Iako ovdje potpisani nije baš neki stručnjak za multivarijatnu analizu podataka ni meteorologiju, netom dostupni Timestral ponukao ga je da pokuša uz njegovu pomoć + Claude Code napraviti vlastitu vremensku prognozu. Dakle, još jedan slučaj "Nisam doktor, al' mogu da pogledam...". Rezultat donosimo u dva dijela: jedan je već presuđen (vrijeme koje je za nama), a drugi će biti presuđen kad se pokaže točnost napravljene vremenske prognoze...

Što je Timestral?

Timestral je Mistralova obitelj "modela za prognozu vremenskih nizova", odnosno bilo kojih brojeva koji se mjere u pravilnim razmacima: temperature po satu, potrošnje struje po četvrt sata, prodaje po danu, opterećenja poslužitelja po minuti. Mistral ga svrstava u time series foundation model (TSFM). Princip je isti kao kod jezičnih modela: kao što veliki jezični model iz dosadašnjeg teksta predviđa sljedeću riječ, Timestral iz dosadašnjeg niza predviđa sljedeće vrijednosti. Prethodno je treniran na golemom i raznolikom skupu nizova, pa radi i na podacima koje nikad nije vidio, bez ikakvog dodatnog treniranja. To se zove zero-shot prognoza.

Klasični alati za isti posao prilagođavaju se svakom nizu posebno i uče samo iz njegove povijesti. Timestral donosi znanje o tome kako se nizovi općenito ponašaju: dnevni i tjedni ritmovi, trendovi, nagli skokovi.

Dolazi u četiri veličine, od 5 do 209 milijuna parametara. Uočite da je i najveći model oko četrdeset puta manji od jezičnog modela s devet milijardi parametara koji danas smatramo "malim". Može čitati do 32.768 koraka povijesti (u satima je to nešto manje od četiri godine) i ne daje jedan broj, nego raspon: za svaki budući korak 21 kvantil, iz kojih se vidi i koliko je model siguran. Prema Mistralu, najveća verzija u trenutku objave bila je prva među modelima koji rade bez dodatnog treniranja.

Timestral se instalira kao biblioteka za Python:

pip install git+https://github.com/mistralai/timestral.git

ili

curl -L -o timestral.zip https://github.com/mistralai/timestral/archive/refs/heads/main.zip.

Kod je na GitHubu pod licencom Apache 2.0, a težine modela su na Hugging Faceu pod modificiranom MIT licencom. Licenca ne vrijedi za tvrtke čiji mjesečni prihod prelazi 20 milijuna dolara.

(Zamalo, ali mislim da mi ipak ne prijeti opasnost ako ga koristim bez plaćanja…)

Multivarijatno i kovarijatno, bez formula

Najjednostavnija prognoza je univarijatna: imamo jedan niz, recimo satnu temperaturu, te iz njegove prošlosti predviđamo njegovu budućnost.

Multivarijatna prognoza istodobno predviđa više povezanih nizova. Na meteorološkoj postaji to su temperatura, rosište, tlak, smjer i brzina vjetra te naoblaka. (Možda još nešto, nek' nas meteorolozi među čitateljima dopune...) Model ih ne gleda odvojeno, nego uči kako se kreću zajedno: pad tlaka i okretanje vjetra često najavljuju promjenu temperature. Timestral sve te nizove prognozira odjednom.

Kovarijance su pomoćni nizovi koji modelu daju kontekst, ali ih on ne prognozira. Timestral razlikuje dvije vrste. Prve su poznate samo do sada, poput izmjerenog tlaka, za koji znamo prošlost, ali ne i budućnost. Druge su poznate i unaprijed: sat u danu, dan u godini, praznici, raspored akcija u trgovini. Treća vrsta su kategorije (dan u tjednu, vrsta proizvoda), koje se predaju kao kodovi. 

Za što se Timestral koristi

Mistral ga namjenjuje tvrtkama: industrijskim pogonima koji prate tisuće senzora i žele uočiti kvar prije nego se dogodi, energetici koja planira proizvodnju i potrošnju, trgovini i logistici za predviđanje potražnje i zaliha, financijskim odjelima za tokove novca. Mali modeli rade na procesoru, pa se mogu vrtjeti i na lokalnom poslužitelju bez veze s Internetom. Tvrtke koje žele više mogu ga kroz Mistralovu platformu Forge dotrenirati na vlastitim podacima.

Vremenska prognoza nije na tom popisu jer za nju postoje specijalizirani numerički modeli atmosfere. Upravo nas je zato zanimalo koliko daleko može doći model koji o atmosferi ne zna ništa (zajedno smo jači...)

Što smo napravili

Uzeli smo satna mjerenja DHMZ-ove glavne meteorološke postaje Zagreb-Maksimir od 19.1.2023. do 16.10.2026., ukupno 26.865 sati. Uz temperaturu smo izvukli i rosište, tlak sveden na morsku razinu, vjetar i naoblaku.

Službenu prognozu uzeli smo s DHMZ-ove stranice 7-dnevne prognoze za Maksimir. Za prošli tjedan poslužila nam je kopija te stranice od 6.10.2026. sačuvana na Wayback Machineu.

Modele smo pokrenuli lokalno, na PC-u s Ryzenom 5 5600X (šest jezgri) i 64 GB RAM-a. Grafička kartica nije korištena ni za kakve izračune jer Timestralu ne treba. Test je imao četiri dijela:

1. Prošli tjedan: prognoza od 6.10. u 17:21, Timestral i DHMZ iz istog trenutka, uspoređeni s izmjerenim.

2. Šezdeset dana unatrag: svaki dan od 11.8. do 9.10.2026. Timestral je u 8 sati ujutro prognozirao idućih sedam dana, a mi smo prognozu uspoređivali s izmjerenim.

3. Isti test s tlakom, vjetrom i ostalim podacima kao dodatnim ulazom.

4. Mjerenje brzine za sve četiri veličine modela.

Na kraju smo napravili i pravu prognozu za idući tjedan, čiju točnost možemo svi zajedno provjeravati idući tjedan.

Prošli tjedan: DHMZ uvjerljivo bolji

Ovaj dio je već presuđen. Na 87 termina za koje DHMZ daje prognozu, DHMZ je u prosjeku promašio za 1,4 °C, a Timestral za 3,1 °C. DHMZ je bio bolji svaki dan u tjednu.

Graf pokazuje i zašto. Timestral je prvih dana podcijenio toplinu: 7.10. izmjereno je 25,5 °C, a on je predvidio 22,1 °C, uz noći hladnije od stvarnih za tri do četiri stupnja. Zatim je mehanički nastavio dnevni ritam s toplim popodnevima i hladnim noćima. Međutim, 9. i 10.10. nebo je bilo potpuno oblačno, pa se temperatura držala između 12 i 17 °C. Za 10.10. Timestral je predvidio do 20,1 °C, a izmjereno je najviše 13,6 °C. Model koji vidi samo prošle temperature jedne točke ne može znati da sa zapada dolazi oblačnost. DHMZ-ova prognoza dolazi iz numeričkog modela atmosfere, koji računa fiziku za cijelo područje na temelju tisuća mjerenja s raznih lokacija.

Izmjerena temperatura upala je u Timestralov pojas od 80 % u 74 % sati.

Mrvicu bolji od "zdravorazumskih" prognoza

Jedan tjedan je premalo za ozbiljan zaključak, pa smo Timestral pustili na 60 prognoza iz kolovoza i rujna, za koje znamo što se stvarno dogodilo. Izmjerene temperature za te dane imamo, ali DHMZ-ove prognoze nemamo: Wayback Machine je stranicu 7-dnevne prognoze u tom razdoblju sačuvao samo jednom, 4.8. Zato smo ga usporedili s dvije "zdravorazumske" prognoze koje svatko može napraviti bez računala: sutra će biti kao danas, odnosno sutra će biti kao prosjek zadnjih sedam dana. 

Prosječna pogreška satne temperature u °C, 60 prognoza od 11.8. do 9.10.2026., model vidi samo prošle temperature (do 3,7 godina unatrag). Manje je bolje.

Timestral pobjeđuje ovaj tip "prognoze", ali za oko pola stupnja. Prednost raste s veličinom modela, iako ne ravnomjerno: 28M i 123M su praktički izjednačeni. Nesigurnost procjenjuje pošteno: mjerenja su u 79 do 83 % slučajeva upala u njegov pojas od 80 %, ovisno o veličini modela.

Pomažu li mu tlak i vjetar?

 Istih 60 prognoza ponovili smo s dodatnim podacima, ali s godinom podataka unatrag umjesto ranijih 3,7 godina, jer svaki dodatni niz višestruko produljuje računanje. Timestralu smo dali tlak, vjetar, rosište i naoblaku kao kovarijate poznate samo do sada, zatim sat u danu i dan u godini kao kovarijate poznate unaprijed, pa oboje. U zadnjoj varijanti svih šest mjerenja prognozirao je kao jedan multivarijatni niz.

Gledano kroz cijeli tjedan, dobitak je skroman: pogreška pada s 2,72 na 2,55 °C. Za prvi dan pogreška pada s 2,13 na 1,54 °C, četvrtinu manje. Pogreška najviše dnevne temperature za sutra pada s 2,47 na 1,53 °C. Od trećeg dana dodatni podaci ne mijenjaju gotovo ništa. To ima smisla: pad tlaka i okretanje vjetra najavljuju promjenu u idućim satima, a o vremenu za tjedan dana iz jedne postaje ne govore ništa. Kalendar ne pomaže uopće, jer dnevni i godišnji ritam Timestral već sam iščita iz povijesti temperature.
Najbolje prolazi varijanta u kojoj svih šest mjerenja prognozira zajedno. Točna je kao kombinacija sa svim kovarijatama, a računa se tri puta brže: 4,7 umjesto 15,6 sekundi po prognozi. Manji modeli pokazuju isto. Timestral-28M sa svih šest mjerenja (2,59 °C) bolji je od četrnaest puta većeg Timestrala-209M koji vidi samo temperaturu (2,72 °C). Dobro izabrani podaci, dakle, vrijede više od većeg modela.

Koliko to računa?

Jedna prognoza za tjedan unaprijed na procesoru Ryzen 5 5600X, bez grafičke kartice.

Mistral navodi da 209M na poslužiteljskom procesoru s osam dretvi prognozu za dan unaprijed iz tri tjedna povijesti napravi za 140 milisekundi. Kad mu damo te iste tri tjedna, naš šestojezgreni stolni procesor treba 0,30 s za cijeli tjedan unaprijed, što je u skladu s tim. Vrijeme raste s duljinom povijesti i brojem ulaznih nizova. Svaki pomoćni niz model obrađuje kao još jedan redak, pa temperatura s pet izmjerenih i četiri kalendarska niza znači deset redaka umjesto jednoga i do 18 puta duže računanje. I najsporija varijanta, 209M sa svim dodacima i godinom povijesti, gotova je za 16 sekundi. Za vremensku prognozu jednom na sat to je posve dovoljno.

Idući tjedan: prognoza na papiru

Najniža i najviša prognozirana temperatura po danu, °C. Od 20.10. DHMZ daje prognozu samo svakih tri do šest sati, pa njegove vrijednosti tih dana nisu prava dnevna ekstrema.

Obje prognoze napravljene su 16.10. prije podne: DHMZ je svoju objavio u 11:21, a Timestral je vidio mjerenja do 11 sati. Prognoze se najviše razilaze oko noći. DHMZ za jutro 17.10. predviđa 4,4 °C, a Timestral 9,5 °C. Krajem tjedna DHMZ najavljuje toplije noći i dan do 20 °C, a Timestral i dalje vrti uobičajen jesenski ritam.

Ishod provjeravamo 23.10., kad istekne DHMZ-ova prognoza. S obzirom na prošli tjedan, ne bismo se kladili na Timestral.

Tko se od čitatelja do tada bude sjećao ovoga članka, može se vratiti i vidjeti koliko je model stvarno bio uspješan.

Što bismo mogli napraviti bolje

Timestral smo pustili na posao za koji nije namijenjen i dali mu samo podatke s jedne postaje. Najveći dobitak vjerojatno bi donijela kombinacija: DHMZ-ovu prognozu dati Timestralu kao kovarijancu poznatu unaprijed, pa da on uči kako je lokalno ispraviti. Upravo tako se modeli poput Timestrala koriste u energetici, gdje se meteorološka prognoza pretvara u prognozu potrošnje ili proizvodnje. To nismo isprobali, jer bi za to trebali i DHMZ-ove prognoze iz prošlosti, a njih osim jedne kopije s Wayback Machinea nemamo.