Prévision basée sur une forêt (Outils d'exploration des modèles spatio-temporels)
Résumé
Prévoit les valeurs à chaque emplacement d’un cube spatio-temporel à l’aide d’une adaptation de l’algorithme des forêts aléatoires, qui est une méthode de machine learning supervisée mise au point par Leo Breiman et Adele Cutler. Le modèle de régression basé sur une forêt est entraîné à l’aide de fenêtres horaires définies à chaque emplacement du cube spatio-temporel.
En savoir plus sur le fonctionnement de l’outil Prévision basée sur une forêt
Illustration
Utilisation
Cet outil accepte les fichiers netCDF créés par les outils Créer un cube spatio-temporel en agrégeant des points, Créer un cube spatio-temporel à partir de localisations définies, Créer un cube spatio-temporel à partir d’une couche raster multidimensionnelle et Subdiviser un cube spatio-temporel.
Comparé aux autres outils de prévision du jeu d’outils Prévision de séries chronologiques, cet outil est plus complexe, mais inclut moins d’hypothèses concernant les données. Il est recommandé de l’utiliser pour les séries chronologiques aux tendances et formes compliquées plus difficiles à modéliser via de simples fonctions mathématiques ou lorsque les hypothèses d’autres méthodes ne donnent pas satisfaction. Il est également recommandé si votre cube spatio-temporel contient d’autres variables associées à la variable en cours de prévision. Ces variables peuvent être incluses en tant que variables explicatives pour améliorer la prévision.
De plus, cet outil est le seul outil de prévision qui vous permet de créer des modèles à diverses échelles géographiques. Au lieu de créer un modèle de prévision indépendant à chaque emplacement d’un cube spatio-temporel, cet outil vous permet de créer un modèle de prévision globale unique qui utilise chaque emplacement en tant que données d’entraînement. S’il existe des résultats de l’agrégation de séries chronologiques pour une variable du cube spatio-temporel en entrée, vous pouvez également créer un modèle de prévision différent pour chaque agrégat.
Le paramètre Model Scale (Échelle de modèle) peut être utilisé afin de spécifier l’échelle utilisée pour estimer les modèles basés sur une forêt. Ce paramètre comporte les trois options suivantes :
Individual location (Localisation spécifique) : un modèle différent est estimé indépendamment pour chaque localisation du cube spatio-temporel. Il s’agit de l’option par défaut.
Entire cube (Cube entier) : un modèle unique est estimé en utilisant toutes les localisations comme données d’entraînement. Le modèle partagé sera utilisé pour prévoir les valeurs futures à chaque emplacement.
Time series cluster (Agrégat de séries chronologiques) : un modèle différent est estimé indépendamment pour chaque agrégat d’un résultat d’agrégation de séries chronologiques. Indiquez la variable avec les résultats d’agrégation de séries chronologiques dans le paramètre Cluster Variable (Variable d’agrégat). Vous devez utiliser l’outil Agrégation de séries chronologiques sur la variable. Vous pouvez utiliser n’importe quelle variable avec les résultats d’agrégation de séries chronologiques, y compris la variable d’analyse.
En savoir plus sur l’estimation de modèles à différentes échelles
Il est possible de comparer et fusionner plusieurs cubes spatio-temporels prévus à l’aide de l’outil Évaluer les prévisions par localisation. Cela vous permet de créer plusieurs cubes de prévision à l’aide de différents outils et paramètres de prévision ; l’outil identifie la meilleure prévision pour chaque emplacement à l’aide de la racine carrée de l’erreur quadratique moyenne (RMSE) ou racine carrée de l’erreur quadratique moyenne de validation.
Tout en prévoyant les valeurs futures, l’outil génère deux modèles dont l’objectif est différent.
Forecast model—Ce modèle permet de prévoir et d’estimer les valeurs d’un cube spatio-temporel en générant une forêt qui utilise les valeurs d’une série chronologique et en utilisant cette forêt pour prévoir les valeurs des phases futures. L’adéquation du modèle de prévision aux valeurs du cube spatio-temporel est mesurée grâce à la valeur EQM prévue.
Validation model—Ce modèle permet de valider le modèle de prévision et de tester la précision de ses prévisions des valeurs. Si un nombre supérieur à 0 est spécifié pour le paramètre Number of Time Steps to Exclude for Validation (Nombre d’intervalles temporels à exclure de la validation), ce modèle est généré à l’aide des intervalles temporels inclus et permet de prévoir les valeurs des intervalles temporels exclus. Cela vous permet d’examiner la précision du modèle pour la prévision des valeurs. L’adéquation des valeurs prévues par rapport aux valeurs exclues est mesurée grâce à la valeur EQM de validation.
En savoir plus sur le modèle de prévision, le modèle de validation et les statistiques EQM
Les valeurs du paramètre Output Features (Entités en sortie) sont ajoutées à la fenêtre Contents (Contenu) avec un rendu dépendant de l’intervalle temporel final prévu.
Cet outil génère des messages de géotraitement et des diagrammes contextuels que vous pouvez utiliser pour comprendre et visualiser les résultats prévus. Les messages renferment des informations sur la structure du cube spatio-temporel ainsi que des statistiques synthétiques sur les valeurs EQM et la durée des saisons. Cliquez sur une entité à l’aide de l’outil de navigation Explorer pour afficher un diagramme linéaire dans la fenêtre contextuelle montrant les valeurs du cube spatio-temporel, les valeurs ajustées de la forêt, les valeurs prévues et les limites de confiance pour cette localisation.
Vous pouvez inclure des variables explicatives pour améliorer les prévisions à l’aide du paramètre Other Variables (Autres variables). Si d’autres variables sont fournies, le modèle de prévision consiste en une prévision basée sur une forêt multivariée. Chaque variable explicative est convertie en un facteur différé dans chaque fenêtre horaire utilisée pour entraîner le modèle de forêt. Vous pouvez ainsi estimer n’importe quel effet différé (retardé) entre les variables explicatives et la variable d’analyse. Par exemple, une augmentation du nombre d’hospitalisations pendant une pandémie peut prédire le nombre de morts 14 jours plus tard, tandis que le nombre d’hospitalisations peut mal prédire le nombre de morts dans les 3 prochains jours. Le nombre de décalages temporels étant égal à la valeur du paramètre Time Step Window (Fenêtre des intervalles temporels), la fenêtre horaire doit être plus grande que tout effet différé que vous souhaitez capturer.
Le paramètre Output Importance Table (Table d’importance en sortie) crée une table affichant les facteurs les plus importants à chaque localisation et comprend un diagramme à barres Time Lag Importance (Importance du décalage temporel) affichant les totaux des facteurs les plus importants parmi toutes les localisations, triés par décalage temporel dans la fenêtre horaire. Vous pouvez ainsi voir quelles variables ont été importantes pour prédire la valeur de la variable d’analyse et visualiser le décalage associé lorsque le facteur était le plus important. Par exemple, si le nombre d’hospitalisations est associé au nombre de morts survenant 14 jours plus tard, la fenêtre d’intervalle temporel doit être d’au moins 14 jours et vous devriez observer un nombre élevé d’hospitalisations environ 14 jours avant la fin de la fenêtre horaire.
Le nombre de facteurs considérés comme importants à chaque localisation dépend de la valeur du paramètre Importance Threshold (Seuil d’importance). Par exemple, si la valeur 15 est utilisée, les facteurs classés parmi les meilleurs 15 % à chaque emplacement sont inclus dans la table et le diagramme.
Le paramètre Outlier Option (Option de point aberrant) permet de détecter des points aberrants statistiquement significatifs dans les valeurs de série chronologique à chaque localisation.
En savoir plus sur la détection des points aberrants de série chronologique
Si vous sélectionnez l’option Identify outliers (Identifier les points aberrants) pour le paramètre Outlier Option (Option de point aberrant), il est recommandé d’indiquer une valeur pour le paramètre Time Step Window (Fenêtre des intervalles temporels) plutôt que de laisser le paramètre vide et d’estimer une autre fenêtre des intervalles temporels à chaque localisation. Pour chaque emplacement, le modèle de forêt utilise les phases dans la première fenêtre de phase pour entraîner le modèle de forêt et les points aberrants sont détectés uniquement pour les phases restantes. Si des emplacements différents excluent des nombres de phases différents pour l’entraînement, les résumés statistiques, tels que la moyenne, et les nombres minimum et maximum de points aberrants par phase ou par emplacement, peuvent être trompeurs.
Si des variables explicatives sont incluses dans le paramètre Other Variables (Autres variables) ou si l’option Entire cube (Cube entier) ou Time series clusters (Agrégats de séries chronologiques) du paramètre Model Scale (Échelle de modèle) est spécifiée, seule l’option Build model by value (Créer un modèle selon une valeur) est disponible pour le paramètre Forecast Approach (Approche de la prévision). De plus, le temps de traitement augmente lorsque l’une de ces options est utilisée.
Il est important de bien déterminer le nombre d’intervalles temporels à exclure de la validation. Plus le nombre d’intervalles temporels exclus est important, moins il reste d’intervalles temporels pour estimer le modèle de validation. Toutefois, si le nombre d’intervalles temporels exclus est insuffisant, la racine carrée de l’erreur quadratique moyenne de validation est estimée à l’aide d’une petite quantité de données et peut être trompeuse. Il est recommandé d’exclure autant de phases que possible tout en en conservant un nombre suffisant pour estimer le modèle de validation. Il est également recommandé de conserver au moins autant d’intervalles temporels pour la validation que pour la précision, si le cube spatio-temporel dispose d’un nombre suffisant d’intervalles temporels pour le permettre.
Paramètres
| Etiqueter | Explication | Type de données |
|---|---|---|
|
Cube spatio-temporel en entrée |
Cube netCDF contenant la variable à prévoir pour les futures phases. Ce fichier doit avoir l’extension |
File |
|
Variable d'analyse |
Variable numérique du fichier netCDF à prévoir pour les futurs intervalles temporels. |
String |
|
Entités en sortie |
Classe d’entités en sortie de tous les emplacements du cube spatio-temporel avec les valeurs prévues stockées sous forme de champs. La couche affiche la prévision de l’intervalle temporel final et contient des diagrammes contextuels affichant les séries chronologiques, les prévisions et les limites de confiance à 90 % de chaque localisation. |
Feature Class |
|
Cube spatio-temporel en sortie (Facultatif) |
Nouveau cube spatio-temporel (fichier |
File |
|
Nombre d’intervalles temporels à prévoir (Facultatif) |
Entier positif spécifiant le nombre d’intervalles temporels qui est prévu. Cette valeur ne doit pas être supérieure à 50 pour cent du nombre total d’intervalles temporels dans le cube spatio-temporel en entrée. La valeur par défaut est un intervalle temporel. |
Long |
|
Fenêtre Phase (Facultatif) |
Nombre d’intervalles temporels précédents utilisés lors de l’entraînement du modèle. Si les données affichent la saisonnalité (cycles répétés), indiquez le nombre de phases correspondant à une saison. Cette valeur ne peut pas être supérieure à un tiers du nombre de phases présentes dans le cube spatio-temporel en entrée. Lorsque l’échelle de modèle d’emplacement spécifique est utilisée, si aucune valeur n’est indiquée, une fenêtre horaire est estimée pour chaque emplacement à l’aide d’une fonction de densité spectrale. Lorsque des échelles de modèle de cube ou d’agrégat de séries chronologiques entier sont utilisées, si aucune valeur n’est indiquée, un quart du nombre d’intervalles temporels est utilisé. En savoir plus sur la saisonnalité et le choix d’une fenêtre horaire |
Long |
|
Number of Time Steps to Exclude for Validation (Nombre d'intervalles temporels à exclure pour la validation) (Facultatif) |
Nombre d’intervalles temporels à la fin de chaque série chronologique qui est exclu de la validation. La valeur par défaut est de 10 pour cent (arrondie à la valeur inférieure) du nombre d’intervalles temporels et cette valeur ne peut pas être supérieure à 25 pour cent du nombre d’intervalles temporels. Spécifiez la valeur 0 pour ne pas exclure d’intervalles temporels. |
Long |
|
Nombre d'arbres (Facultatif) |
Nombre d’arbres à créer dans le modèle de forêt. En augmentant le nombre d’arbres dans le modèle, vous obtiendrez généralement une prévision plus précise mais le temps de calcul sera plus long. Par défaut, le nombre d’arbres est égal à 100 ; la valeur doit être égale au moins à 1 et ne peut dépasser 1 000. |
Long |
|
Taille minimale des feuilles (Facultatif) |
Le nombre minimal d’observations requises pour conserver une feuille (c’est-à-dire, le nœud terminal d’un arbre sans fractionnements supplémentaires). Si le volume des données est très important, plus ce nombre augmente, plus le temps d’exécution de l’outil diminue. |
Long |
|
Profondeur d’arbre maximale (Facultatif) |
Nombre maximum de fractionnements pouvant être effectués pour un arbre. Si la profondeur maximum est élevée, le nombre de fractionnements créés augmente, ce qui accroît les risques de sur-ajustement du modèle. En l’absence de valeur, une valeur est identifiée par l’outil selon le nombre d’arbres créés par le modèle et la taille de la fenêtre des intervalles temporels. |
Long |
|
Pourcentage d’entraînement disponible par arbre (%) (Facultatif) |
Le pourcentage de données d’entraînement permettra d’ajuster le modèle de prévision. Les données d’entraînement se composent de variables explicatives associées et de variables dépendantes générées à l’aide des fenêtres horaires. Les autres données d’entraînement permettent d’optimiser les paramètres du modèle de prévision. La valeur par défaut est de 100 pour cent. |
Long |
|
Approche de la prévision (Facultatif) |
Spécifie le mode de représentation des variables explicatives et dépendantes lors de l’entraînement du modèle de forêt à chaque emplacement. Pour entraîner le modèle de forêt à utiliser dans le cadre de la prévision, il est nécessaire de créer des jeux de variables explicatives et de variables dépendantes à l’aide des fenêtres horaires. Utilisez ce paramètre pour spécifier si ces variables sont décomposées de façon linéaire et si les variables dépendantes sont représentées par leur valeur brute ou la valeur résiduelle d’un modèle de régression linéaire. Ce modèle de régression linéaire utilise toutes les phases d’une fenêtre horaire comme variables explicatives et la phase suivante comme variable dépendante. La valeur résiduelle est calculée en soustrayant la valeur prévue basée sur la régression linéaire de la valeur brute de la variable dépendante. Si des variables sont fournies dans le paramètre Other Variables (Autres variables) ou si la valeur Entire cube (Cube entier) ou Time series cluster (Agrégat de séries chronologiques) est spécifiée pour le paramètre Model Scale (Échelle de modèle), l’option Value (Valeur) est la seule approche de prévision disponible.
|
String |
|
Outlier Option (Option de point aberrant) (Facultatif) |
Indique si les points aberrants de série chronologique statistiquement significatifs sont identifiés.
|
String |
|
Niveau de confiance (Facultatif) |
Spécifie le niveau de confiance qui sera utilisé pour le test des points aberrants de série chronologique.
|
String |
|
Maximum Number of Outliers (Nombre maximal de points aberrants) |
Nombre maximal de phases pouvant être déclarées comme des points aberrants pour chaque emplacement. La valeur par défaut correspond à 5 % (arrondi à la valeur inférieure) du nombre de phases du cube spatio-temporel en entrée (une valeur minimum de 1 est toujours utilisée). Cette valeur ne peut pas excéder 20 % du nombre de phases. |
Long |
|
Autres variables (Facultatif) |
Autres variables du cube spatio-temporel en entrée allant être utilisées comme variables explicatives pour améliorer les prévisions. |
String |
|
Seuil d’importance (%) (Facultatif) |
Pourcentage de facteurs considérés comme les plus importants pour prédire la variable d’analyse. Par exemple, si la valeur est 20, les facteurs classés parmi les meilleurs 20 % à chaque emplacement sont inclus dans la table d’importance. Chaque variable (la variable d’analyse et chaque variable explicative) étant représentée une fois comme un facteur pour chaque intervalle temporel dans la fenêtre Phase, le nombre de facteurs à chaque emplacement constitue la durée de la fenêtre horaire multipliée par le nombre de variables. Le nombre de facteurs est multiplié par le seuil d’importance afin de déterminer le nombre de facteurs importants pour chaque modèle de prévision. Le nombre par défaut est 10 et la valeur doit être un entier compris entre 1 et 100. |
Long |
|
Table d’importance en sortie (Facultatif) |
Table en sortie allant contenir les facteurs les plus importants à chaque emplacement. Pour une échelle de modèle de localisation spécifique, chaque facteur important à chaque localisation du cube spatio-temporel est représenté comme une ligne dans la table, avec des champs contenant le nom de la variable et le décalage temporel associé. Pour des échelles de modèle de cube entier et d’agrégat de séries chronologiques, tous les facteurs importants dans le cube entier ou l’agrégat sont représentés par une ligne. La table comprend un diagramme qui affiche les facteurs les plus importants à chaque localisation, séparés par un décalage temporel. Le diagramme vous permet de visualiser les effets différés entre les variables explicatives et la variable en cours de prévision. |
Table |
|
Échelle de modèle (Facultatif) |
Spécifie l’échelle allant être utilisée pour estimer les modèles de prévision et de validation.
|
String |
|
Variable d’agrégat (Facultatif) |
Variable allant être utilisée pour regrouper les emplacements du cube spatio-temporel en régions ; différents modèles de prévision et de validation seront estimés pour chaque région. La variable doit comporter des résultats d’agrégation de séries chronologiques à utiliser. La variable d’agrégat peut être n’importe quelle variable du cube spatio-temporel, y compris la variable d’analyse. |
String |
Environnements
Facteur de traitement parallèle, Générateur de nombres aléatoires, Système de coordonnées en sortie
Informations de licence
- Basic: Oui
- Standard: Oui
- Advanced: Oui
Rubriques connexes
- Vue d’ensemble de la boîte à outils Exploration des modèles spatio-temporels
- Vue d’ensemble du jeu d’outils Prévision de séries chronologiques
- Prévision par ajustement des courbes
- Prévision par lissage exponentiel
- Évaluer les prévisions par localisation
- Comprendre les points aberrants dans les analyses de séries chronologiques
- Fonctionnement de l’outil Prévision basée sur une forêt
- Classification et régression basées sur une forêt et à boosting de gradient
- Fonctionnement de l’outil Classification et régression basées sur une forêt et à boosting de gradient
- Rechercher un outil de géotraitement