Previsión de suavizado exponencial (Herramientas de minería de patrones en espacio-tiempo)
Resumen
Predice los valores de cada ubicación de un cubo de espacio-tiempo utilizando el método de suavizado exponencial Holt-Winters al descomponer las series temporales de cada cubo de ubicación en componentes estacionales y de tendencia.
Más información sobre cómo funciona Predicción suavizada exponencial
Ilustración
Uso
Esta herramienta acepta archivos netCDF creados por las herramientas Crear cubo de espacio-tiempo agregando Puntos, Crear cubo de espacio-tiempo a partir de Entidades Definidas y Crear cubo de espacio-tiempo a partir de capa de ráster multidimensional.
En comparación con otras herramientas de previsión del conjunto de herramientas Previsión de serie temporal, esta es la herramienta recomendada para datos que tienen tendencias moderadas y un comportamiento fuertemente estacional. Al utilizar el modelo de suavizado exponencial, se parte de la base de que el comportamiento estacional y la tendencia pueden separarse, por lo que el modelo resulta más eficaz para datos cuya tendencia cambia gradualmente y sigue patrones estacionales constantes a lo largo del tiempo.
Con la herramienta Evaluar previsiones por ubicación se pueden comparar y fusionar varios cubos de espacio-tiempo previstos. Esto permite crear varios cubos de previsión con parámetros y herramientas de previsión diferentes; la herramienta identificará la mejor previsión correspondiente a cada ubicación por medio del error cuadrático medio de previsión (RMSE) o el RMSE de validación.
Para cada ubicación del parámetro Cubo de espacio-tiempo de entrada, la herramienta crea dos modelos que sirven para diferentes propósitos.
Forecast model—Este modelo se utiliza para pronosticar los valores del cubo espacio-temporal aplicando un suavizado exponencial a los valores de la serie temporal y extrapolando dicho suavizado a intervalos de tiempo futuros. El ajuste del modelo de previsión a los valores del cubo de espacio-tiempo se mide mediante el valor de RMSE de previsión.
Validation model—Este modelo se utiliza para validar el modelo de predicción y evaluar con qué precisión es capaz de predecir los valores. Si se especifica un número mayor que 0 en el parámetro Número de periodos de tiempo a excluir para la validación, este modelo se ajusta a los periodos de tiempo incluidos y se utiliza para predecir los valores de los periodos de tiempo excluidos. Permite ver con qué precisión el modelo puede predecir valores. El ajuste de los valores previstos a los valores excluidos se mide mediante el valor RMSE de validación.
Más información sobre el modelo de previsión, el modelo de validación y la estadística de RMSE
Los valores del parámetro Entidades de salida se agregarán al panel Contenido con una representación en pantalla basada en el periodo de tiempo predicho final.
Esta herramienta genera mensajes de geoprocesamiento y gráficos emergentes que puede utilizar para comprender y visualizar los resultados de predicción. Los mensajes contienen información sobre la estructura del cubo de espacio-tiempo y estadísticas resumidas de los valores de RMSE y la duración de las estaciones. Haga clic en una entidad con la herramienta de navegación Explorar para que aparezca un gráfico de líneas en el panel Elementos emergentes que muestra los valores del cubo de espacio-tiempo, los valores del bosque ajustados, los valores predichos y los límites de confianza de esa ubicación.
El parámetro Opción de valor atípico se puede utilizar para detectar valores atípicos estadísticamente significativos en los valores de la serie temporal de cada ubicación.
Más información sobre cómo detectar valores atípicos de series temporales
La decisión sobre cuántos periodos de tiempo deben excluirse para la validación es importante. Cuantos más periodos de tiempo se excluyan, menores periodos de tiempo se mantienen para estimar el modelo de validación. No obstante, si se excluyen muy pocos periodos de tiempo, el RMSE de validación se estimará usando una pequeña cantidad de datos y puede llevar a engaño. Se recomienda excluir los máximos periodos de tiempo posibles, pero manteniendo a la vez suficientes periodos de tiempo para estimar el modelo de validación. También se recomienda mantener al menos tanto periodos de tiempo para validación como número de periodos de tiempo pretenda pronosticar si el cubo de espacio-tiempo tiene suficientes periodos de tiempo para permitirlo.
El modelo de suavizado exponencial asume que todos los componentes son aditivos y lineales. Siempre se utiliza una tendencia amortiguada, y se admite la estacionalidad aditiva, aunque no es obligatoria. Los intervalos de confianza se construyen bajo la suposición de que los residuos son aditivos y normalmente distribuidos.
Más información sobre los componentes del modelo de suavizado exponencial
Parámetros
| Etiqueta | Explicación | Tipo de datos |
|---|---|---|
|
Cubo de espacio-tiempo de entrada |
El cubo netCDF que contiene la variable para predecir los periodos de tiempo futuros. Este archivo debe tener la extensión |
File |
|
Variable de análisis |
Variable numérica del archivo netCDF que se pronosticará en periodos de tiempo futuros. |
String |
|
Entidades de salida |
La clase de entidad de salida de todas las ubicaciones en el cubo espacio-tiempo con valores predichos almacenados como campos. La capa muestra la predicción del paso de tiempo final y contiene gráficos emergentes que muestran las series de tiempo, las predicciones y los límites de confianza del 90 por ciento de cada ubicación. |
Feature Class |
|
Cubo de espacio-tiempo de salida (Opcional) |
Nuevo cubo de espacio-tiempo (archivo |
File |
|
Número de periodos de tiempo para previsión (Opcional) |
Entero positivo que especifica el número de periodos de tiempo de la previsión. Este valor no puede ser mayor que el 50% de los periodos de tiempo totales del cubo de espacio-tiempo de entrada. El valor predeterminado es un periodo de tiempo. |
Long |
|
Duración de estación |
El número de periodos de tiempo correspondientes a una estación en cada ubicación. Si los datos abarcan varias estaciones, se recomienda utilizar la estación más larga para obtener el resultado más fiable. Si no se especifica ningún valor, la herramienta estimará la duración de la estación en cada ubicación utilizando una función de densidad espectral. |
Long |
|
Número de periodos de tiempo a excluir para validación (Opcional) |
Número de periodos de tiempo al final de cada serie temporal que se excluirá para validación. El valor predeterminado es el 10% (redondeado por defecto) del número de periodos de tiempo de entrada y no puede ser mayor que el 25% del número de periodos de tiempo. Si no quiere excluir ningún periodo de tiempo, introduzca el valor 0. |
Long |
|
Opción de valor atípico (Opcional) |
Especifica si se identificarán valores atípicos de series temporales estadísticamente significativos.
|
String |
|
Nivel de confianza (Opcional) |
Especifica el nivel de confianza que se utilizará para la prueba de los valores atípicos de series temporales.
|
String |
|
Número máximo de valores atípicos |
El número máximo de periodos de tiempo que se pueden declarar como valores atípicos para cada ubicación. El valor predeterminado corresponde a un cinco por ciento (redondeado a la baja) del número de periodos de tiempo del cubo de espacio-tiempo de entrada (siempre se utilizará un valor de al menos 1). Este valor no puede superar el 20 por ciento del número de periodos de tiempo. |
Long |
Entornos
Sistema de coordenadas de salida
Información de licenciamiento
- Basic: Sí
- Standard: Sí
- Avanzado: Sí
Temas relacionados
- Descripción general de la caja de herramientas Minería de patrones en espacio-tiempo
- Una vista general del conjunto de herramientas de previsión de serie temporal
- Previsión de ajuste de curva
- Evaluar previsiones por ubicación
- Previsión basada en bosque
- Comprender los valores atípicos en el análisis de serie temporal
- Más información sobre cómo funciona Predicción suavizada exponencial
- Buscar una herramienta de geoprocesamiento