Skip to main content

Prévoir à l’aide d’un fichier de modèle de statistiques spatiales (Outils de statistiques spatiales)

Résumé

Prévoit des valeurs continues ou catégorielles à l’aide d’un modèle de statistiques spatiales entraîné (fichier .ssm).

En savoir plus sur les fichiers de modèle de statistiques spatiales

Utilisation

  • Cet outil peut par exemple s’utiliser dans les scénarios suivants :

    • Dans le cas d’un modèle de classification et de régression basées sur une forêt entraîné à déterminer la présence d’herbiers marins à l’aide d’un certain nombre de variables explicatives environnementales représentées sous forme d’attributs et de rasters, en supplément des distances par rapport aux usines situées en amont et aux ports principaux, il est possible de prévoir la présence future d’herbiers marins sur la base de projections dans l’avenir de ces variables explicatives environnementales.

    • Il est possible de partager un modèle entraîné par un expert afin de permettre à d’autres utilisateurs d’effectuer des prévisions sans partager de données confidentielles. Ainsi, avec un modèle combinant les niveaux de plomb relevés dans le sang des enfants, les identifiants d’imposition et de parcelle de leurs domiciles et incluant des attributs au niveau de la parcelle comme l’année de construction d’un logement, des données de recensement tels que les niveaux de revenu et d’éducation et les jeux de données nationaux reflétant les émissions toxiques de plomb et de composés de plomb, il est possible de prévoir le risque d’exposition au plomb des parcelles pour lesquelles vous n’avez pas de données sur les niveaux de plomb dans le sang. Ces prévisions de risques peuvent guider la mise en place de politiques et de programmes d’éducation dans cette zone.

    • Un spécialiste de la faune sauvage a collecté sur le terrain des données relatives aux emplacements où ont été observées des espèces menacées. Ce spécialiste a besoin d’estimer la présence de ces espèces dans une zone d’étude plus large et de partager son travail avec d’autres chercheurs. S’il utilise les emplacements de présence connue et fournit les facteurs sous-jacents en tant que rasters, ce spécialiste peut modéliser la présence de ces espèces au moyen d’une prévision de présence uniquement et partager le modèle entraîné sans partager d’informations sensibles sur la présence de ces espèces. Le modèle peut être utilisé pour créer une carte de prévision des emplacements où les espèces ont le plus de chances d’être trouvées.

  • La valeur du paramètre Input Model File (Fichier de modèle en entrée) est un fichier .ssm créé par divers outils du jeu d’outils Modélisation de relations spatiales de la boîte à outils Statistiques spatiales. Vous pouvez créer le fichier modèle en utilisant les outils Generalized Linear Regression (Régression linéaire généralisée), Forest-based and Boosted Classification and Regression (Classification et Régression basées sur une forêt et boostées), et Presence-only Prediction (MaxEnt) (Prévision de présence uniquement) [MaxEnt] en spécifiant la valeur du paramètre Output Trained Model File (Fichier de modèle entraîné en sortie) dans chaque outil.

    Voir Comment fonctionne la régression linéaire généralisée, Comment fonctionne la classification et la régression basées sur les forêts et boostées, et Comment fonctionne la prévision de présence uniquement pour comprendre comment chaque modèle fait des prédictions pour chaque type de modèle.

  • Lorsque vous utilisez l’option Predict to features (Prévoir des entités) pour le paramètre Prediction type (Type de prévision), utilisez le paramètre Output Predicted Feature (Entité prévue en sortie) pour créer une classe d’entités contenant les prévisions. Lorsque vous utilisez l’option Predict to raster (Prévoir un raster), utilisez le paramètre Output Prediction Surface (Surface de prévision en sortie) pour créer un raster des valeurs prévues.

  • Pour prévoir un raster, le fichier .ssm doit avoir été entraîné en utilisant uniquement des rasters.

  • Une licence d’extension ArcGIS Spatial Analyst est requise pour utiliser un fichier .ssm entraîné à l’aide de rasters.

    Remarque :

    Il est recommandé d’exécuter l’outil Describe Spatial Statistics Model File (Décrire le fichier de modèle de statistiques spatiales) avant d’exécuter cet outil pour en savoir plus sur les noms de variables, les types, les descriptions et les unités afin de préparer les données en conséquence. Vous pouvez également utiliser les diagnostics du modèle pour évaluer la qualité du fichier de modèle en entrée.

  • Les variables explicatives peuvent provenir de champs, être calculées à partir d’entités de distance ou extraites de rasters. La combinaison des variables explicatives doit correspondre au fichier de modèle en entrée.

  • Si une variable ou un raster explicatif est défini comme catégoriel lors de la création du fichier de modèle, le paramètre Categorical (Catégoriel) sera sélectionné et la variable correspondante sera traitée comme catégorielle. Vous pouvez utiliser l’outil Describe Spatial Statistics Model File (Décrire le fichier de modèle de statistiques spatiales) avant d’exécuter cet outil pour déterminer quelles variables du fichier de modèle sont catégorielles.

  • Le type de champ des variables d’entraînement et de prévision doit être similaire. Par exemple, tous les types de champ numérique peuvent être mis en correspondance avec tous les autres types de champ numérique, mais si le champ d’entraînement est de type texte, la variable de prévision correspondante devra également être de type texte.

    Remarque :

    Nous vous recommandons de définir les unités des variables avant de faire correspondre les variables d’entraînement et de prévision. Il se peut que les résultats soient incorrects si le fichier de modèle entraîné et les unités des variables de prévision diffèrent. Par exemple, si vous entraînez un modèle en utilisant une variable de revenu en dollars américains, mais que vous mettez cette variable en correspondance avec un revenu exprimé en roupies indiennes lors des prévisions, une incohérence risque d’exister dans la plage des variables entre les variables entraînées et les variables de prévision, ce qui se traduira par des variables à prévoir inexactes.

  • Cet outil crée également des messages et des diagrammes qui décrivent la performance du modèle. Pour accéder aux messages, survolez la barre de progression et cliquez sur le bouton de menu contextuel ou développez la section des messages dans la fenêtre Geoprocessing (Géotraitement). Vous pouvez également accéder aux messages d’une précédente exécution de l’outil via l’historique de géotraitement. Ces messages comprennent les diagnostics du modèle et d’autres informations sur le modèle.

  • Dans les messages de géotraitement, la table Model Parameters (Paramètres du modèle) décrit la variable et le type de champ à prévoir et les variables explicatives utilisées pour créer le modèle. Le tableau contient également les unités (si elles ont été définies à l’aide de l’outil Set Spatial Statistics Model File Propertises (Définir les propriétés du fichier de modèle de statistiques spatiales)) de chaque variable pour garantir que celles-ci correspondent aux variables de prévision lorsque le modèle est utilisé pour effectuer des prévisions.

    Attention :

    Nous vous recommandons d’évaluer les diagnostics du modèle avant de vous fier aux résultats de la prévision. La précision des prévisions ne peut pas être évaluée si un modèle a été entraîné sans qu’aucune donnée de validation ne soit retenue.

    Attention :

    Lorsque l’on exécute l’outil à l’aide de ArcPy, il est important de respecter l’ordre et le cas des variables fournies dans les tableaux de valeurs des paramètres Match Explanatory Variables (Apparier les variables explicatives), Match Distance Features (Apparier les entités de distance) et Match Explanatory Rasters (Apparier les rasters explicatifs). Par exemple, si vous avez deux variables explicatives représentant la température et l’humidité, et que la valeur de la température est attendue avant celle de l’humidité, vous devez fournir ces variables dans cet ordre. Utilisez les sorties dérivées de l’outil Describe Spatial Statistics Model File (Décrire le fichier de modèle de statistiques spatiales) pour obtenir l’ordre correct des variables stockées dans le fichier de modèle en entrée.

  • Utilisez le paramètre Field to Compare to Predictions (Champ pour comparer les prévisions) pour comparer les prévisions du modèle avec les valeurs réellement observées. Si vous avez un champ dans les entités de prévision en entrée avec des valeurs réellement observées, définissez-le en tant que valeur du paramètre Field to Compare to Predictions (Champ pour comparer les prévisions). Cela ajoutera des métriques d’évaluation aux messages de géotraitement et modifiera la symbologie sur les résidus pour la régression et le statut de précision pour la classification.

  • Lorsque le paramètre Field to Compare Predictions (Champ pour comparer les prévisions) est spécifié, la symbologie en sortie sera les résidus pour les analyses de régression ou indiquera si les prévisions ont été correctes ou incorrectes pour les analyses de classification.

  • Lorsque le paramètre Field to Compare Predictions (Champ pour comparer les prévisions) est spécifié, les messages de géotraitement disposent d’une table Validation Data (Données de validation) supplémentaire avec des métriques d’évaluation telles que la précision pour la classification et R-carré pour la prévision.

Paramètres

Etiqueter Explication Type de données

Fichier de modèle en entrée.

Le fichier de modèle de statistiques spatiales qui sera utilisé pour effectuer les prévisions.

File

Type de prédiction

Spécifie le mode d’opération qui sera utilisé. L’outil peut prévoir les nouvelles entités ou créer une surface raster de prévision.

  • Prévoir des entités—Les prévisions ou les classifications seront générées pour les entités. Les variables explicatives doivent être fournies pour les faire correspondre aux variables utilisées pour entraîner le fichier de modèle en entrée. Cette option génère une classe d’entités et des diagnostics de modèle dans la fenêtre de messages.

  • Prévoir un raster—Un raster de prédiction est généré pour la zone correspondant à l’intersection des rasters explicatifs. Les rasters explicatifs doivent être fournis pour les faire correspondre aux rasters utilisés pour entraîner le fichier de modèle en entrée. Cette option génère une surface de prédiction et des diagnostics de modèle dans la fenêtre de messages.

String

Entités de prédiction en entrée

(Facultatif)

Classe d’entités qui représente les emplacements où des prévisions sont réalisées. Cette classe d’entités doit également comporter toutes les variables explicatives fournies en tant que champs et correspondant aux champs utilisés pour entraîner le modèle en entrée.

Feature Layer

Entités prévues en sortie

(Facultatif)

La classe d’entités en sortie qui contient les résultats de la prévision.

Feature Class

Raster prévu en sortie

(Facultatif)

Le raster en sortie qui contient les résultats de la prévision. La taille de cellule par défaut correspondra à la taille de cellule maximale des rasters en entrée.

Raster Dataset

Apparier les variables explicatives

(Facultatif)

Une liste des variables explicatives du modèle en entrée et des champs correspondants des entités de prévision en entrée. Pour chaque variable explicative de la colonne Training, fournissez le champ de prévision correspondant dans la colonne Prediction. La colonne Categorical indique si la variable est catégorielle ou continue.

Colonnes de la table de valeurs :

  • Prediction—The prediction field of the input prediction features.

  • Training—The explanatory variable of the input model file.

  • Categorical—Specifies whether the variable is categorical or continuous.

    • Categorical—The explanatory variable is categorical.

    • Numeric—The explanatory variable is continuous.

Value Table

Apparier les entités de distance

(Facultatif)

Une liste des entités de distance explicatives du modèle en entrée et les entités de distance de prévision correspondantes. Pour chaque entité de distance explicative de la colonne Training, fournissez l’entité de distance de prévision correspondante dans la colonne Prediction.

Colonnes de la table de valeurs :

  • Prediction—The prediction distance feature.

  • Training—The explanatory distance feature of the input model file.

Value Table

Apparier les rasters explicatifs

(Facultatif)

Une liste des rasters explicatifs du modèle en entrée et les rasters de prévision correspondants. Pour chaque raster explicatif de la colonne Training, fournissez le raster de prévision correspondant dans la colonne Prediction. La colonne Categorical indique si le raster est catégoriel ou continu.

Colonnes de la table de valeurs :

  • Prediction—The prediction raster.

  • Training—The explanatory raster of the input model file.

  • Categorical—Specifies whether the raster is categorical or continuous.

    • Categorical—The explanatory raster is categorical.

    • Numeric—The explanatory raster is continuous.

Value Table

Champ pour comparer les prévisions

(Facultatif)

Champ issu de la valeur du paramètre Input Prediction Features (Entités de prévision en entrée) qui contient les valeurs réellement observées de la variable prévue dans l’outil d’origine qui a généré le fichier .ssm. Si le champ est spécifié, des métriques d’évaluation sont incluses dans les messages de l’outil de géotraitement afin d’évaluer la façon dont le modèle prévoit les valeurs réelles.

Field

Environnements

Système de coordonnées en sortie, Facteur de traitement parallèle, Taille de cellule, Etendue, Cell Size Projection Method (Méthode de projection de la taille de cellule), Masque, Générateur de nombres aléatoires, Raster de capture

Cas particuliers

Générateur de nombres aléatoires

The Random Generator Type used is always Mersenne Twister.

Informations de licence

  • Basic: Limité
    Spatial Analyst est requis pour utiliser des rasters.
  • Standard: Limité
    Spatial Analyst est requis pour utiliser des rasters.
  • Advanced: Limité
    Spatial Analyst est requis pour utiliser des rasters.