Les outils du jeu d’outils Prévision de séries chronologiques permettent de prévoir et d’estimer les valeurs futures des emplacements d’un cube spatio-temporel, ainsi que d’évaluer et de comparer des modèles de prévision à chaque emplacement dans un cube spatio-temporel. Plusieurs modèles de prévision de séries chronologiques sont disponibles, y compris l’ajustement des courbes simples, le lissage exponentiel et une méthode basée sur une forêt.
| Outil | Description |
|---|---|
Prévoit les valeurs de chaque emplacement d’un cube spatio-temporel grâce à l’ajustement de la courbe. | |
|
Sélectionne le résultat le plus précis pour chaque emplacement d’un cube spatio-temporel, parmi plusieurs résultats de prévision. Cela vous permet d’utiliser plusieurs outils du jeu d’outils Prévision de séries chronologiques avec les mêmes données de séries chronologiques, et de sélectionner la meilleure prévision pour chaque emplacement. | |
|
Prévoit les valeurs de chaque emplacement d’un cube spatio-temporel à l’aide de la méthode de lissage exponentiel Holt-Winters, en décomposant la série chronologique au niveau de chaque cube d’emplacement en composants saisonniers et de tendance. | |
Prévoit les valeurs à chaque emplacement d’un cube spatio-temporel à l’aide d’une adaptation de l’algorithme des forêts aléatoires, qui est une méthode de machine learning supervisée mise au point par Leo Breiman et Adele Cutler. Le modèle de régression basé sur une forêt est entraîné à l’aide de fenêtres horaires définies à chaque emplacement du cube spatio-temporel. |
Ressources supplémentaires
La page Ressources de statistiques spatiales contient une variété de ressources vous aidant à utiliser les outils Statistiques spatiales et Exploration des modèles spatio-temporels :
- Didacticiels pratiques
- Vidéos d’atelier et présentations
- Formation et séminaires Web
- Liens vers des livres, des articles et des papiers techniques
- Exemples de scripts et études de cas
Vous avez un commentaire à formuler concernant cette rubrique ?