https://github.com/user-attachments/assets/35bc7ee3-f7a2-4949-96fc-1d1b977e0df1

面向真实世界应用的时间序列生成

人工智能的快速发展使得时间序列数据在医疗、金融、能源和交通等多个领域的智能决策中扮演着越来越重要的角色。在这些领域，生成高质量合成时间序列的能力变得尤为关键。时间序列生成技术在缓解数据稀缺性方面发挥着重要作用，尤其是在收集真实数据成本高昂、耗时或不切实际的情况下。此外，它还能通过生成既真实又不可识别的合成数据来实现隐私保护分析，从而降低敏感信息共享带来的风险。同时，该技术还支持在无风险环境中进行模拟与预测，使研究人员和从业者能够安全地探索假设场景并训练稳健的模型。综上所述，时间序列生成已成为广泛应用于现实世界的必备工具。

然而，尽管潜力巨大，现有的大多数方法仍局限于单一领域的生成，难以在时间序列模式差异显著的多样化真实场景中实现泛化。此外，传统模型往往缺乏可控性——它们以无条件的方式生成数据，无法引导特定的趋势、季节性或领域特征。但在实际应用中，这种控制能力至关重要，因为需要定制化的合成数据来支持特定场景。更进一步，许多方法仅关注于复制训练数据的分布，而未考虑生成的数据是否真正有益于下游任务。

为解决上述局限性，我们提出了TimeCraft，一个基于扩散模型的通用时间序列生成框架，专为真实世界应用设计，具备以下特点：

1. 跨领域泛化： TimeCraft通过学习一组共享的语义原型（类似于时间模式的“词典”），为时间序列引入了一个通用的潜在空间。这些原型编码了趋势和季节性等领域无关的特征，可在不同领域间重复使用。 为了适应新领域，TimeCraft采用了一个轻量级的原型分配模块（PAM），利用少量示例动态计算原型的领域特定权重。这一过程构建出一个领域提示——一种无需显式标签或重新训练即可捕捉目标领域独特特征的潜在表示。借助这些提示，TimeCraft能够生成与此前未见领域结构一致的高保真时间序列。 → 跳转至详情：✨时间序列原型：跨领域生成的关键

2. 基于文本的控制： 文本蕴含丰富的语义信息、领域知识以及实例特定的线索，能够以更加可控和可解释的方式指导时间序列生成。TimeCraft利用一个多智能体文本生成系统，生成高质量的时间序列模式描述文本。这些描述被用于构建配对的时间序列–文本数据进行训练。在此基础上，TimeCraft引入了一种混合框架，将语义原型与自由形式的文本提示相结合，从而实现对生成时间序列的灵活但具有领域基础的控制。 → 跳转至详情：✨多智能体系统与混合条件设置：基于文本的控制

3. 目标感知的自适应： TimeCraft提出了一种新颖的方法，即生成合成样本时明确以提升下游模型性能为目标，而非简单地模仿训练数据的分布。它引入了一种影响导向的扩散机制，通过使用影响函数量化任务特定损失的预期减少量来优化样本生成。这确保了生成的数据不仅真实，而且经过策略性调整，能够有效提升预测、分类和异常检测等实际应用中的性能。 → 跳转至详情：✨影响函数引导的目标感知生成

TimeCraft提供了一个统一且实用的解决方案，用于真实世界的时间序列生成——结合了跨领域泛化、基于文本的控制以及任务感知的自适应。它旨在生成高质量、可控的合成数据，既真实又对下游应用有用。

微软研究院博客：

1. TimeCraft：通用的时间序列生成框架
2. TimeDP：创建跨领域合成时间序列数据
3. TimeCraft：面向真实世界的跨域泛化、文本可控与任务感知通用时间序列生成框架

---

🚀 新闻与更新（2026年）

我们很高兴宣布三项重大研究突破已集成到TimeCraft中，极大地拓展了TSG的前沿领域，分别涉及因果关系、基础模型和连续时间建模：

• [CaTSG] 基于扩散模型的因果控制：我们推出了CaTSG，这是一个将因果约束融入扩散过程的新框架。通过超越单纯的统计相关性，CaTSG能够生成符合潜在因果结构的真实时间序列，从而促进稳健的“假设情景”分析和风险评估。 [论文] | [代码]

• [OATS] 面向TSFM的在线数据增强：为赋能下一代时间序列基础模型（TSFM），我们开发了OATS。它提供了一个动态的在线数据增强引擎，在预训练过程中合成针对模型定制的样本，显著提升大规模时间模型的泛化能力和零样本性能。 [论文] | [代码]

• [MN-TSG] 具有不规则观测的连续生成：真实世界的数据往往是稀疏且采样不均匀的。MN-TSG通过建模潜在的生理或物理动力学，实现了连续时间生成，即使在高度不规则或不完整的情况下也能合成逼真的高保真时间序列模式。 [论文] | [代码]

---

🗺️ 框架概述

TimeCraft支持三条灵活的输入分支。用户可以根据应用场景激活任意一个、任意两个或全部三个输入：

1. 推理示例（少样本时间序列提示） 提供来自目标领域的若干示例时间序列，以指导生成过程。

2. 文本描述（基于文本的控制） 使用自然语言提示来控制生成时间序列中的趋势、季节性或领域特定风格。

3. 下游任务模型与数据（目标感知引导） 利用下游模型的梯度来引导生成，以提升任务相关的性能。

📊 性能

TimeCraft在时间序列生成的多个维度上均达到了最先进水平：

最佳生成保真度（域内与域外）

我们在涵盖四个主要领域的真实世界数据集上进行了评估：能源、交通、气象和金融。生成质量通过最大均值差异（MMD）和Kullback-Leibler（KL）散度等统计指标进行严格评估。对于域内生成，TimeCraft在12个数据集中有11个取得了最佳性能，与领先的基线方法相比，MMD平均降低了25.9%，KL散度平均降低了53.0%。在未见过的领域中，TimeCraft同样表现出优于其他基线的最佳泛化能力。

最强的文本可控性

TimeCraft实现了最高的文本到序列一致性，相较于无文本输入的生成，其均方误差（MSE）提高了12.52%，平均绝对误差（MAE）提高了6.34%，并且在人工评估中也位居第一。详细结果请参见论文。

最佳的下游任务性能

我们将其测试于六个医学数据集，涵盖了ICU住院预测和罕见病诊断等任务。 与其他方法相比，TarDiff始终能够生成有助于提升或达到同等下游任务性能的数据——有时甚至优于真实数据。详细结果请参见论文。

📚 相关论文

跨领域时间序列生成

• [AAAI 2025] TimeDP：学习使用领域提示生成多领域时间序列，论文 / 代码

可控性

• 🆕🔥[2026] 基于扩散模型的因果时间序列生成，论文 / 代码
• [ICML 2025] BRIDGE：通过多智能体迭代优化和扩散建模实现文本驱动的时间序列生成，论文 / 代码

适应性

• [KDD 2025] TarDiff：面向目标的扩散引导技术，用于合成电子健康记录时间序列的生成，论文 / 代码

通用时间序列技术

• 🆕🔥[2026] OATS：面向时间序列基础模型的在线数据增强，论文 / 代码
• 🆕🔥[2026] MN-TSG：具有不规则观测的连续时间序列生成，论文 / 代码
• [ICLR 2024] MG-TSD：具有引导式学习过程的多粒度时间序列扩散模型，论文 / 代码
• [TKDE 2025] TimeRAF：用于零样本时间序列预测的检索增强型基础模型，论文
• [KDD 2025] InvDiff：用于扩散模型中偏见缓解的不变性引导，论文 / 代码

金融应用

• [AAAI 2026] 基于扩散引导的元代理实现可控金融市场生成，论文 / 代码
• [ICLR 2025] MarS：由生成式基础模型驱动的金融市场模拟引擎，论文

🔑 主要特性

• 多领域时间序列生成：通过少样本学习实现强大的跨领域泛化能力，只需少量新领域数据即可。
• 可控生成：基于自然语言的文本控制使用户能够指定所需的趋势、季节性等特征。
• 目标感知生成：合成数据经过显式优化，可提升下游模型在预测或分类等任务上的性能。
• 基于扩散的框架：通过强大的扩散建模技术，确保生成的高保真度、稳定性和多样性。
• 自动化时间序列描述：自动生成描述性文本，以增强可解释性，并支持配对训练或分析。
• 最先进成果：在域内及未见过领域的基准测试中，在保真度和可控性方面均取得卓越性能。

🚀 快速入门

1. 环境设置

克隆此仓库并设置环境。

conda env create -f environment.yml

2. 如何使用数据

2.1 支持的公开数据集

TimeCraft 自动支持下载和预处理多个公开可用的数据集，例如：

• 温度与降雨数据集（莫纳什大学）
• 风速数据集（4秒间隔）
• 行人计数数据集

您可以从上述链接手动下载这些数据集，或者直接运行 prepare_datasets.py 脚本，该脚本会自动完成下载、解压以及转换为模型就绪格式的过程。

2.2 下载并处理数据集

运行以下命令以执行脚本：

python TimeDP/utils/prepare_datasets.py

此脚本会执行多项预处理步骤：

1. 数据集下载：

   • 自动从 Zenodo 等来源获取公共数据集（例如莫纳什 TSF 数据集中的温度/降雨、风速和行人计数数据）。
   • 使用 GluonTS 加载基准数据集（例如太阳能、电力、交通流量等）。
   • 同时从 TimeGAN 仓库中获取示例金融时间序列数据（例如股票价格）。

2. 数据预处理：

   • 将训练集和测试集拼接成完整的时间序列。
   • 将多变量时间序列保存为带时间索引的 CSV 格式，存储在 ./data/ 目录下。
   • 将 .tsf（时间序列格式）文件转换为 pandas DataFrame。
   • 根据特征标签提取特定序列，例如 PRCP_SUM 表示降雨量，T_MEAN 表示平均温度。

3. 滑动窗口分割：

   • 对每个数据集应用滑动窗口分割，设置不同的序列长度（24, 96, 168, 336）。
   • 每个窗口形成一个固定长度的数据样本。
   • 输出用于训练和验证的 .npy 文件（例如 electricity_96_train.npy）。

4. 零样本设置（可选）：

   • 对于选定的数据集，如 stock 和 web，准备固定的测试样本和提示样本，用于零样本评估。
   • 保存提示/测试切片，并将提示序列导出为 CSV 文件以便检查。

3. 文本控制生成的准备工作（可选）

3.1 获取文本模板

我们提供了示例文本模板，您可以直接使用它们来构建自己的数据集，具体模板请见这里。这些模板旨在以结构化且多样化的方式描述时间序列数据，涵盖不同领域和统计特征。

您也可以利用我们的多智能体框架收集并优化您自己的文本模板。

3.2 应用文本模板生成时间序列数据的文本描述

我们通过提取每个时间窗口的统计特征（例如均值、标准差、趋势），并将这些特征填入预定义的模板中，从而生成时间序列数据的描述性文本。可选地，这些描述还可以使用大型语言模型（LLM）进行优化，以提高清晰度和质量。

实现代码请参见：代码链接。

生成的结果将保存为后缀为 _with_descriptions.csv 的 CSV 文件。数据集划分详情请参阅：数据集划分。

4. 靶向感知生成的准备工作（可选）

4.1 TarDiff 数据及预处理

1. 预处理说明 关于如何将原始 MIMIC-III 数据处理为适合我们模型的格式的详细说明，请参阅 supplementary/mimiciii_prepare.md。请按照该文档中的说明操作，以复现我们在实验中使用的预处理和特征提取流程。

2. 数据集下载 您可以通过以下链接访问原始数据集：

   • eICU 合作研究数据库
   • MIMIC-III 临床数据库

   注意： 两个数据集在下载前均需获得批准并完成认证。

   我们主要关注这些数据集中提供的多变量时间序列记录。

3. 默认数据格式 默认情况下，数据加载器期望一个包含以下内容的 pickle 格式元组：

   • data：形状为 (N, F, T)，表示 N 个样本、F 个特征和 T 个时间步。
   • labels：形状为 (N,)，对应每个样本的标签。

4.2 准备引导集

TarDiff 需要一个引导集，其分布应尽可能接近下游任务的目标分布。这种分布上的对齐有助于模型引导扩散过程，生成更符合下游应用需求的数据。

在我们的演示场景中，我们直接将训练集作为引导集的替代品。用户可以根据需要，后续使用基于归因方法（例如影响分数、梯度相似性）的自定义子集来替换它。

4.3 为引导准备下游模型

TarDiff 需要一个下游模型来计算梯度，以指导扩散过程生成与任务相关的内容。为了达到最佳效果，建议用户使用最能反映实际应用场景的自有下游模型（例如死亡率预测、脓毒症检测等）。

下游模型可以是任何可微分架构（例如 RNN、Transformer、CNN），并且应在与生成目标相同的任务上进行训练。在推理过程中，TarDiff 会利用下游损失函数关于生成样本的梯度来指导每一步去噪过程。

可选：使用简单的 RNN 模型作为下游引导 我们提供了一个用于分类任务的 RNN 分类器示例，其输入时间为序列的形状为 (batch_size, time_steps, features)。

5. 训练 TimeCraft 框架

使用 main.py 进行模型训练，使用 visualize.py 进行领域提示的可视化。有关命令行参数的详细说明，请参阅本文档。

6. 使用 TimeCraft 框架进行生成

6.1 基于领域提示的可控生成

使用 inference.py 进行模型推理。TimeCraft 可以根据给定的领域提示（由原型组成）生成跨领域的时序数据。相关命令请参见：推理详情。

6.2 基于领域提示和文本的可控生成

使用 inference.py 进行模型推理。TimeCraft 可以根据给定的领域提示（由原型组成）和文本生成所需的时序数据。相关命令请参见：推理详情。

6.3 针对特定下游任务的目标感知生成

启用 TarDiff 模块，使用 inference.py 进行目标感知生成。
通过整合来自特定任务模型和指导集的引导信号，TimeCraft 能够生成专门用于提升下游任务性能的合成时序数据。相关命令请参见：推理详情。

⚙️ 示例运行及预期结果

我们提供了电力数据集上的示例运行：示例。

为进一步展示我们针对特定任务的数据生成方法的实用性，我们也提供了 MIMIC-III ICU 住院预测任务的示例运行：示例。

🔍 各组件详解

✨1. 时序原型：跨领域生成的关键

TimeCraft 的核心是 时序原型 的概念——这一基础机制使得模型能够有效实现跨领域泛化。正如单词是大型语言模型的基本构建单元一样，时序原型 则是定义时序风格的最小单位。这些原型封装了诸如 趋势、季节性变化和周期性波动 等关键模式，使模型能够理解和生成多个领域的多样化时序数据。

每个原型代表一个基本的时序组成部分，通过 学习、组合和重新组装这些单元，TimeCraft 实现了强大的 跨领域适应能力。这种创新方法使模型能够在数据有限的领域中生成逼真且符合领域特征的时序数据。

少样本提示下的时序生成

现实应用中常常需要 个性化时序生成，以满足特定的 领域、风格或约束条件。然而，由于时序数据本身的复杂性，手动描述期望的 趋势、周期性和随机波动 很难实现，尤其是在面对 未见过的领域 时更是如此。

为此，我们引入了一种 基于示例的生成机制，用户只需提供 目标领域的几条样本时序，而无需手动指定风格。

工作原理：

• 原型分配模块 (PAM) 会从提供的样本中提取关键特征，自动构建作为生成过程条件输入的 领域提示。
• 这些 领域提示 使 TimeCraft 能够生成准确反映目标领域统计和时间特性的时序数据。
• 通过利用已学习的 时序原型，模型在保持高保真度和可控性的同时，也能很好地推广到 新的、未见过的领域。

这种方法消除了对显式领域标签或文本描述的需求，使 TimeCraft 成为一个 高度灵活且自适应 的时序生成框架，适用于广泛的现实应用场景。

---

✨2. 多智能体系统与混合条件控制文本

通过多智能体系统准备时序到文本数据

从文本生成时序数据是一项非常有用的技术，因为文本能够清晰直观地描述期望的趋势、统计特性以及领域特有的细微差别。然而，在实际应用中，往往面临可用于指导生成的领域特定文本数据不足的问题。这种数据匮乏限制了准确指定时序生成所需趋势和统计特征的能力。

文本控制时序生成 的关键挑战在于创建 高质量的文本-时序配对，而这又因领域特定描述性数据的稀缺而变得复杂。我们的解决方案引入了一个 三阶段的多智能体框架，彻底革新了文本模板的创建方式：

1. 文本模板收集：我们收集各类与时序相关的文本资源，如文章、报告和新闻，以构建一套通用的文本模板。这些模板不依赖于特定领域，可以适配不同的数据集和领域。
2. 自动化评估：对生成的文本描述进行评估，以判断其在支持下游任务方面的质量。
3. 反馈驱动的优化：根据评估结果，系统会迭代优化文本描述，提高其准确性和与目标领域特征的一致性。

通过这一迭代过程，系统生成了 领域无关的模板，随后可根据具体领域和时序特征进行定制，从而确保高质量的文本-时序配对，用于受控生成任务。同时，系统还会将统计特征程序化地注入模板中，生成既能保留关键时间语义，又能通过自然语言精确捕捉 潜在的时间模式、领域特定约束 和 实例级特征 的文本提示。

文本到时序控制：通过混合条件桥接模态

文本数据的离散性质给控制连续结构的时序数据带来了巨大挑战。为了解决 文本控制时序生成 的难题，我们采用 混合提示 的方式，将 文本描述 与 语义原型 结合起来，从而增强模型的跨领域泛化能力。扩散模型因其在生成高质量时序数据方面的卓越能力而被选用。混合提示 被输入到扩散模型的 交叉注意力层 中，进一步提升了对生成过程的控制能力。

---

✨3. 基于影响力函数指导的目标感知生成

TimeCraft 包含一种轻量级的指导机制，能够实现任务感知的合成时间序列生成。该机制不依赖于单纯的艺术风格或领域级别的提示词，而是通过整合下游模型的反馈，主动引导扩散过程，生成对目标任务直接有益的数据。

组件	作用
指导集	一小批时间序列数据，其分布与目标任务一致。为了快速上手，您可以复用训练集；高级用户则可以根据影响力得分对数据集进行筛选或加权。
下游模型	任何针对目标任务训练的可微网络（例如 RNN、Transformer）。在生成过程中，其损失梯度会提供逐步的指导方向。
指导模块	将下游梯度注入到每一步去噪过程中，温和地引导扩散轨迹，而不会改变基础生成器的结构。

这些核心组件共同构成了一个无缝的反馈回路：指导集定义了下游数据的分布，下游模型编码了具体的任务需求，而指导模块则将这些信号转化为可操作的梯度。因此，TimeCraft 能够高效地引导扩散过程，生成完全贴合您下游目标的合成数据。

贡献说明

本项目欢迎各类贡献和建议。大多数贡献都需要您同意一份贡献者许可协议（CLA），声明您有权且确实授予我们使用您贡献的权利。有关详情，请访问 https://cla.opensource.microsoft.com。

当您提交拉取请求时，CLA 机器人会自动判断您是否需要提供 CLA，并相应地标记您的 PR（例如添加状态检查或评论）。请按照机器人提供的指示操作即可。对于所有使用我们 CLA 的仓库，您只需完成一次此步骤。

本项目已采纳 微软开源行为准则。如需更多信息，请参阅 行为准则常见问题解答 或发送邮件至 opencode@microsoft.com 提出进一步的问题或意见。

商标声明

本项目可能包含项目、产品或服务相关的商标或标识。未经授权使用微软商标或标识的行为必须遵守并遵循 微软商标与品牌指南。在本项目的修改版本中使用微软商标或标识时，不得造成混淆或暗示微软的赞助关系。任何第三方商标或标识的使用均应遵守相关第三方的政策。

TimeCraft 快速上手指南

TimeCraft 是一个基于扩散模型的通用时间序列生成框架，专为真实世界应用设计。它支持跨域泛化（少样本学习）、文本可控生成以及任务感知适配，能够生成高质量、可控制且对下游任务有益的合成时间序列数据。

1. 环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux (推荐 Ubuntu 20.04+) 或 macOS
• Python 版本: 3.8 - 3.10
• 硬件要求: 建议使用配备 NVIDIA GPU 的环境以加速扩散模型训练与推理（需安装 CUDA 驱动）
• 前置依赖:
  • Conda (推荐用于环境管理)
  • Git

2. 安装步骤

克隆仓库

首先，从 GitHub 克隆 TimeCraft 项目代码：

git clone https://github.com/user-attachments/assets/35bc7ee3-f7a2-4949-96fc-1d1b977e0df1.git
cd TimeCraft

创建并激活环境

项目提供了 environment.yml 文件以简化依赖安装。推荐使用 Conda 创建独立环境：

conda env create -f environment.yml
conda activate timecraft

提示：如果下载依赖速度较慢，可配置国内镜像源（如清华源或阿里源）加速安装：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

3. 基本使用

TimeCraft 支持三种灵活的输入模式，用户可根据场景单独或组合使用：少样本示例、文本描述、下游任务引导。

模式一：基于少样本的跨域生成 (Few-shot Prompting)

只需提供目标领域的少量样本，即可生成该领域的高保真时间序列。

from timecraft import TimeCraftGenerator

# 初始化模型
generator = TimeCraftGenerator(model_path="pretrained/universal_checkpoint.pt")

# 准备少量目标域样本 (例如：能源数据)
few_shot_samples = load_data("path/to/energy_samples.csv") 

# 生成新数据
synthetic_data = generator.generate(
    prompt_samples=few_shot_samples,
    num_samples=1000
)

save_data(synthetic_data, "generated_energy_series.csv")

模式二：基于文本的可控生成 (Text-based Control)

使用自然语言描述期望的趋势、季节性或特定领域特征。

# 定义文本提示
text_prompt = "Generate a financial time series with an upward trend, high volatility, and weekly seasonality."

# 执行生成
synthetic_data = generator.generate(
    text_prompt=text_prompt,
    num_samples=500
)

模式三：任务感知生成 (Target-Aware Guidance)

结合下游任务模型（如分类器或预测器），生成能显著提升该任务性能的数据。

# 加载下游任务模型和数据
downstream_model = load_classifier("path/to/classifier.pth")
target_data = load_data("path/to/scare_medical_data.csv")

# 启用影响函数引导进行生成
synthetic_data = generator.generate_target_aware(
    model=downstream_model,
    reference_data=target_data,
    task_type="classification",
    num_samples=2000
)

进阶功能：因果控制与连续时间生成

TimeCraft 还集成了最新的研究模块（需单独导入）：

• CaTSG: 用于符合因果结构的生成。
• MN-TSG: 用于处理不规则采样数据的连续时间生成。

# 示例：使用 MN-TSG 处理不规则观测数据
from timecraft.modules import MNTSG

continuous_generator = MNTSG()
irregular_data = load_irregular_observations("patient_vitals.log")
synthetic_continuous = continuous_generator.generate(irregular_data)

现在您可以利用生成的合成数据进行数据增强、隐私保护分析或风险模拟实验了。