| ラベル | 説明 | データ タイプ |
入力時空間キューブ
| 将来の時間ステップについて予測する変数を含む netCDF キューブ。このファイルは、*.nc ファイル拡張子が付加され、[ポイントの集約による時空間キューブの作成 (Create Space Time Cube By Aggregating Points)] ツール、[定義済みの場所から時空間キューブを作成 (Create Space Time Cube From Defined Locations)] ツール、または [多次元ラスター レイヤーから時空間キューブを作成 (Create Space Time Cube from Multidimensional Raster Layer)] ツールで作成されている必要があります。 | File |
分析変数
| 将来の時間ステップについて予測される、netCDF ファイル内の数値変数。 | String |
出力フィーチャ |
時空間キューブ内のすべての位置の出力フィーチャクラスで、予測される値がフィールドとして格納されます。 レイヤーには最終時間ステップの予測と、各位置の時系列、予測、および 90% の信頼区間を示すポップアップ チャートが表示されます。 | Feature Class |
出力時空間キューブ
(オプション) | 入力時空間キューブの値を含み、予測された時間ステップが追加された、新しい時空間キューブ (*.nc ファイル)。[時空間キューブを 3D で視覚化 (Visualize Space Time Cube in 3D)] ツールを使用して、観測および予測されたすべての値を同時に参照できます。 | File |
予測する時間ステップ数
(オプション) | 予測する時間ステップ数を指定する正の整数。この値は、入力時空間キューブの合計時間ステップ数の 50% より大きくできません。デフォルト値は 1 時間ステップです。 | Long |
季節の長さ
| 各場所での 1 つの季節に対応する時間ステップ数。データに複数の季節が存在する場合、最も信頼性の高い結果を得るため、最も長い季節を使用することをお勧めします。値を指定しない場合、場所ごとにツールによりスペクトル密度関数を使用して季節の長さが推定されます。 | Long |
検証から除外する時間ステップ数
(オプション) | 各時系列の最後で、検証のため除外する時間ステップ数。デフォルト値は入力時間ステップ数の 10% (端数切り捨て) で、この値は時間ステップ数の 25% より大きくできません。値 0 を指定すると、時間ステップは一切除外されません。 | Long |
外れ値オプション
(オプション) | 統計的に有意な時系列外れ値が特定されるかどうかを指定します。
| String |
信頼度 (オプション) | 時系列外れ値のテストの信頼度を指定します。
| String |
外れ値の最大数
| 各場所で外れ値を宣言できる時間ステップの最大数。デフォルト値は、入力時空間キューブの時間ステップ数の 5 パーセント (端数切り捨て) に相当します (1 以上の値が必ず使用されます)。この値は、時間ステップ数の 20 パーセントを超えることはできません。 | Long |
図
使用法
このツールでは、[ポイントの集約による時空間キューブの作成 (Create Space Time Cube By Aggregating Points)] ツール、[定義済みのフィーチャから時空間キューブを作成 (Create Space Time Cube From Defined Features)] ツール、および [多次元ラスター レイヤーから時空間キューブを作成 (Create Space Time Cube from Multidimensional Raster Layer)] ツールによって作成された netCDF ファイルを使用できます。
[時系列予測] ツールセット内の他の予測ツールと比較すると、このツールは緩やかなトレンドと強い季節性の動作を示すデータに対してお勧めします。指数平滑法のモデルを使用すると、季節的な動作とトレンドが分離可能なものと想定されるため、モデルはトレンドが次第に変化しながら、長期的に一貫した季節的パターンに従うデータで最も有効です。
[位置による予測評価 (Evaluate Forecasts By Location)] ツールを使用して、予測される複数の時空間キューブを比較およびマージできます。これによって、別々の予測ツールやパラメーターを使用して複数の予測キューブを作成し、予測 RMSE (二乗平均平方根誤差) または検証 RMSE を使用して場所ごとに最適な予測をツールで判定できます。
[入力時空間キューブ] パラメーターの各位置について、ツールは異なる目的に対応するよう 2 つのモデルを構築します。
- 予測モデル - このモデルは、時系列の値に指数平滑法を適用し、その平滑化を将来の時間ステップまで延長して外挿し、時空間キューブの値を予測するため使用されます。予測モデルが時空間キューブの値にどの程度適合しているかは、予測 RMSE 値により測定されます。
- 検証モデル - このモデルは、予測モデルを検証し、値の精度をテストするために使用されます。[検証から除外する時間ステップ数] パラメーターに 0 より大きい数値が指定された場合、このモデルは包含されている時間ステップに当てはめられ、除外された時間ステップの値を予測するため使用されます。これにより、選択したモデルが値をどれだけ的確に予測できるかを確認できます。予測される値が除外された値とどの程度適合しているかは、検証 RMSE 値により測定されます。
[出力フィーチャ] パラメーター値は [コンテンツ] ウィンドウに追加され、最終的に予測された時間ステップに基づいてレンダリングされます。
-
このツールは、予測結果の理解と視覚化に役立つよう、ジオプロセシング メッセージとポップアップ チャートを作成します。 メッセージには、時空間キューブの構造と、RMSE 値および季節の長さの統計情報サマリーに関する情報が含まれます。 [マップ操作] ナビゲーション ツールを使用してフィーチャをクリックすると、その場所の時空間キューブ、適合フォレスト値、予測値、信頼区間などの値を表示した [ポップアップ] ウィンドウに、ライン チャートが表示されます。
[外れ値オプション] パラメーターを使用して、各場所における時系列値の統計的に有意な外れ値を検出できます。
検証のとき、どの程度の時間ステップを除外するかは重要な選択です。除外する時間ステップを増やすと、検証モデルを推定する時間ステップが少なくなってしまいます。ただし、除外する時間ステップが少なすぎると、検証 RMSE は少量のデータを使用して推定されることになり、誤解を招きやすくなります。検証モデルの評価に十分な時間ステップを維持しながら、できる限り多くの時間ステップを除外することをお勧めします。また、時空間キューブに十分な時間ステップが存在するなら、最低でも予測に使用する時間ステップと同じ数の時間ステップを検証用に保持することをお勧めします。
指数平滑法モデルは、すべての成分が加法的かつ線形的であると想定します。常に減衰されたトレンドが使用され、加法的な季節性はサポートされますが必須ではありません。信頼区間は、残差が加法的かつ正規分布している前提で構築されています。
パラメーター
arcpy.stpm.ExponentialSmoothingForecast(in_cube, analysis_variable, output_features, {output_cube}, {number_of_time_steps_to_forecast}, season_length, {number_for_validation}, {outlier_option}, {level_of_confidence}, maximum_number_of_outliers)| 名前 | 説明 | データ タイプ |
in_cube | 将来の時間ステップについて予測する変数を含む netCDF キューブ。このファイルは、*.nc ファイル拡張子が付加され、[ポイントの集約による時空間キューブの作成 (Create Space Time Cube By Aggregating Points)] ツール、[定義済みの場所から時空間キューブを作成 (Create Space Time Cube From Defined Locations)] ツール、または [多次元ラスター レイヤーから時空間キューブを作成 (Create Space Time Cube from Multidimensional Raster Layer)] ツールで作成されている必要があります。 | File |
analysis_variable | 将来の時間ステップについて予測される、netCDF ファイル内の数値変数。 | String |
output_features |
時空間キューブ内のすべての位置の出力フィーチャクラスで、予測される値がフィールドとして格納されます。 レイヤーには最終時間ステップの予測と、各位置の時系列、予測、および 90% の信頼区間を示すポップアップ チャートが表示されます。 | Feature Class |
output_cube (オプション) | 入力時空間キューブの値を含み、予測された時間ステップが追加された、新しい時空間キューブ (*.nc ファイル)。[時空間キューブを 3D で視覚化 (Visualize Space Time Cube in 3D)] ツールを使用して、観測および予測されたすべての値を同時に参照できます。 | File |
number_of_time_steps_to_forecast (オプション) | 予測する時間ステップ数を指定する正の整数。この値は、入力時空間キューブの合計時間ステップ数の 50% より大きくできません。デフォルト値は 1 時間ステップです。 | Long |
season_length | 各場所での 1 つの季節に対応する時間ステップ数。データに複数の季節が存在する場合、最も信頼性の高い結果を得るため、最も長い季節を使用することをお勧めします。値を指定しない場合、場所ごとにツールによりスペクトル密度関数を使用して季節の長さが推定されます。 | Long |
number_for_validation (オプション) | 各時系列の最後で、検証のため除外する時間ステップ数。デフォルト値は入力時間ステップ数の 10% (端数切り捨て) で、この値は時間ステップ数の 25% より大きくできません。値 0 を指定すると、時間ステップは一切除外されません。 | Long |
outlier_option (オプション) | 統計的に有意な時系列外れ値が特定されるかどうかを指定します。
| String |
level_of_confidence (オプション) | 時系列外れ値のテストの信頼度を指定します。
| String |
maximum_number_of_outliers | 各場所で外れ値を宣言できる時間ステップの最大数。デフォルト値は、入力時空間キューブの時間ステップ数の 5 パーセント (端数切り捨て) に相当します (1 以上の値が必ず使用されます)。この値は、時間ステップ数の 20 パーセントを超えることはできません。 | Long |
コードのサンプル
次の Python スクリプトは、[ExponentialSmoothingForecast] ツールの使用方法を示します。
import arcpy
arcpy.env.workspace = "C:/Analysis"
# Forecast four time steps using exponential smoothing.
arcpy.stpm.ExponentialSmoothingForecast("Temperature.nc","Temp_NONE_ZEROS",
"Analysis.gdb/Forecasts",
"outForecastCube.nc", 4, 2, 5)次の Python スクリプトは、[ExponentialSmoothingForecast] ツールを使用して温度を予測する方法を示します。
# Forecast temperature using exponential smoothing.
# 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.
arcpy.stpm.ExponentialSmoothingForecast("Temperature.nc","Temp_NONE_ZEROS",
"Analysis.gdb/Forecasts",
"outForecastCube.nc", 3, 2, 5,
"IDENTIFY", "90%", 4)
# Create a feature class visualizing the forecasts.
arcpy.stpm.VisualizeSpaceTimeCube3D("outForecastCube.nc", "Temp_NONE_ZEROS",
"VALUE", "Analysis.gdb/ForecastsFC")ライセンス情報
- Basic: Yes
- Standard: Yes
- Advanced: Yes