Evaluar predicciones por ubicación (Minería de patrones en espacio-tiempo)

Resumen

Selecciona el resultado más preciso de varios resultados de predicción para cada ubicación de un cubo de espacio-tiempo. Le permite utilizar varias herramientas del conjunto de herramientas Predicción de serie temporal con los mismos datos de series temporales y seleccionar la mejor predicción para cada ubicación.

Más información sobre cómo funciona Evaluar predicciones por ubicación

Ilustración

Se muestran varias predicciones, con la predicción más precisa resaltada en la leyenda.

Uso

• Todos los cubos de espacio-tiempo proporcionados en el parámetro Cubos de espacio-tiempo de predicción de entrada se deben crear mediante herramientas del conjunto de herramientas Predicción de serie temporal con el mismo cubo de espacio-tiempo de entrada.

• Para cada ubicación, esta herramienta identifica el método de predicción que proporciona el error cuadrático medio (RMSE) más pequeño de validación o predicción. Puede hacer que se identifiquen diferentes métodos para las ubicaciones que están cerca unas de otras. Por ejemplo, si sus datos representan a la población anual de los condados, un condado puede utilizar un método basado en bosque, y dos condados vecinos pueden utilizar una curva de Gompertz y un método de suavizado exponencial estacional. Considere si tiene sentido que diferentes lugares utilicen métodos de predicción diferentes y con formas diferentes, y determine si la selección del método de predicción por ubicación proporciona una reducción notable del RMSE de predicción o validación en las ubicaciones. Si el uso de un solo método en cada ubicación es casi tan preciso como el uso de un método diferente ubicación por ubicación, el principio de parsimonia establece que es preferible un solo método de predicción para todas las ubicaciones.

• Las Entidades de salida se agregarán al panel Contenido con una representación en pantalla basada en el periodo de tiempo predicho final del método seleccionado en cada ubicación.

• Esta herramienta crea mensajes de geoprocesamiento y gráficos emergentes interactivos para ayudarle a comprender y visualizar los resultados. Los mensajes contienen información sobre la estructura del cubo de espacio-tiempo, estadísticas de resumen de los valores de RMSE y resúmenes del número de ubicaciones representadas con cada método de predicción. Al hacer clic en una entidad con la herramienta Explorar, aparece un gráfico de líneas en el panel Elementos emergentes que muestra los valores del cubo de espacio-tiempo y los valores predichos de cada método de predicción. El método de predicción seleccionado en la ubicación aparece resaltado en el gráfico.

• Los métodos de predicción creados con la herramienta Predicción basada en bosque suelen proporcionar el mejor ajuste a las series temporales de una ubicación, pero, a menudo, no predicen los valores futuros con mayor precisión que otros métodos. Si cualquiera de los cubos de espacio-tiempo de la predicción de entrada representa un método basado en bosque, se recomienda mantener activado el parámetro Evaluar usando resultados de validación.

• Si alguno de los cubos de espacio-tiempo de la predicción de entrada predijo un número diferente de periodos de tiempo futuros que otro cubo, la salida contendrá las predicciones del menor número de periodos de tiempo. Por ejemplo, si se proporcionan dos cubos de espacio-tiempo y el primero predice tres periodos de tiempo y el segundo predice cinco, las Entidades de salida y el Cubo de espacio-tiempo de salida predecirán tres periodos de tiempo futuros.

• Si el parámetro Evaluar usando resultados de validación está desactivado, se realiza la prueba de Diebold-Mariano (DM) o Harvey, Leybourne y Newbold (HLN) entre el método seleccionado y todos los demás métodos en cada ubicación. Estas pruebas determinan si el método seleccionado proporciona un ajuste significativamente mejor a la serie temporal que los métodos no seleccionados.

  Más información sobre la prueba HLN de precisión equivalente de predicciones

• Los cubos de espacio-tiempo proporcionados en el parámetro Cubos de espacio-tiempo de predicción de entrada no pueden utilizarse como variables de datos intermedias en ModelBuilder si los cubos aún no se han guardado como archivos netCDF. Si se crea alguno de los cubos de espacio-tiempo en un modelo y aún no existen como archivos, debe ejecutar cada herramienta en ModelBuilder antes de ejecutar todo el modelo.

Sintaxis

EvaluateForecastsByLocation(in_cubes, output_features, {output_cube}, {evaluate_using_validation_results})

Parámetro	Explicación	Tipo de datos
in_cubes [in_cubes,...]	Los cubos de espacio-tiempo de entrada que contienen las predicciones que se desea comparar. Para poder compararlos, todos los cubos de predicción se deben crear a partir de los mismos datos de series temporales originales.	File
output_features	La nueva clase de entidad de salida que representa las ubicaciones del cubo de espacio-tiempo y los campos que contienen los valores de predicción del método seleccionado en cada ubicación. Las ventanas emergentes de las entidades muestran gráficos de los datos de series temporales originales y las predicciones de todos los métodos.	Feature Class
output_cube (Opcional)	El cubo de espacio-tiempo de salida (archivo .nc) que contiene los datos de series temporales originales con las predicciones del método seleccionado en cada ubicación. La herramienta Visualizar el cubo de espacio-tiempo en 3D puede utilizarse para visualizar simultáneamente los valores originales y los predichos.	File
evaluate_using_validation_results (Opcional)	Especifica si el método de predicción de una ubicación se determinará utilizando el RMSE de validación más pequeño o el RMSE de predicción más pequeño. USE_VALIDATION —El método de predicción se determinará utilizando el RMSE de validación más pequeño. Esta es la opción predeterminada. NO_VALIDATION —El método de predicción se determinará utilizando el RMSE de predicción más pequeño.	Boolean

Muestra de código

Ejemplo 1 de EvaluateForecastsByLocation (ventana de Python)

En el siguiente script de Python se muestra cómo utilizar la función EvaluateForecastsByLocation:

import arcpy
arcpy.env.workspace = "C:/Analysis"
# Compare and merge three forecasts from three forecasts.
arcpy.stpm.EvaluateForecastsByLocation("CurveFit.nc;ExpSmooth.nc;ForestBased.nc", 
                                       "Analysis.gdb/Forecasts", 
                                       "outEvaluate.nc","USE_VALIDATION")

Ejemplo 2 de EvaluateForecastsByLocation (script independiente)

En el siguiente script de Python se muestra cómo utilizar la función EvaluateForecastsByLocation para predecir la ubicación:

# Compare and merge three forecasts
# 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
# Run tool
arcpy.stpm.EvaluateForecastsByLocation(["CurveFit.nc", "ExpSmooth.nc", "ForestBased.nc"], 
                                       "Analysis.gdb/Forecasts", "outEvaluate.nc",
                                       "USE_VALIDATION")

Entornos

Espacio de trabajo actual, Sistema de coordenadas de salida

Información de licenciamiento

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