Прогнозирование с помощью модели временных рядов (Инструменты GeoAI)

Краткая информация

Предсказывает значения каждого местоположения куба пространство-время с использованием модели прогнозирования временных рядов на основе глубокого обучения, которая была обучена с помощью инструмента Обучение модели прогнозирования временных рядов.

Использование

Необходимо установить подходящую среду глубокого обучения для Python в ArcGIS Pro.

Узнайте, как установить среды глубокого обучения для ArcGIS
Входными данными является файл определения модели Esri (.emd) или файл пакета глубокого обучения (.dlpk), которые являются результатом инструмента Обучение модели прогнозирования временных рядов.
Этот инструмент поддерживает данные netCDF, созданные инструментами Создать куб пространство-время по агрегации точек, Создать куб пространство-время из указанных местоположений, Создать куб пространство-время из многомерного растрового слоя и Поднабор куба пространство-время.
Этот инструмент использует модели прогнозирования временных рядов на основе глубокого обучения. Модели глубокого обучения обладают высокой способностью к обучению и подходят для временных рядов, которые следуют сложным тенденциям и которые трудно моделировать с помощью простых математических функций. Однако им требуется больший объем обучающих данных, для изучения таких сложных тенденций, и использование большего количества вычислительных ресурсов для обучения и построения выводов. Для этого инструмента рекомендуется использование графического процессора (GPU).
Параметр Опция выброса может использоваться для определения статистически значимых выбросов в значениях временных рядов в каждом местоположении.

Более подробно об определении выбросов во временных рядах
Этот инструмент поддерживает использование -моделей временных рядов сторонних разработчиков, созданных с использованием функции расширяемости модели. Функция расширяемости модели позволяет решать задачи прогнозирования временных рядов с помощью пользовательского файла модели глубокого обучения (.dlpk), который не создается с помощью инструмента Обучение модели прогнозирования временных рядов.

Узнайте больше об использовании сторонних моделей временных рядов с ArcGIS.
Чтобы запустить этот инструмент с использованием графического процессора, установите параметр среды Тип процессора как GPU. Если имеется более одного GPU, можно вместо этого задать GPU ID.
Этот инструмент использует одну глобальную модель прогнозирования, которая была обучена на данных временных рядов для каждого местоположения.
Значения параметра Выходные объекты будут добавлены на панель Содержание с отображением, основанным на лучшем сохраненном прогнозируемом временном шаге.
Этот инструмент создает сообщения геообработки и всплывающие диаграммы, которые вы можете использовать для понимания и визуализации результатов прогноза. Эти сообщения содержат информацию о структуре куба пространство-время и сводную статистику значений среднеквадратичных ошибок. Если щелкнуть объект с помощью инструмента навигации Исследовать, отображается диаграмма-график во Всплывающей панели, которая показывает значения куба пространство-время и соответствующие значения, а также прогнозные значения для этого местоположения.
Информацию о требованиях к запуску этого инструмента и проблемах, с которыми вы можете столкнуться, см. в разделе Часто задаваемые вопросы по глубокому обучению.

Подпись	Объяснение	Тип данных
Входные данные временных рядов	Куб netCDF, содержащий переменную, которая будет использоваться для прогнозирования будущих временных шагов. Файл должен иметь расширение `.nc` и 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
Определение модели	Файл модели глубокого обучения (`.dlpk` или `.emd`), который будет использоваться для прогнозов. Модель можно обучить с помощью инструмента Обучение модели прогнозирования временных рядов. Файл `.dlpk` также может быть сторонней моделью временных рядов. Внимание: Файл сторонней модели временных рядов `.dlpk` потенциально может содержать вредоносный код. Используйте эти модели только в том случае, если вы доверяете источнику, из которого они были получены.	File
Выходные объекты	Выходной класс объектов всех местоположений в кубе пространство-время с прогнозируемыми значениями, сохраненными в виде полей. Слой отображают прогноз для последнего временного шага и содержит всплывающие диаграммы, показывающие временные ряды и прогнозы для каждого местоположения. Примечание: При использовании сторонних моделей временных рядов аргументы этой модели будут обновляться в соответствии с параметрами, указанными в файле `.dlpk`. Чтобы узнать больше об определении аргументов модели, см. раздел getParameterInfo в разделе Использовать сторонние модели временных рядов с ArcGIS.	Feature Class
Количество временных шагов для прогноза	Положительное целое число, определяющее количество временных рядов, которые будут использоваться для прогноза переменной анализа. Значение по умолчанию – 2. Это значение не может быть больше 50 процентов от общего числа временных шагов во входном кубе пространства-времени для одношагового прогнозирования и не может быть больше, чем 50 процентов значения параметра Длина последовательности в инструменте Обучение модели прогнозирования временных рядов для многошагового прогнозирования.	Long
Сопоставить независимые переменные (Дополнительный)	Сопоставление названий имен полей из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена полей обучающих и прогнозируемых наборов отличаются. Эти значения - имена полей в наборе данных прогнозирования, которые соответствуют именам полей во входных данных временных рядов. Столбцы таблицы значений: Prediction–The field names in the prediction dataset. Training–The field names in the input time series data.	Value Table
Выходной куб (Дополнительный)	Выходной куб пространство-время (файл `.nc`), содержащий значения входного куба пространство-время с добавлением прогнозируемых временных шагов. Используйте инструмент Визуализация куба пространство-время в 3D, чтобы увидеть все наблюдаемые и прогнозируемые значения одновременно.	File
Опция Выброс (Дополнительный)	Задает, будут ли определяться статистически значимые выбросы во временных рядах. Нет–Выбросы не будут определяться. Используется по умолчанию. Определять выбросы–Выбросы будут определяться с использованием теста Генерализованный ESD.	String
Уровень достоверности (Дополнительный)	Задает уровень достоверности, который будет использоваться для теста выбросов во временных рядах. 90%–Уровень достоверности для теста будет 90 процентов. Используется по умолчанию. 95%–Уровень достоверности теста будет 95 процентов. 99%–Уровень достоверности для теста будет 99 процентов.	String
Максимальное число выбросов	Максимальное число временных шагов, которые могут быть объявлены выбросами в каждом местоположении. Значение по умолчанию составляет 5 процентов (округлено вниз) от количества временных шагов входного куба пространства-времени (значение хотя бы 1 будет использоваться всегда). Значение не может превышать 20 процентов от числа временных шагов.	Long
Переменная анализа	Числовая переменная в наборе данных, которая будет прогнозироваться для будущих временных шагов.	String
Аргументы модели (Дополнительный)	Дополнительные аргументы, которые будут использоваться моделью сторонних разработчиков при выполнении прогнозирования. Поддерживаются аргументы модели `sequence_length` и `batch_size`. Этот параметр применяется только при использовании моделей сторонних разработчиков. При использовании сторонней модели временных рядов аргументы этой модели будут обновляться в соответствии с параметрами, указанными в файле `.dlpk`. Чтобы узнать больше об определении аргументов модели, см. раздел getParameterInfo в разделе Использовать сторонние модели временных рядов с ArcGIS. Столбцы таблицы значений: Name–The name of the function argument. Value–The value of the function argument.	Value Table

arcpy.geoai.ForecastUsingTimeSeriesModel(in_cube, in_model_definition, out_features, number_of_timesteps_to_forecast, {match_explanatory_variables}, {out_cube}, {outlier_option}, {level_of_confidence}, maximum_number_of_outliers, analysis_variable, {arguments})

Имя	Объяснение	Тип данных
in_cube	Куб netCDF, содержащий переменную, которая будет использоваться для прогнозирования будущих временных шагов. Файл должен иметь расширение `.nc` и 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
in_model_definition	Файл модели глубокого обучения (`.dlpk` или `.emd`), который будет использоваться для прогнозов. Модель можно обучить с помощью инструмента Обучение модели прогнозирования временных рядов. Файл `.dlpk` также может быть сторонней моделью временных рядов. Внимание: Файл сторонней модели временных рядов `.dlpk` потенциально может содержать вредоносный код. Используйте эти модели только в том случае, если вы доверяете источнику, из которого они были получены.	File
out_features	Выходной класс объектов всех местоположений в кубе пространство-время с прогнозируемыми значениями, сохраненными в виде полей. Слой отображают прогноз для последнего временного шага и содержит всплывающие диаграммы, показывающие временные ряды и прогнозы для каждого местоположения. Примечание: При использовании сторонних моделей временных рядов аргументы этой модели будут обновляться в соответствии с параметрами, указанными в файле `.dlpk`. Чтобы узнать больше об определении аргументов модели, см. раздел getParameterInfo в разделе Использовать сторонние модели временных рядов с ArcGIS.	Feature Class
number_of_timesteps_to_forecast	Положительное целое число, определяющее количество временных рядов, которые будут использоваться для прогноза переменной анализа. Значение по умолчанию – 2. Это значение не может быть больше 50 процентов от общего числа временных шагов во dходном кубе пространства-времени для одношагового прогнозирования и не может быть больше, чем 50 процентов значения параметра `sequence_length` в инструменте Обучение модели прогнозирования временных рядов для многошагового прогнозирования.	Long
match_explanatory_variables [match_explanatory_variables,...] (Дополнительный)	Сопоставление названий имен полей из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена полей обучающих и прогнозируемых наборов отличаются. Эти значения - имена полей в наборе данных прогнозирования, которые соответствуют именам полей во входных данных временных рядов. Столбцы таблицы значений: `Prediction`–The field names in the prediction dataset. `Training`–The field names in the input time series data.	Value Table
out_cube (Дополнительный)	Выходной куб пространство-время (файл `.nc`), содержащий значения входного куба пространство-время с добавлением прогнозируемых временных шагов. Используйте инструмент Визуализация куба пространство-время в 3D, чтобы увидеть все наблюдаемые и прогнозируемые значения одновременно.	File
outlier_option (Дополнительный)	Задает, будут ли определяться статистически значимые выбросы во временных рядах. `NONE`–Выбросы не будут определяться. Используется по умолчанию. `IDENTIFY`–Выбросы будут определяться с использованием теста Генерализованный ESD.	String
level_of_confidence (Дополнительный)	Задает уровень достоверности, который будет использоваться для теста выбросов во временных рядах. `90%`–Уровень достоверности для теста будет 90 процентов. Используется по умолчанию. `95%`–Уровень достоверности теста будет 95 процентов. `99%`–Уровень достоверности для теста будет 99 процентов.	String
maximum_number_of_outliers	Максимальное число временных шагов, которые могут быть объявлены выбросами в каждом местоположении. Значение по умолчанию составляет 5 процентов (округлено вниз) от количества временных шагов входного куба пространства-времени (значение хотя бы 1 будет использоваться всегда). Значение не может превышать 20 процентов от числа временных шагов.	Long
analysis_variable	Числовая переменная в наборе данных, которая будет прогнозироваться для будущих временных шагов.	String
arguments [arguments,...] (Дополнительный)	Дополнительные аргументы, которые будут использоваться моделью сторонних разработчиков при выполнении прогнозирования. Поддерживаются аргументы модели `sequence_length` и `batch_size`. Этот параметр применяется только при использовании моделей сторонних разработчиков. При использовании сторонней модели временных рядов аргументы этой модели будут обновляться в соответствии с параметрами, указанными в файле `.dlpk`. Чтобы узнать больше об определении аргументов модели, см. раздел getParameterInfo в разделе Использовать сторонние модели временных рядов с ArcGIS. Столбцы таблицы значений: `Name`–The name of the function argument. `Value`–The value of the function argument.	Value Table

Пример кода

Пример ForecastUsingTimeSeriesModel (автономный скрипт)

В этом примере показано, как использовать функцию ForecastUsingTimeSeriesModel.

# Description: Forecast a time series model on space-time cube data with the trained model
#              obtained by the TrainTimeSeriesForecastingModel function.

# Import system modules
import arcpy
import os

# Set local variables
datapath  = "path_to_data_for_forecasting"
out_path = "path_to_gdb_for_forecasting"

model_path = os.path.join(out_path, "model.dlpk")
in_cube = os.path.join(datapath, "test_data")
output_features = os.path.join(out_path, "forecasted_feature.gdb", "forecasted")

# Run Forecast Using Time Series Model
r = arcpy.geoai.ForecastUsingTimeSeriesModel(
    in_cube,
    model_path,
    output_features,
    number_of_timesteps_to_forecast=2,
    match_explanatory_variables=None
)

Параметры среды

Выходная система координат, Географические преобразования, Тип процессора, GPU ID

Информация о лицензировании

Basic: Нет
Standard: Нет
Advanced: Да

Прогнозирование с помощью модели временных рядов (Инструменты GeoAI)

Краткая информация

Использование

Параметры

Внимание:

Примечание:

Параметры среды

Информация о лицензировании

Связанные разделы