Подпись | Описание | Тип данных |
Входные данные временного ряда | Куб netCDF, содержащий переменную, которая будет использоваться, чтобы спрогнозировать будущие временные ряды. 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 |
Выходная модель | Расположение выходной папки, в которой будет храниться обученная модель. Обученная модель будет сохранена как файл пакета глубокого обучения (.dlpk). | Folder |
Переменная анализа | Числовая переменная в наборе данных, которая будет прогнозироваться на будущие временные шаги. | String |
Длина последовательности | Количество предыдущих временных шагов, которые будут использованы при обучении модели. Если данные содержат сезонность (повторяющиеся циклы), укажите продолжительность, соответствующую одному сезону.
| Long |
Независимые переменные обучения (Дополнительный) | Независимые переменные от данных, которые будут использоваться для обучения модели. Включите опцию Категориальная для любых переменных, которые представляют классы или категории. | Value Table |
Максимальное число периодов времени (Дополнительный) | Максимальное количество периодов времени, для которых будет обучаться модель. Значение по умолчанию равно 20. | Long |
Количество временных рядов, исключаемых для проверки (Дополнительный) | Количество временных рядов, которые будут исключены для проверки. Например, если указано значение 14, в качестве данных проверки будут использоваться последние 14 строк во фрейме данных. По умолчанию это 10 процентов общих временных шагов. В идеале он должен составлять не менее 5 процентов от общего числа шагов во входном временном кубе.
| Long |
Тип модели (Дополнительный) | Определяет архитектуру модели, которая будет использоваться для обучения модели.
| String |
Размер пакета (Дополнительный) | Количество выборок, которые будут обрабатываться за один раз. Значение по умолчанию - 64. В зависимости от графического процессора компьютера это число может быть изменено на 8, 16, 32, 64 и так далее. | Long |
Аргументы модели (Дополнительный) | Дополнительные аргументы модели, которые будут использоваться для каждой модели. Эти аргументы можно использовать для настройки сложности и размера модели. См. Как работают модели прогнозирования временных рядов, чтобы понять архитектуру модели, поддерживаемые аргументы модели и их значения по умолчанию. | Value Table |
Остановка обучения, если модель более не улучшается. (Дополнительный) | Указывает, остановится ли обучение модели, если потеря проверки не зарегистрирует улучшение после пяти последовательных эпох.
| Boolean |
Выходной класс объектов (Дополнительный) | Выходной класс объектов, содержащий все местоположения куба пространства-времени с прогнозируемыми значениями, хранящимися в виде полей. Класс объектов будет создан с использованием прогноза обученной модели в наборе данных проверки. Выходные данные отображают прогноз для последнего временного ряда и содержат всплывающие диаграммы, показывающие прогноз временных рядов в наборе проверки. | Feature Class |
Выходной куб (Дополнительный) | Выходной пространственно-временной куб (файл .nc), содержащий значения входного пространственно-временного куба с замененными прогнозными значениями для соответствующих временных шагов проверки. | File |
Многошаговый (Дополнительный) | Определяет, будет ли использоваться одношаговый или многошаговый подход для обучения многомерной модели прогнозирования временных рядов.
| Boolean |
Производные выходные данные
Подпись | Описание | Тип данных |
Файл выходной модели | Обученная модель будет сохранена как файл пакета глубокого обучения (.dlpk) в выходной папке модели. | File |