Skip to main content

時系列モデルを使用した予測 (GeoAI ツール)

サマリー

時系列予測モデルのトレーニング でトレーニングされたディープ ラーニング ベースの時系列予測モデルを使用して時空間キューブの各位置の値を予測します。

使用法

  • ArcGIS Pro で Python 用の適切なディープ ラーニング フレームワークをインストールする必要があります。

    ArcGIS のディープ ラーニング フレームワークのインストール方法の詳細

  • 入力は Esri モデル定義ファイル (.emd) またはディープ ラーニング パッケージ ファイル (.dlpk) です。これは、時系列予測モデルのトレーニング ツールを使用して作成できます。

  • このツールでは、ポイントの集約による時空間キューブの作成 ツール、定義済みのロケーションから時空間キューブを作成 ツール、多次元ラスター レイヤーから時空間キューブを作成 ツール、および 時空間キューブのサブセット ツールによって作成された netCDF データ を使用できます。

  • このツールでは、ディープ ラーニング ベースの時系列予測モデルを使用します。 ディープ ラーニング ベースのモデルは学習する能力が高く、複雑なトレンドに従う時系列に最適であり、シンプルな数学関数ではモデル化が困難です。 ただし、そのような複雑なトレンドの学習には大量のトレーニング データを必要とし、トレーニングと推測により多くの計算リソースを使用します。 このツールの使用には、GPU をお勧めします。

  • 外れ値オプション パラメーターを使用して、各場所における時系列値の統計的に有意な外れ値を検出できます。

    時系列外れ値の検出の詳細

  • このツールは、モデル拡張フィーチャを使用して作成されたサード パーティーの時系列モデルの使用をサポートしています。 モデル拡張フィーチャでは、時系列予測モデルのトレーニング ツールを使用して作成されていないカスタム ディープ ラーニング モデル ファイル (.dlpk) を使用する時系列予測タスクが可能です。

    ArcGIS でのサードパーティー時系列モデルの使用の詳細

  • GPU を使用してこのツールを実行するには、プロセッサー タイプ 環境を GPU に設定します。 複数の GPU が存在する場合は、代わりに GPU ID 環境を指定します。

  • このツールでは、各位置の時系列データでトレーニングされた単一のグローバル予測モデルを使用します。

  • 出力フィーチャ パラメーター値は コンテンツ ウィンドウに追加され、最適な保存済みモデルの予測された時間ステップに基づいてレンダリングされます。

  • このツールは、予測結果の理解と視覚化に使用できるジオプロセシング メッセージとポップアップ チャートを作成します。 このメッセージには、時空間キューブの構造についての情報と、二乗平均平方根誤差値の統計の要約が含まれています。 マップ操作 ナビゲーション ツールを使用してフィーチャをクリックすると、そのロケーションの時空間キューブ、適合値、予測値などの値を表示した ポップアップ ウィンドウに、ライン チャートが表示されます。

  • このツールの実行要件および発生する可能性のある問題の詳細については、「ディープ ラーニングに関するよくあるご質問 (FAQ)」をご参照ください。

パラメーター

ラベル 説明 データ タイプ

入力時系列データ

将来の時間ステップの予測に使用する変数を含む netCDF キューブ。 このファイルは、.nc ファイル拡張子が付加され、ポイントの集約による時空間キューブの作成 ツール、定義済みのロケーションから時空間キューブを作成 ツール、または多次元ラスター レイヤーから時空間キューブを作成 ツールで作成されている必要があります。

File

モデル定義

予測の実行に使用されるトレーニング済みディープ ラーニング モデル ファイル (.dlpk または .emd)。 時系列予測モデルのトレーニング ツールを使用してモデルをトレーニングできます。

.dlpk ファイルには、サード パーティーの時系列モデル を指定することもできます。

注意:

サード パーティーの時系列モデル .dlpk ファイルには有害なコードが含まれる可能性があります。 ソースを信頼できる場合のみこれらのモデルを使用してください。

File

出力フィーチャ

時空間キューブ内のすべてのロケーションの出力フィーチャクラスで、予測される値がフィールドとして格納されます。 レイヤーには最終的な時間ステップの予測が表示され、時系列と、各位置の予測を示すポップアップ チャートが含まれます。

注意:

サード パーティーの時系列モデルを使用すると、モデル引数は、.dlpk ファイルで指定されたパラメーターに従って更新されます。 モデル引数の定義の詳細については、「ArcGIS でのサードパーティーの時系列モデルの使用」の getParameterInfo セクションをご参照ください。

Feature Class

予測する時間ステップ数

解析変数の予測に使用される、時間ステップ数を指定する正の整数。 デフォルト値は 2 です。 この値は、ワンステップ予測では、入力時空間キューブの合計時間ステップ数の 50% より大きくできません。複数ステップ予測では、時系列予測モデルのトレーニング ツールの シーケンス長 パラメーター値の 50% より大きくできません。

Long

説明変数の照合

(オプション)

予測セットからトレーニング セットへのフィールド名のマッピング。 このパラメーターは、トレーニング セットと予測セットのフィールド名が異なる場合に使用します。 値は、入力時系列データのフィールド名と一致する予測データセット内のフィールド名です。

値テーブル列:

  • Prediction—The field names in the prediction dataset.

  • Training—The field names in the input time series data.

Value Table

出力キューブ

(オプション)

入力時空間キューブの値を含み、予測された時間ステップが追加された、出力時空間キューブ (.nc ファイル)。 時空間キューブを 3D で視覚化 ツールを使用すると、すべての観測値と予測値を同時に表示できます。

File

外れ値オプション

(オプション)

統計的に有意な時系列外れ値が特定されるかどうかを指定します。

  • なし—外れ値は特定されません。 これがデフォルトです。

  • 外れ値の特定—一般化 ESD 検定を使用して、外れ値が特定されます。

String

信頼度

(オプション)

時系列外れ値のテストで使用する信頼度を指定します。

  • 90%—テストの信頼度は 90 パーセントになります。 これがデフォルトです。

  • 95%—テストの信頼度は 95 パーセントになります。

  • 99%—テストの信頼度は 99 パーセントになります。

String

外れ値の最大数

各場所で外れ値を宣言できる時間ステップの最大数。 デフォルト値は、入力時空間キューブの時間ステップ数の 5 パーセント (端数切り捨て) に相当します (1 以上の値が必ず使用されます)。 この値は、時間ステップ数の 20 パーセントを超えることはできません。

Long

分析変数

将来の時間ステップについて予測される、データセット内の数値変数。

String

モデル引数

(オプション)

予測の実行中にサード パーティー モデルによって使用される追加の引数。 サポートされるモデル引数には、sequence_length や batch_size などがあります。 このパラメーターは、サード パーティー モデルを使用した予測にのみ適用できます。

サード パーティーの時系列モデルを使用すると、モデル引数は、.dlpk ファイルで指定されたパラメーターに従って更新されます。 モデル引数の定義の詳細については、「ArcGIS でのサードパーティーの時系列モデルの使用」の getParameterInfo セクションをご参照ください。

値テーブル列:

  • Name—The name of the function argument.

  • Value—The value of the function argument.

Value Table

環境

出力座標系, 地理座標系変換, プロセッサー タイプ, GPU ID

ライセンス情報

  • Basic: いいえ
  • Standard: いいえ
  • Advanced: はい