Прогнозировать, используя файл модели пространственной статистики (Инструменты Пространственная статистика)

Краткая информация

Прогнозирует постоянные или категорийные значения с использованием обученной модели пространственной статистики (файл .ssm).

Более подробно о файлах модели пространственной статистики

Использование

• Ниже приведены примеры сценариев использования этого инструмента:

  • При использовании классификации с обучением на основе леса и регрессионной модели, обученной для обнаружения морских водорослей по ряду независимых экологических переменных, представленных и как атрибуты, и как растры, а также по расстоянию до заводов вверх по течению и крупных портов, можно прогнозировать появление морских водорослей в будущем на основе прогнозов этих экологических независимых переменных.

  • Моделью, обученной экспертом, можно поделиться с другими, чтобы делать прогнозы без обмена конфиденциальными данными. Например, есть модель уровня свинца в крови детей и ID налогового участка их домов в сочетании с атрибутами уровня участка, такими как возраст дома, атрибутами уровня переписи населения, такими как доход и уровень образования, и национальный набор данных, отражающий выброс токсичных веществ свинца и его соединений. Можно спрогнозировать риск воздействия свинца для участков без данных об уровне свинца в крови. Эти прогнозы риска могут стимулировать политику и образовательные программы в области.

  • Исследователь дикой природы собрал полевые данные о присутствии некоторых вымирающих видов в наблюдаемых местоположениях. Им необходимо оценить присутствие вида в более широкой области исследования и поделиться своей работой с другими исследователями. Используя известные места присутствия и предоставив базовые факторы в виде растров, эколог может смоделировать наличие вида, используя прогнозирование только наличия, и поделиться обученной моделью, не делясь конфиденциальной информацией о встречаемости вида. Модель может использоваться для создания карты прогнозируемых мест, где вид с наибольшей вероятностью будет найден.

• Значение параметра Входной файл модели представляет собой файл .ssm, созданный различными инструментами в группе инструментов [Моделирование пространственных отношений] из набора Пространственная статистика. Вы можете создать файл модели с помощью инструментов Обобщенная линейная регрессия, Классификация на основе леса и регрессия, регрессия с бустингом и Прогнозирование только присутствия (MaxEnt), указав значение параметра Выходной файл обученной модели в каждом инструменте.

  Изучите разделы Как работает инструмент Обобщенная линейная регрессия), Как работает инструмент Классификация на основе леса и регрессия, регрессия с бустингом и Как работает инструмент Прогнозирование только присутствия, чтобы узнать, как каждая модель делает прогнозы для каждого типа модели.

• При использовании опции Прогнозировать в объекты параметра Тип прогнозирования используйте параметр Выходные объекты прогнозирования, чтобы создать класс объектов с прогнозами. При использовании опции Прогнозировать в растр используйте параметр Выходная поверхность прогноза, чтобы создать растр прогнозируемых значений.

• Для прогнозирования в растр файл .ssm должен быть обучен с использованием только растров.

• Для использования файла .ssm, обученного на растровых изображениях, требуется лицензия ArcGIS Spatial Analyst.

  Примечание:

  Перед запуском этого инструмента рекомендуется запустить инструмент Описать файл модели пространственной статистики, чтобы узнать об именах переменных, типах, описаниях и единицах измерения для соответствующей подготовки данных. Вы можете, кроме того, использовать модель диагностики для оценки качества входного файла модели.

• Независимые переменные могут быть получены из полей, быть вычислены по объектам расстояния или извлечены из растров. Комбинация независимых переменных должна соответствовать входному файлу модели.

• Если независимая переменная или растр отмечены как категориальные при создании файла модели, параметр Категорийный будет отмечен и будет считать совпадающую переменную категорийной. Вы можете использовать инструмент Описать файл модели пространственной статистики перед запуском этого инструмента, чтобы определить, какие переменные являются категорийными в файле модели.

• Переменные обучения и прогнозирования должен быть одного и того же типа. Например, числовые поля всех типов могут быть сопоставлены с числовыми полями всех остальных типов, но если обучающее поле является текстовым, соответствующая переменная прогнозирования также должна быть текстовой.

  Примечание:

  Рекомендуется задать единицы измерения переменной до сопоставления переменных обучения и прогнозирования. Если файл обученной модели и единицы измерения прогнозируемой переменной различаются, результаты могут быть неверными. Например, если вы обучаете модель, используя переменную дохода, выраженную в долларах США, но сопоставляете эту переменную с доходом в индийских рупиях при прогнозировании, диапазон переменных между обученными и прогнозируемыми переменными может быть неподходящим, что приведет к неточным прогнозируемым переменным.

• Этот инструмент также создает сообщения и диаграммы, описывающие производительность модели. Чтобы получить доступ к сообщениям, поместите курсор мыши над индикатором выполнения и щелкните всплывающую кнопку или разверните раздел сообщений в панели Геообработка. Вы можете получить доступ к сообщениям для выполненного ранее инструмента через историю геообработки. В сообщения входит диагностика модели и другая информация о ней.

• В сообщениях геообработки таблица Параметры модели описывает переменную и тип поля для прогнозирования, а также независимые переменные, используемые для создания модели. Таблица также содержит единицы измерения (если они заданы инструментом Задать свойства файла модели пространственной статистики для каждой переменной, обеспечивающие их соответствие переменным прогноза при использовании модели для прогнозирования.

  Внимание:

  Чтобы можно было доверять результатам прогноза, рекомендуется оценить диагностику модели. Если модель была обучена без удержания каких-либо данных проверки, точность прогнозов не может быть оценена.

  Внимание:

  При запуске инструмента с помощью ArcPy важны порядок и регистр переменных, содержащихся в таблицах значений параметров Сопоставление независимых переменных, Сопоставление объектов расстояния и Сопоставление независимых растров. Например, если у вас есть две независимые переменные, содержащие значения температуры и влажности, и значение температуры должно стоять перед значением влажности, вы должны указать переменные именно в этом порядке. Используйте производные выходные данные инструмента Описать файл модели пространственной статистики, чтобы получить правильный порядок переменных, хранящихся во входном файле модели.

• Используйте параметр Поле для сравнения с прогнозами для оценки соответствия прогнозов модели истинным наблюдаемым значениям. Если во входных объектах прогнозирования есть поле с истинными наблюдаемыми значениями, установите его в качестве значения параметра Поле для сравнения с прогнозами. Это добавит метрики оценки в сообщения геообработки и изменит отображение символов по невязкам регрессии и статусу точности классификации.

• Если задан параметр Поле для сравнения с прогнозами, символы выходных данных будут основаны на невязках регрессионного анализа или отражать корректность или некорректность прогнозов анализа классификации.

• Если задан параметр Поле для сравнения с прогнозами, сообщения геообработки будут содержать дополнительную таблицу Проверка данных с такими метриками оценки, как точность для классификации и R-квадрат (коэффициент детерминации) прогноза.

Параметры

• Dialog
• Python

Подпись	Объяснение	Тип данных
Входной файл модели	Файл модели пространственной статистики, который будет использоваться для выполнения новых прогнозов.	File
Тип прогнозирования	Задает используемый режим выполнения инструмента. Этот инструмент может прогнозировать новые объекты или создавать растровую поверхность прогноза. Прогнозировать в объекты–Для объектов будут созданы прогнозы или классификация. Независимые переменные нужно задавать с целью соответствия переменным, используемым для обучения входного файла модели. Выходными данными этой опции будут класс объектов и диагностика модели в окне сообщений. Прогнозировать в растр–Растр прогнозирования будет построен для области пересечения независимых растров. Независимые растры указываются с целью соответствия растрам, используемым для обучения входного файла модели. Выходными данными этой опции будут поверхность прогнозирования и диагностика модели в окне сообщений.	String
Входные объекты прогнозирования (Дополнительный)	Класс объектов, представляющих местоположения, где будет выполняться прогнозирование. Этот векторный слой также должен содержать любые независимые переменные, представленные в виде полей, которые соответствуют используемым для тренировки входной модели.	Feature Layer
Выходные объекты прогнозирования (Дополнительный)	Выходной класс объектов, содержащий результаты прогнозирования.	Feature Class
Выходной растр прогнозирования (Дополнительный)	Выходной растр, содержащий результаты прогнозирования. Размером ячейки по умолчанию будет максимальный размер ячейки входных растров.	Raster Dataset
Сопоставить независимые переменные (Дополнительный)	Список независимых переменных входной модели и соответствующих полей входных объектов прогнозирования. Для каждой независимой переменной в столбце Training укажите соответствующее поле прогноза в столбце Prediction. Столбец Categorical определяет, является ли переменная категориальной или непрерывной. Столбцы таблицы значений: 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
Сопоставление объектов расстояния (Дополнительный)	Список независимых объектов расстояния входной модели и соответствующих прогнозируемых объектов расстояния. Для каждого независимого переменной объекта расстояния в столбце Training укажите соответствующий прогнозируемый объект расстояния в столбце Prediction. Столбцы таблицы значений: Prediction–The prediction distance feature. Training–The explanatory distance feature of the input model file.	Value Table
Сопоставление независимых растров (Дополнительный)	Список независимых растров входной модели и соответствующих растров прогнозирования. Для каждого независимого растра в столбце Training укажите соответствующий растр прогнозирования в столбце Prediction. Столбец Categorical определяет, является ли растр категориальным или непрерывным. Столбцы таблицы значений: 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
Поле для сравнения с прогнозами (Дополнительный)	Поле из значения параметра Входные объекты прогнозирования, содержащее истинные наблюдаемые значения переменной, предсказанные в исходном инструменте, создавшем файл .ssm. Если поле указано, метрики оценки будут включены в сообщения геообработки инструмента для оценки того, насколько хорошо модель предсказывает истинные значения.	Field

Параметры среды

Выходная система координат, Коэффициент параллельной обработки, Размер ячейки, Экстент, Метод проецирования размера ячейки, Маска, Генератор случайных чисел, Растр привязки

Особые случаи

Генератор случайных чисел

The Random Generator Type used is always Mersenne Twister.

Информация о лицензировании

• Basic: Ограниченные
  Для использования растров необходим Spatial Analyst
• Standard: Ограниченные
  Для использования растров необходим Spatial Analyst
• Advanced: Ограниченные
  Для использования растров необходим Spatial Analyst

Связанные разделы

• Обзор группы инструментов Моделирование пространственных отношений
• Поиск инструмента геообработки
• Более подробно о файлах модели пространственной статистики
• Описать файл модели пространственной статистики
• Задать свойства файла модели пространственной статистики
• Обобщенная линейная регрессия
• Прогноз только присутствия (MaxEnt)
• Классификация на основе леса и регрессия, регрессия с бустингом