| Подпись | Описание | Тип данных |
Входные кубы прогнозирования пространство-время
| Входные кубы пространство-время, которые содержат прогнозы для сравнения. Для того, чтобы их можно было сравнить, все кубы прогнозов должны быть созданы на основе одних и тех же исходных данных временных рядов. | File |
Выходные объекты
| Новый выходной класс объектов, представляющий местоположения в кубе пространство-время и поля, содержащие предсказанные значения выбранного метода для каждого из местоположений. Всплывающие окна объектов показывают диаграммы с исходными данными временных рядов и прогнозами по всем методам. | Feature Class |
Выходной куб пространство-время
(Дополнительный) | Выходной куб пространство-время (файл .nc), содержащий исходные данных временных рядов с выбранным методов прогнозирования в каждой локации. Можно использовать инструмент Визуализировать куб пространство-время 3D, чтобы одновременно просмотреть исходное и предсказанное значения. | File |
Оценка с использованием результатов проверки
(Дополнительный) | Определяет, как был выбран метод прогнозирования для местоположения: на основе наименьшей RMSE проверки или наименьшей RMSE прогноза.
| Boolean |
Краткая информация
Выбирает наиболее точное значение между несколькими результатами прогноза для каждого местоположения в кубе пространство-время. Таким образом вы можете использовать несколько инструментов из группы Прогнозирование временных рядов для одних и тех же временных рядов и выбрать наилучший прогноз для каждого местоположения.
Более подробно о работе инструмента Оценка прогнозов по местоположению
Иллюстрация
Использование
Все кубы пространство-время, указанные в параметре Входной куб пространство-время для прогноза, должны быть созданы с помощью группы инструментов Прогнозирование временных рядов с использованием одного и того же входного куба пространство-время.
Для каждого местоположения этот инструмент определяет метод прогнозирования, который дает наименьшее значение средней квадратической ошибки (RMSE). Это может привести к тому, что для соседних местоположений могут быть определены разные методы. Например, если ваши данные представляют ежегодную численность населения округов, то один из округов может использовать метод на основе леса, а два соседних - кривую Гомперса и метод сглаживания сезонной экспоненты. Подумайте, имеет ли смысл использовать разные методы прогноза с разными геометриями для разных местоположений, и определите, действительно ли выбор метода прогноза по местоположению дает заметное уменьшение RMSE прогноза или проверки в этих местоположениях.. Если использование одинакового метода для каждого местоположения дает достаточно точный результат по сравнению с разными методами для каждой локации, то принцип скупости гласит, что предпочтителен единый метод прогноза для всех местоположений.
Выходные объекты будут добавлены на панель Содержание с отрисовкой на основе финального предсказанного временного шага для выбранного метода в каждой локации.
-
Этот инструмент создает сообщения геообработки и интерактивные диаграммы во всплывающих окнах, которые помогут вам понять и визуализировать результаты. Эти сообщения содержат информацию о структуре пространственно-временного куба, суммарной статистике значений RMSE и суммирует количество местоположений для каждого из методов прогноза. При щелчке на объекте с помощью инструмента Исследовать на панели Всплывающее окно будет показана линейная диаграмма со значениями куба пространство-время и предсказанными значениями для каждого метода прогноза. На графике будет подсвечен метод прогноза, выбранный для каждой локации.
Методы прогнозирования, созданные с помощью инструмента Прогноз на основе леса, обычно обеспечивают наилучшее соответствие временному ряду местоположения, но они часто не позволяют прогнозировать будущие значения более точно, чем другие методы. Если любые из входных кубов пространство-время представляют собой метод на основе леса, рекомендуется оставить отмеченным параметр Оценить, используя результаты проверки.
Если любые из входных прогнозных кубов пространство-время прогнозируют количество будущих временных шагов, отличное от другого куба, результат будет содержать прогноз для наименьшего количества временных шагов между ними. Например, если указаны два куба пространство-время, где первый предсказывает три временных шага, а второй - пять временных шагов, то Выходные объекты и Выходной куб пространство-время будут предсказывать три будущих временных шага.
Если не отмечен параметр Оценить, используя результаты проверки, то для сравнения между выбранным методом и всеми другими методами в каждом местоположении выполняется тест Diebold-Mariano (DM) или Harvey, Leybourne и Newbold (HLN). Эти тесты определяют, будет ли выбранный метод давать существенно большую точность для временных рядов по сравнению с методами, которые не были выбраны.
Более подробно о тесте HLN для эквивалентной точности прогнозов
Если вы ранее выбрали определение выбросов в любом из кубов пространства-времени, указанных в параметре Входные кубы прогнозирования пространство-время, эта информация не будет включаться в выходные объекты или в выходной куб пространства-времени.
Кубы пространство-время, указанные в параметре Входные кубы прогнозирования пространство-время, не могут использоваться в качестве промежуточных переменных данных в ModelBuilder, если они еще не сохранены в виде файлов netCDF. Если какой-либо из кубов пространство-время создан в модели, но еще не существует в виде файлов, необходимо запустить каждый инструмент в ModelBuilder перед запуском всей модели.
Параметры
arcpy.stpm.EvaluateForecastsByLocation(in_cubes, output_features, {output_cube}, {evaluate_using_validation_results})| Имя | Описание | Тип данных |
in_cubes [in_cubes,...] | Входные кубы пространство-время, которые содержат прогнозы для сравнения. Для того, чтобы их можно было сравнить, все кубы прогнозов должны быть созданы на основе одних и тех же исходных данных временных рядов. | File |
output_features | Новый выходной класс объектов, представляющий местоположения в кубе пространство-время и поля, содержащие предсказанные значения выбранного метода для каждого из местоположений. Всплывающие окна объектов показывают диаграммы с исходными данными временных рядов и прогнозами по всем методам. | Feature Class |
output_cube (Дополнительный) | Выходной куб пространство-время (файл .nc), содержащий исходные данных временных рядов с выбранным методов прогнозирования в каждой локации. Можно использовать инструмент Визуализировать куб пространство-время 3D, чтобы одновременно просмотреть исходное и предсказанное значения. | File |
evaluate_using_validation_results (Дополнительный) | Определяет, как был выбран метод прогнозирования для местоположения: на основе наименьшей RMSE проверки или наименьшей RMSE прогноза.
| Boolean |
Пример кода
Следующий скрипт Python, демонстрирующий выполнение функции 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")В следующем скрипте Python показано использование функции EvaluateForecastsByLocation для прогноза численности населения:
# 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")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
- Прогноз экспоненциального сглаживания
- Прогноз на основе леса
- Понимание выбросов в анализе временных рядов
- Как работает Оценка прогнозов по местоположению
- Поиск инструмента геообработки