许可证：apache-2.0
数据集：

• ChengsenWang/ChatTime-1-Finetune-100K
  基础模型：
• ChengsenWang/ChatTime-1-7B-Base
  标签：
• 时间序列
• 预训练模型
• 基础模型
• 多模态
• 多模态时间序列基础模型
  管道标签：时间序列预测

ChatTime：多模态时间序列基础模型

✨ 简介

本文创新性地将时间序列建模为外语，构建了ChatTime——一个统一处理时间序列与文本的框架。作为开箱即用的多模态时间序列基础模型，ChatTime具备零样本预测能力，支持时间序列与文本的双模态输入/输出。我们通过系列实验验证了ChatTime在多重任务与场景中的卓越表现，并创建了四个多模态数据集以填补数据空白。实验结果证明了ChatTime的潜力与实用性。

如图1(c)所示，在指令微调阶段，我们在ChengsenWang/ChatTime-1-Finetune-100K上微调ChengsenWang/ChatTime-1-7B-Base，最终得到ChengsenWang/ChatTime-1-7B-Chat。

关于ChatTime模型、训练数据与流程及实验结果的详细信息，请参阅arXiv论文。

📈 使用指南

我们提供三个精简示例，展示如何利用ChatTime模型进行多模态时间序列分析。完整代码详见GitHub仓库。

零样本时间序列预测

import numpy as np  
import pandas as pd  
import matplotlib.pyplot as plt  
from model.model import ChatTime  

dataset = "Traffic"  
hist_len = 120  
pred_len = 24  
model_path = "ChengsenWang/ChatTime-1-7B-Chat"  

df = pd.read_csv(f"./dataset/{dataset}.csv")  
hist_data = np.array(df["Hist"].apply(eval).values.tolist())[:, -hist_len:][0]  
pred_data = np.array(df["Pred"].apply(eval).values.tolist())[:, :pred_len][0]  

model = ChatTime(hist_len=hist_len, pred_len=pred_len, model_path=model_path)  
out = model.predict(hist_data)  

# 可视化代码...  

上下文引导的时间序列预测

import numpy as np  
import pandas as pd  
import matplotlib.pyplot as plt  
from model.model import ChatTime  

dataset = "PTF"  
hist_len = 120  
pred_len = 24  
model_path = "ChengsenWang/ChatTime-1-7B-Chat"  

df = pd.read_csv(f"./dataset/{dataset}.csv")  
hist_data = np.array(df["Hist"].apply(eval).values.tolist())[:, -hist_len:][0]  
pred_data = np.array(df["Pred"].apply(eval).values.tolist())[:, :pred_len][0]  
context = df["Text"].values[0]  

model = ChatTime(hist_len=hist_len, pred_len=pred_len, model_path=model_path)  
out_text = model.predict(hist_data, context)  
out = model.predict(hist_data)  

# 可视化对比代码...  

时间序列问答

import numpy as np  
import pandas as pd  
import matplotlib.pyplot as plt  
from model.model import ChatTime  

dataset = "TSQA"  
model_path = "ChengsenWang/ChatTime-1-7B-Chat"  

df = pd.read_csv(f"./dataset/{dataset}.csv")  
series = np.array(df["Series"].apply(eval).values.tolist())[0]  
question = df["Question"].values[0]  
answer = df["Answer"].values[0]  

model = ChatTime(model_path=model_path)  
out = model.analyze(question, series)  

# 可视化与答案比对代码...  

📝 引用

若本仓库或我们的工作对您的研究有所助益，请引用论文：

@inproceedings{  
  author    = {王成森 and 齐琪 and 王静宇 and 孙海峰 and 庄梓铨 and 吴金明 and 张磊 and 廖建新},  
  title     = {ChatTime：连接数值与文本数据的统一多模态时间序列基础模型},  
  booktitle = {AAAI人工智能会议},  
  year      = {2025},  
}  

📪 联系方式

如有疑问，请联系cswang@bupt.edu.cn。