Kurvenanpassungsvorhersage (Space Time Pattern Mining)—ArcGIS Pro

Zusammenfassung

Sagt Werte für jede Position eines Raum-Zeit-Würfels mithilfe der Kurvenanpassung vorher.

Das Werkzeug passt eine parametrische Kurve an die einzelnen Positionen im Parameter 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

Vier Kurventypen sind dargestellt.

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 Parameter Eingabe-Raum-Zeit-Würfel erstellt das Werkzeug zwei Modelle für unterschiedliche Zwecke.
- Vorhersagemodell: Dieses Modell wird für die Vorhersage von Werten 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 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 einbezogen wurden, und es wird verwendet, um die Werte der ausgeschlossenen Zeitintervalle vorherzusagen. So können Sie erkennen, wie gut der ausgewählte Kurventyp 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 Parameterwerte der 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.
Der Parameter Ausreißeroption kann verwendet werden, um statistisch signifikante Ausreißer für Zeitserienwerte an jeder Position zu erkennen.
Weitere Informationen zum Erkennen von Ausreißern in einer Zeitserie
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 Validierungsmodells 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 genügend Zeitintervalle beibehalten, 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.

Parameter

Beschriftung	Erläuterung	Datentyp
Eingabe-Raum-Zeit-Würfel	Der NetCDF-Würfel, der die Variable enthält, die für zukünftige Zeitintervalle vorhergesagt werden soll. Diese Datei muss eine .nc-Dateierweiterung aufweisen und mit dem Werkzeug 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
Analysevariable	Die numerische Variable in der NetCDF-Datei, die für zukünftige Zeitintervalle vorhergesagt wird.	String
Ausgabe-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
Ausgabe-Raum-Zeit-Würfel (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
Anzahl an Zeitintervallen für die Vorhersage (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
Kurventyp (optional)	Gibt den Kurventyp an, der zum Vorhersagen der Werte des Eingabe-Raum-Zeit-Würfels verwendet wird. Linear—Die Zeitserie nimmt mit der Zeit linear zu oder ab. Parabolisch—Die Zeitserie folgt mit der Zeit einer Parabel oder quadratischen Kurve. Exponential—Die Zeitserie nimmt mit der Zeit exponentiell zu oder ab. S-förmig (Gompertz)—Die Zeitserie nimmt mit der Zeit S-förmig zu oder ab. Automatisch erkennen—Alle vier Kurventypen werden für jede Position ausgeführt, und das Modell erhält den kleinsten Validierungs-RMSE. Wenn keine Zeitintervalle für die Validierung ausgeschlossen werden, wird das Modell mit dem kleinsten Vorhersage-RMSE verwendet. Dies ist die Standardeinstellung.	String
Für die Validierung auszuschließende Anzahl an Zeitintervallen (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
Ausreißeroption (optional)	Gibt an, ob statistisch signifikante Ausreißer in einer Zeitserie identifiziert werden. Keine—Ausreißer werden nicht identifiziert. Dies ist die Standardeinstellung. Ausreißer identifizieren—Ausreißer werden mithilfe des generalisierten ESD-Tests identifiziert.	String
Konfidenzniveau (optional)	Gibt das Konfidenzniveau des Tests für Ausreißer in einer Zeitserie an. 90 %—Das Konfidenzniveau für den Test beträgt 90 Prozent. Dies ist die Standardeinstellung. 95 %—Das Konfidenzniveau für den Test beträgt 95 Prozent. 99%—Das Konfidenzniveau für den Test beträgt 99 Prozent.	String
Maximale Anzahl von Ausreißern	Die maximale Anzahl von Zeitintervallen, die für jede Position als Ausreißer deklariert werden können. Der Standardwert entspricht 5 Prozent (abgerundet) der Anzahl der Zeitintervalle des Eingabe-Raum-Zeit-Würfels (es wird immer ein Wert von mindestens 1 verwendet). Dieser Wert darf 20 Prozent der Anzahl der Zeitintervalle nicht überschreiten.	Long

arcpy.stpm.CurveFitForecast(in_cube, analysis_variable, output_features, {output_cube}, {number_of_time_steps_to_forecast}, {curve_type}, {number_for_validation}, {outlier_option}, {level_of_confidence}, maximum_number_of_outliers)

Name	Erläuterung	Datentyp
in_cube	Der NetCDF-Würfel, der die Variable enthält, die für zukünftige Zeitintervalle vorhergesagt werden soll. Diese Datei muss eine .nc-Dateierweiterung aufweisen und mit dem Werkzeug 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. LINEAR—Die Zeitserie nimmt mit der Zeit linear zu oder ab. PARABOLIC—Die Zeitserie folgt mit der Zeit einer Parabel oder quadratischen Kurve. EXPONENTIAL—Die Zeitserie nimmt mit der Zeit exponentiell zu oder ab. GOMPERTZ—Die Zeitserie nimmt mit der Zeit S-förmig zu oder ab. AUTO_DETECT—Alle vier Kurventypen werden für jede Position ausgeführt, und das Modell erhält den kleinsten Validierungs-RMSE. Wenn keine Zeitintervalle für die Validierung ausgeschlossen werden, wird das Modell mit dem kleinsten Vorhersage-RMSE verwendet. Dies ist die Standardeinstellung.	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
outlier_option (optional)	Gibt an, ob statistisch signifikante Ausreißer in einer Zeitserie identifiziert werden. NONE—Ausreißer werden nicht identifiziert. Dies ist die Standardeinstellung. IDENTIFY—Ausreißer werden mithilfe des generalisierten ESD-Tests identifiziert.	String
level_of_confidence (optional)	Gibt das Konfidenzniveau des Tests für Ausreißer in einer Zeitserie an. 90%—Das Konfidenzniveau für den Test beträgt 90 Prozent. Dies ist die Standardeinstellung. 95%—Das Konfidenzniveau für den Test beträgt 95 Prozent. 99%—Das Konfidenzniveau für den Test beträgt 99 Prozent.	String
maximum_number_of_outliers	Die maximale Anzahl von Zeitintervallen, die für jede Position als Ausreißer deklariert werden können. Der Standardwert entspricht 5 Prozent (abgerundet) der Anzahl der Zeitintervalle des Eingabe-Raum-Zeit-Würfels (es wird immer ein Wert von mindestens 1 verwendet). Dieser Wert darf 20 Prozent der Anzahl der Zeitintervalle nicht überschreiten.	Long

Codebeispiel

CurveFitForecast – Beispiel 1 (Python-Fenster)

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)

CurveFitForecast – Beispiel 2 (eigenständiges Skript)

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, "IDENTIFY", "90%", 4)
# Create a feature class visualizing the forecasts.
# Output can only be viewed in a Scene view.
arcpy.stpm.VisualizeSpaceTimeCube3D("outForecastCube.nc", "Pop_NONE_ZEROS", 
                                    "VALUE", "Analysis.gdb/ForecastsFC")

Umgebungen

Ausgabe-Koordinatensystem

Lizenzinformationen

Basic: Ja
Standard: Ja
Advanced: Ja