
如需重新绘制，点击右下角「重置」按钮清空画布。

绘制时尽量覆盖整个坐标区域，数据点越丰富，模型学习的规律越充分，预测效果越好。

方式二：输入数据

适用场景： 已有数值数据，希望直接粘贴或手动录入。

点击「输入数据」标签页。
在文本框中，每行输入一条数据记录，格式为：时间戳,数值；也可仅输入不含时间戳的数值。
也可直接从表格软件（如 Excel）复制后粘贴到文本框中。

数据格式示例：

2024-01-01 00:00:00,120
2024-01-01 01:00:00,135
2024-01-01 02:00:00,142

每行格式为「时间,数值」，时间与数值之间用英文逗号分隔，时间建议使用等间隔格式（如每小时、每天）。

方式三：上传文件

适用场景： 已有整理好的 CSV 或 TsFile 格式数据文件，是实际业务中最常用的方式。

支持的文件格式：

格式	说明	适用场景
CSV	逗号分隔的纯文本文件，通用性强	Excel 导出、数据库导出等
TsFile	时序数据专用二进制格式，读写效率高	IoTDB 等时序数据库导出

操作步骤：

点击「上传文件」标签页。
点击上传区域或将文件拖拽至虚线框内，完成文件上传。
文件上传后，系统自动解析并显示文件信息（条数、列名）。
在「标注列角色」面板中，为每一列指定角色（时间 / 目标变量 / 协变量 / 协变量（含未来数据） / 忽略）。
确认无误后，点击「确认标注」按钮完成数据加载。

页面底部提供三个示例文件可供下载：「纯数值」「带时间戳」「带协变量」，可直接上传体验完整流程。

添加协变量（可选）

协变量是影响目标变量的外部已知因素，例如温度、节假日、促销活动等。添加协变量可以帮助模型理解外部影响，从而提升预测精度。

根据协变量的未来数据是否可知，系统支持三种数据配置场景，精度依次提升：

场景	数据配置	说明
场景 1	仅目标变量	模型只使用历史目标值进行预测，适合没有外部影响因素的简单场景
场景 2	目标变量 + 协变量（无未来数据）	协变量历史数据辅助建模，未来区间无协变量值，模型不使用未来外部信息
场景 3	目标变量 + 协变量（含未来数据）	协变量历史和未来均已知（如节假日计划），模型精度最高

操作方式：

在目标变量数据加载完成后，点击「+ 添加协变量（可选）」展开配置区域。
同样支持「绘制曲线」「输入数据」「上传文件」三种方式添加协变量数据。
支持同时添加多个协变量，每个协变量可独立配置。
若协变量在未来时间段内有已知数值，可在文件中填入对应行，标注为「协变量（含未来数据）」，模型将充分利用该信息。

预测参数设置

点击页面右上角「预测参数设置」按钮，打开参数面板，配置以下两个参数：

参数	含义	范围 / 默认值	使用建议
预测点数（steps）	向未来预测的时间步数量	1–720，默认 10	根据实际需求填写
预测起始位置（start）	从文件第几条数据开始作为预测起点	整数，默认为最后一条	留空即可，系统自动使用全部历史数据

若「预测起始位置」填入的值小于文件总行数，系统会用前 start 条数据进行预测，并与后续的 steps 条实际值进行对比，方便评估模型效果。

运行预测与查看结果

数据和参数配置完成后，点击右侧蓝色箭头按钮（→）提交预测任务。

快速体验：三个内置示例

页面底部提供三个内置示例，分别演示三种数据输入方式，可点击直接加载体验。

示例名称	数据输入方式	场景说明
预测销售额趋势	绘制曲线	通过鼠标手绘销售额历史曲线，体验快速预测流程
电力变压器的油温预测	输入数据	粘贴变压器油温时序数据，验证模型对工业数据的预测能力
预测冰淇淋销量	上传文件	上传带协变量（温度）的 CSV 文件，体验协变量联合预测

每个示例均已预填数据，点击示例名称即可一键加载，无需手动输入任何内容，适合初次体验时使用。

模型说明

默认推荐

Auto（推荐）

智能选择

TimechoAI 自研融合模型。系统会根据当前数据特征自动匹配最优预测策略，无需用户手动调参。

适用场景

适合绝大多数工业时序预测场景，推荐作为默认首选。

输入限制

推理请求大小上限为 20MB，最大输入长度 11520，最大输出长度 720，最多支持 50 个协变量。

清华大学 THUML

Timer-3.5

高精度

清华大学数据团队开源 Timer 时序大模型的 TimechoAI 优化版本，在预测精度和工业数据适配能力上表现更强。它可以给出不同置信水平下的预测结果，并按预测长度逐步生成未来趋势，更适合对准确性要求较高的业务。

适用场景

适合对预测精度要求较高的场景。

输入限制

推理请求大小上限为 20MB，最大输入长度 11520，最大输出长度 720，暂不支持协变量输入。

清华大学 THUML

Timer-3.0

稳定泛化

Timer 系列的稳定优化版本，具备较好的泛化能力与工业场景适配性。它会综合多条可能的未来走势形成预测结果，在数据形态多样、希望结果稳定的场景中表现更均衡。

适用场景

适合对模型稳定性要求较高，或需与历史版本保持一致的场景。

输入限制

推理请求大小上限为 20MB，最大输入长度 2880，最大输出长度 720，暂不支持协变量输入。

Amazon Science

Chronos-2

协变量支持

亚马逊开源时序预测大模型，具备较强的零样本预测能力，并支持多协变量输入。它可以同时参考目标序列、相关序列和外部变量，输出多步预测结果，适合需要结合业务影响因素一起判断未来趋势的任务。

适用场景

适合用于效果对比评估，或探索性预测任务；也适合需要多协变量联合预测的场景。

输入限制

推理请求大小上限为 20MB，最大输入长度 8192，最大输出长度 720，最多支持 50 个协变量。

传统统计模型

AutoARIMA

基线参考

经典统计预测模型，通过自动搜索最优参数组合拟合时序数据。

适用场景

适合数据量较少、具有明显线性趋势或季节性规律的场景，也可作为基线参考模型。

输入限制

推理请求大小上限为 20MB，最大输入长度 2880，最大输出长度 720，暂不支持协变量输入。

传统统计模型

Holt-Winters

轻量可解释

基于指数平滑的传统统计模型，专为含趋势性和季节性的时序数据设计，计算轻量、可解释性强。

适用场景

适合周期规律明显的预测场景，或对计算资源有限制的环境。

输入限制

推理请求大小上限为 20MB，最大输入长度 2880，最大输出长度 720，暂不支持协变量输入。

提示： 如不确定应选择哪个模型，建议使用 Auto，系统将自动为您的数据选择最优预测方案。如有更大规模的数据接入需求，可考虑私有化部署方案，欢迎联系我们了解详情。

常见问题

Q：上传文件后，列角色自动识别错了怎么办？

在「标注列角色」面板中，手动点击每列的下拉菜单，选择正确的角色（时间 / 目标变量 / 协变量 / 忽略），然后点击「确认标注」即可。

Q：协变量不含未来数据，还能用协变量吗？

可以。将该列标注为「协变量」（不选「协变量（含未来数据）」），系统会仅使用该协变量的历史数据辅助预测。精度略低于提供协变量未来数据的情况，但仍优于不使用任何协变量。

Q：绘制曲线后能修改吗？

可以。点击「重置」清空画布后重新绘制，或切换到「输入数据」标签页手动修改具体数值。