Zusammenfassung
Sagt zukünftige Werte für jede Position eines Raum-Zeit-Würfels mithilfe der Kurvenanpassung vorher.
Das Werkzeug passt eine parametrische Kurve an die einzelnen Positionen im Eingabe-Raum-Zeit-Würfel an und sagt die Zeitserie vorher, indem diese Kurve in zukünftige Zeitintervalle extrapoliert wird. Die Kurven können linear, Parabeln, S-Kurven (Gompertz) oder Exponentialkurven sein. Sie können an jeder Position des Raum-Zeit-Würfels denselben Kurventyp verwenden oder die Auswahl des passenden Kurventyps für jede Position dem Werkzeug überlassen.
Weitere Informationen zur Funktionsweise der Kurvenanpassungsvorhersage
Abbildung
Verwendung
Dieses Werkzeug akzeptiert netCDF-Dateien, die mit dem Werkzeug Raum-Zeit-Würfel durch Aggregieren von Punkten erstellen, mit dem Werkzeug Raum-Zeit-Würfel aus definierten Features erstellen und mit dem Werkzeug Raum-Zeit-Würfel aus multidimensionalem Raster-Layer erstellen erstellt wurden.
Verglichen mit anderen Vorhersagewerkzeugen im Toolset Zeitserienvorhersage ist dieses Werkzeug am einfachsten. Es eignet sich am besten für Zeitserien, die einem vorhersagbaren Trend folgen, der keine ausgeprägten saisonalen Schwankungen aufweist. Verwenden Sie andere Vorhersagewerkzeuge, wenn Ihre Daten einem komplexen Trend folgen oder ausgeprägte saisonale Zyklen aufweisen.
Mit dem Werkzeug Vorhersagen nach Position auswerten können mehrere vorhergesagte Raum-Zeit-Würfel verglichen und zusammengeführt werden. Auf diese Weise können Sie mit unterschiedlichen Vorhersagewerkzeugen und -parametern mehrere Vorhersagewürfel erstellen. Das Werkzeug ermittelt dann mit dem Vorhersage-RMSE (Root Mean Square Error) oder dem Validierungs-RMSE die beste Vorhersage für jeden Position.
Für jede Position im Eingabe-Raum-Zeit-Würfel erstellt das Werkzeug zwei Modelle für unterschiedliche Zwecke.
- Vorhersagemodell: Dieses Modell wird für die Vorhersage zukünftiger Werte des Raum-Zeit-Würfels verwendet, indem eine Kurve auf die Werte der Zeitserie angepasst und diese Kurve für zukünftige Zeitintervalle extrapoliert wird. Die Eignung des Vorhersagemodell für die Werte des Raum-Zeit-Würfels wird mit dem Vorhersage-RMSE-Wert gemessen.
- Validierungsmodell: Mit diesem Modell wird das Vorhersagemodell validiert und getestet, wie genau es zukünftige Werte vorhersagen kann. Wenn eine Zahl größer als 0 für den Parameter Für die Validierung auszuschließende Anzahl an Zeitintervallen angegeben wird, wird dieses Modell an Zeitintervalle angepasst, die nicht ausgeschlossen wurden, und es wird verwendet, um die Werte der ausgeschlossenen Zeitintervalle vorherzusagen. So können Sie erkennen, wie gut der ausgewählte Kurventyp zukünftige Werte vorhersagen kann. Die Übereinstimmung der vorhergesagten Werte mit den ausgeschlossenen Werten wird mit dem Validierungs-RMSE-Wert gemessen.
Weitere Informationen zu Vorhersagemodell, Validierungsmodell und RMSE-Statistiken
Mit der Option Automatisch erkennen des Parameters Kurventyp werden alle vier Kurven an jeder Position angepasst, und die Kurve mit dem kleinsten Validierungs-RMSE wird ermittelt. Wenn keine Zeitintervalle für die Validierung ausgeschlossen werden, wird die Kurve mit dem kleinsten Vorhersage-RMSE verwendet.
Die Ausgabe-Features werden dem Bereich Inhalt hinzugefügt, wobei das Rendering auf dem letzten vorhergesagten Zeitintervall basiert.
-
Das Werkzeug erstellt Geoverarbeitungsmeldungen und Pop-up-Diagramme, damit Sie die Ergebnisse der Vorhersage leichter verstehen und visualisieren können. Die Meldungen enthalten Informationen über die Struktur des Raum-Zeit-Würfels und Summenstatistiken der RMSE-Werte. Wenn Sie mit dem Navigationswerkzeug Erkunden auf ein Feature klicken, wird der Bereich Pop-up mit den Werten des Raum-Zeit-Würfels, der für die Vorhersage verwendeten Kurve und den vorhergesagten Werten für die Position angezeigt.
Die Entscheidung über die Anzahl der Zeitintervalle, die für die Validierung ausgeschlossen werden sollen, ist wichtig. Je mehr Zeitintervalle ausgeschlossen werden, desto weniger stehen für die Schätzung des Validierungsmodell zur Verfügung. Wenn jedoch zu wenige Zeitintervalle ausgeschlossen werden, wird der Validierungs-RMSE mit einer geringen Datenmenge geschätzt und kann irreführend sein. Sie sollten so viele Zeitintervalle wie möglich ausschließen und gleichzeitig ausreichend Zeitintervalle behalten, um das Validierungsmodell zu schätzen. Es empfiehlt sich außerdem, mindestens so viele Zeitintervalle für die Validierung zurückzuhalten, wie vorhergesagt werden sollen, sofern der Raum-Zeit-Würfel eine entsprechende Anzahl an Zeitintervallen aufweist.
Syntax
CurveFitForecast(in_cube, analysis_variable, output_features, {output_cube}, {number_of_time_steps_to_forecast}, {curve_type}, {number_for_validation})| Parameter | Erklärung | Datentyp |
in_cube | Der NetCDF-Würfel, der die Variable enthält, die Sie für zukünftige Zeitintervalle vorhersagen möchten. Diese Datei muss eine .nc-Dateierweiterung aufweisen und mit den Werkzeugen Raum-Zeit-Würfel durch Aggregieren von Punkten erstellen, Raum-Zeit-Würfel aus definierten Positionen erstellen oder Raum-Zeit-Würfel aus multidimensionalem Raster-Layer erstellen erstellt worden sein. | File |
analysis_variable | Die numerische Variable in der NetCDF-Datei, die für zukünftige Zeitintervalle vorhergesagt wird. | String |
output_features | Die Ausgabe-Feature-Class von allen Positionen im Raum-Zeit-Würfel mit vorhergesagten Werten, die als Felder gespeichert werden. Der Layer zeigt die Vorhersage für das letzte Zeitintervall an und enthält Pop-up-Diagramme, die die Zeitserie und Vorhersagen für jede Position enthalten. | Feature Class |
output_cube (optional) | Ein neuer Raum-Zeit-Würfel (.nc-Datei), der die Werte des Eingabe-Raum-Zeit-Würfels mit den angehängten vorhergesagten Zeitintervallen enthält. Das Werkzeug Raum-Zeit-Würfel in 3D visualisieren kann verwendet werden, um alle beobachteten und vorhergesagten Werte gleichzeitig zu sehen. | File |
number_of_time_steps_to_forecast (optional) | Eine positive ganze Zahl, mit der die Anzahl an Zeitintervallen für die Vorhersage angegeben wird. Dieser Wert darf nicht mehr als 50 Prozent aller Zeitintervalle im Eingabe-Raum-Zeit-Würfel betragen. Der Standardwert ist ein Zeitintervall. | Long |
curve_type (optional) | Gibt den Kurventyp an, der zum Vorhersagen der Werte des Eingabe-Raum-Zeit-Würfels verwendet wird.
| String |
number_for_validation (optional) | Die Anzahl an Zeitintervallen am Ende jeder Zeitserie, die für die Validierung ausgeschlossen wird. Der Standardwert ist 10 Prozent (abgerundet) der Anzahl an Eingabe-Zeitintervallen. Der Wert darf nicht größer als 25 Prozent der Anzahl an Zeitintervallen sein. Geben Sie den Wert 0 an, um keine Zeitintervalle auszuschließen. | Long |
Codebeispiel
Das folgende Python-Skript veranschaulicht die Verwendung des Werkzeugs CurveFitForecast:
import arcpy
arcpy.env.workspace = "C:/Analysis"
# Forecast four time steps using a linear curve.
arcpy.stpm.CurveFitForecast("Population.nc","Pop_NONE_ZEROS",
"Analysis.gdb/Forecasts",
"outForecastCube.nc" 4,
"LINEAR", 5)Das folgende Python-Skript veranschaulicht die Verwendung des Werkzeugs CurveFitForecast zur Vorhersage einer Population:
# Forecast population levels using curve fitting.
# Import system modules.
import arcpy
# Set property to overwrite existing output.
arcpy.env.overwriteOutput = True
# Set workspace.
workspace = r"C:\Analysis"
arcpy.env.workspace = workspace
# Forecast three time steps using auto-detect.
arcpy.stpm.CurveFitForecast("Population.nc","Pop_NONE_ZEROS",
"Analysis.gdb/Forecasts", "outForecastCube.nc"
3, "AUTO_DETECT", 5)
# Create a feature class visualizing the forecasts.
# Output can only be viewed in a Scene view.
arcpy.stpm.VisualizeSpaceTimeCube3D(r"outForecastCube.nc", "Pop_NONE_ZEROS",
"VALUE", "Analysis.gdb/ForecastsFC")Umgebungen
Lizenzinformationen
- Basic: Ja
- Standard: Ja
- Advanced: Ja