Previsión de ajuste de curva (Minería de patrones en espacio-tiempo)

Resumen

Pronostica los valores futuros de cada ubicación del cubo de espacio-tiempo mediante el uso del ajuste de curva.

La herramienta ajusta una curva paramétrica a cada ubicación del Cubo de espacio-tiempo de entrada y predice la serie temporal extrapolando esta curva a periodos de tiempo futuros. Las curvas pueden ser lineales, parabólicas, en forma de S (Gompertz) o exponenciales. Puede utilizar el mismo tipo de curva en cada ubicación del cubo de espacio-tiempo o permitir que la herramienta configure el tipo de curva que mejor se ajuste a cada ubicación.

Más información sobre el funcionamiento de la previsión de ajuste de curva

Ilustración

Se muestran cuatro tipos de curva.

Uso

• Esta herramienta acepta archivos netCDF creados con las herramientas Crear cubo de espacio-tiempo agregando puntos, Crear cubo de espacio-tiempo a partir de entidades definidas y Crear cubo de espacio-tiempo a partir de capa ráster multidimensional.

• Si se compara con otras herramientas de previsión del conjunto de herramientas de previsión de serie temporal, esta es la más directa y la más adecuada para las series temporales que siguen una tendencia predecible y que no presentan una fuerte estacionalidad. Si los datos siguen una tendencia compleja o presentan ciclos estacionales importantes, utilice otras herramientas de previsión.

• Con la herramienta Evaluar previsiones por ubicación se pueden comparar y fusionar varios cubos de espacio-tiempo previstos. Esto permite crear varios cubos de previsión con parámetros y herramientas de previsión diferentes; la herramienta identificará la mejor previsión correspondiente a cada ubicación por medio del error cuadrático medio de previsión (RMSE) o el RMSE de validación.

• Por cada ubicación del Cubo de espacio-tiempo de entrada, la herramienta genera dos modelos que sirven para fines diferentes.

  • Modelo de previsión: este modelo sirve para predecir valores futuros del cubo de espacio-tiempo mediante el ajuste a una curva de los valores de las series temporales y la extrapolación de esta curva a periodos de tiempo futuros. El ajuste del modelo de previsión a los valores del cubo de espacio-tiempo se mide mediante el valor de RMSE de previsión.
  • Modelo de validación: este modelo sirve para validar el modelo de previsión y determinar con qué precisión puede predecir valores futuros. Si se especifica un valor mayor que 0 en el parámetro Número de periodos de tiempo que se excluirán para validación, este modelo se ajusta a los periodos de tiempo que no se excluyeron y se utiliza para predecir los valores de los periodos de tiempo que se excluyeron. Esto permite determinar si el tipo de curva elegido puede predecir los valores futuros de manera adecuada. El ajuste de los valores previstos a los valores excluidos se mide mediante el valor RMSE de validación.

  Más información sobre el modelo de previsión, el modelo de validación y la estadística de RMSE

• La opción Detección automática del parámetro Tipo de curva se ajustará a los cuatro tipos de curva en cada ubicación e identificará el que tenga el RMSE de validación más pequeño. Si no se excluyen periodos de tiempo para validación, se utiliza la curva con el RMSE de previsión más pequeño.

• Las Entidades de salida se agregarán al panel Contenido con una representación basada en el periodo de tiempo previsto final.

• Esta herramienta genera mensajes de geoprocesamiento y gráficos emergentes para facilitar la compresión y visualización de los resultados de previsión. Los mensajes contienen información sobre la estructura del cubo de espacio-tiempo y la estadística de resumen de los valores de RMSE. Al hacer clic en una entidad mediante el uso de la herramienta de navegación Explorar, se muestra un gráfico de líneas en el panel Emergente en el que aparecen los valores del cubo de espacio-tiempo, la curva empleada en la previsión y los valores previstos para esa ubicación.

• La decisión sobre cuántos periodos de tiempo deben excluirse para la validación es importante. Cuantos más periodos de tiempo se excluyen, menos periodos de tiempo quedan para estimar el modelo de validación. No obstante, si se excluyen muy pocos periodos de tiempo, el RMSE de validación se estimará usando una pequeña cantidad de datos y puede llevar a engaño. Se recomienda excluir el mayor número de periodos de tiempo que sea posible mientras aún se mantienen suficientes periodos de tiempo para estimar el modelo de validación. También se recomienda mantener al menos tanto periodos de tiempo para validación como número de periodos de tiempo pretenda pronosticar si el cubo de espacio-tiempo tiene suficientes periodos de tiempo para permitirlo.

Sintaxis

CurveFitForecast(in_cube, analysis_variable, output_features, {output_cube}, {number_of_time_steps_to_forecast}, {curve_type}, {number_for_validation})

Parámetro	Explicación	Tipo de datos
in_cube	Cubo netCDF que contiene la variable cuya predicción en periodos de tiempo futuros desea realizar. Este archivo debe tener una extensión de archivo .nc y se debe haber creado con las herramientas Crear cubo de espacio-tiempo agregando puntos, Crear cubo de espacio-tiempo a partir de ubicaciones definidas o Crear cubo de espacio-tiempo a partir de capa ráster multidimensional.	File
analysis_variable	Variable numérica del archivo netCDF que se pronosticará en periodos de tiempo futuros.	String
output_features	Clase de entidad de salida de todas las ubicaciones en el cubo de espacio-tiempo con valores previstos almacenados como campos. La capa presenta la previsión correspondiente al periodo de tiempo final y contiene gráficos emergentes en los que se muestran las series temporales y las previsiones correspondientes a cada ubicación.	Feature Class
output_cube (Opcional)	Nuevo cubo de espacio-tiempo (archivo .nc) que contiene los valores del cubo de espacio-tiempo de entrada con los periodos de tiempo previstos anexados. La herramienta Visualizar cubo de espacio-tiempo en 3D puede utilizarse para ver todos los valores observados y previstos de forma simultánea.	File
number_of_time_steps_to_forecast (Opcional)	Entero positivo que especifica el número de periodos de tiempo de la previsión. Este valor no puede ser mayor que el 50% de los periodos de tiempo totales del cubo de espacio-tiempo de entrada. El valor predeterminado es un periodo de tiempo.	Long
curve_type (Opcional)	Especifica el tipo de curva que se utilizará para predecir los valores del cubo de espacio-tiempo de entrada. LINEAR —Las series temporales aumentan o se reducen de forma lineal con el tiempo. PARABOLIC —La serie temporal describe una parábola o una curva cuadrática a lo largo del tiempo. EXPONENTIAL —Las series temporales aumentan o se reducen exponencialmente con el tiempo. GOMPERTZ —Las series temporales aumentan o se reducen en forma de S con el tiempo. AUTO_DETECT —Se ejecutan los cuatro tipos de curvas para cada ubicación y se proporciona el modelo con el RMSE de validación más pequeño. Si no se excluyen porciones de tiempo para validación, se utiliza el modelo con el RMSE de previsión más pequeño. Esta es la opción predeterminada.	String
number_for_validation (Opcional)	Número de periodos de tiempo al final de cada serie temporal que se van a excluir para validación. El valor predeterminado es el 10% (redondeado por defecto) del número de periodos de tiempo de entrada y no puede ser mayor que el 25% del número de periodos de tiempo. Si no quiere excluir ningún periodo de tiempo, introduzca el valor 0.	Long

Muestra de código

Ejemplo 1 de CurveFitForecast (ventana de Python)

En el siguiente script de Python se muestra cómo utilizar la herramienta 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)

Ejemplo 2 de CurveFitForecast (script independiente)

En el siguiente script de Python se muestra cómo utilizar la herramienta CurveFitForecast para hacer una previsión de población:

# 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")

Entornos

Sistema de coordenadas de salida

Información de licenciamiento

• Basic: Sí
• Standard: Sí
• Advanced: Sí