Сводка
Прогнозирует будущие значения каждого местоположения куба пространства-времени с использованием метода экспоненциального сглаживания Холта-Винтерса путем разложения временного ряда в каждом кубе местоположения на сезонные и трендовые компоненты
Более подробно о том, как работает инструмент Прогноз экспоненциального сглаживания
Иллюстрация
Использование
Этот инструмент поддерживает файлы netCDF, созданные инструментами Создать куб Пространство-Время по агрегации точек, Создать куб Пространство-Время из указанных местоположений и Создать куб Пространство-Время из многомерного растрового слоя.
По сравнению с другими инструментами прогнозирования в группе инструментов Прогнозирование временных рядов этот инструмент рекомендуется использовать для данных с умеренными тенденциями и сильным сезонным поведением. Модель экспоненциального сглаживания предполагает, что сезонное поведение и тренд могут быть разделены, поэтому она будет наиболее эффективна для данных, для которых тренд изменяется постепенно и следует последовательным сезонным закономерностям с течением времени.
Несколько прогнозируемых кубов пространство-время можно сравнить и объединить с помощью инструмента Оценить прогнозы по местоположению. Это позволит создавать несколько прогнозных кубов с использованием различных инструментов и параметров прогнозирования, а инструмент будет определять наилучший прогноз для каждого местоположения, используя для прогноза Среднеквадратичную ошибку (RMSE), либо Проверку RMSE.
Для каждого местоположения во Входном куб пространство-время инструмент строит две модели, которые служат разным целям.
- Прогнозная модель – эта модель используется для прогнозирования будущих значений куба пространство-время путем выполнения экспоненциального сглаживания по значениям временного ряда и распространения этого сглаживания на будущие временные шаги. Подгонка прогнозной модели к значениям куба пространство-время измеряется прогнозным значением RMSE.
- Модель проверки – эта модель используется для проверки прогнозной модели и проверки того, насколько точно она может прогнозировать будущие значения. Если для параметра Количество временных шагов, исключаемых для проверки, задано число больше 0, то эта модель подгоняется к временным шагам, которые не были исключены, и используется для прогнозирования значений временных шагов, которые были исключены. Это позволяет увидеть, насколько хорошо модель может прогнозировать будущие значения. Подгонка прогнозных значений к исключенным значениям измеряется Проверкой RMSE.
Более подробно о прогнозной модели, модели проверки и статистике RMSE
Раздел Выходные объекты будет добавлен на панель Содержание с отображением, основанным на конечном прогнозируемом временном шаге.
-
Этот инструмент создает сообщения геообработки и всплывающие диаграммы, чтобы помочь вам понять и визуализировать результаты прогноза. Сообщения содержат информацию о структуре куба Пространство-Время и сводную статистику значений RMSE и длин сезонов. Если щелкнуть по объекту с помощью инструмента навигации Исследовать, отображается линейная диаграмма во всплывающей панели, которая показывает значения куба Пространство-Время, соответствующие значения леса, прогнозные значения и допустимые границы для этого местоположения.
Решение о том, сколько временных шагов следует исключить для проверки, является важным выбором. Чем больше временных шагов исключается, тем меньше остается времени для оценки модели проверки. Однако если исключить слишком мало временных шагов, то Проверка RMSE будет оцениваться с использованием небольшого объема данных и может выдать результат, вводящий в заблуждение. Рекомендуется исключить как можно больше временных шагов, сохраняя при этом достаточное число временных шагов для оценки модели проверки. Также предполагается, что вы удерживаете по крайней мере такое количество временных шагов для проверки, которое равно количеству временных шагов, которые вы собираетесь спрогнозировать, если ваш куб пространство-время имеет достаточно временных шагов, чтобы позволить это.
Этот инструмент предполагает, что все компоненты модели экспоненциального сглаживания являются аддитивными и линейными. Всегда используется затухающий тренд, и аддитивная сезонность поддерживается, но не требуется. Невязки модели считаются аддитивными и нормально распределенными и используются для вычисления доверительных интервалов.
Более подробно о компонентах модели экспоненциального сглаживания
Синтаксис
ExponentialSmoothingForecast(in_cube, analysis_variable, output_features, {output_cube}, {number_of_time_steps_to_forecast}, season_length, {number_for_validation})| Parameter | Объяснение | Тип данных |
in_cube | Куб netCDF, содержащий переменную, которую вы хотите спрогнозировать на будущие временные шаги. Файл должен быть с расширением .nc, и должен быть создан инструментами Создать куб Пространство-Время по агрегации точек, Создать куб Пространство-Время из указанных местоположений или Создать куб Пространство-Время из многомерного растрового слоя. | File |
analysis_variable | Числовая переменная в файле netCDF, которая будет прогнозироваться на будущие временные шаги. | String |
output_features | Выходной класс пространственных объектов всех местоположений в кубе Пространство-Время с прогнозируемыми значениями, хранящимися в полях. Слой отображает прогноз для последнего временного шага и содержит всплывающие диаграммы, показывающие временные ряды, прогнозы и 90-процентные допустимые границы для каждого местоположения. | Feature Class |
output_cube (Дополнительный) | Новый куб пространство-время (.nc файл), содержащий значения входного куба пространство-время с добавлением прогнозируемых временных шагов. Инструмент Визуализация куба Пространство-Время в 3D можно использовать для одновременного просмотра всех наблюдаемых и прогнозируемых значений. | File |
number_of_time_steps_to_forecast (Дополнительный) | Положительное целое число, определяющее количество временных шагов для прогнозирования. Это значение не может быть больше 50 процентов от общего числа временных шагов во Входном кубе пространства-времени. Значение по умолчанию равно одному временному шагу. | Long |
season_length | Количество временных шагов, соответствующих одному сезону в каждом местоположении. Если в ваших данных есть несколько сезонов, рекомендуется использовать самый длинный сезон для получения наиболее надежного результата. Если оставить его пустым, то продолжительность сезона будет оценена инструментом в каждом месте с помощью функции спектральной плотности. | Long |
number_for_validation (Дополнительный) | Количество временных шагов в конце каждого временного ряда, которые необходимо исключить для проверки. Значение по умолчанию равно 10 процентам (округляется в меньшую сторону) от числа входных временных шагов, и это значение не может быть больше 25 процентов от числа временных шагов. Укажите значение 0, чтобы не исключать никаких временных шагов. | Long |
Пример кода
В следующем скрипте окна Python показано, как использовать инструмент ExponentialSmoothingForecast.
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)В следующем скрипте окна Python показано, как использовать инструмент ExponentialSmoothingForecast для прогнозирования температуры:
# 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)
12345678901234567890123456789012345671234567890123456789012345678901234567890890
# Create a feature class visualizing the forecasts.
arcpy.stpm.VisualizeSpaceTimeCube3D("outForecastCube.nc", "Temp_NONE_ZEROS",
"VALUE", "Analysis.gdb/ForecastsFC")Environments
Информация о лицензиях
- Basic: Да
- Standard: Да
- Advanced: Да
Связанные разделы
- Обзор набора инструментов Углубленный анализ пространственно-временных закономерностей
- Обзор группы инструментов Временные ряды прогнозирования
- Прогнозирование подгонки кривой
- Оценка прогнозов по местоположению
- Прогноз на основе леса
- Как работает Прогноз экспоненциального сглаживания
- Поиск инструмента геообработки