series_decompose_forecast()

Előrejelzés adatsorok felbontása alapján.

Bemenetként egy adatsort (dinamikus numerikus tömböt) tartalmazó kifejezést használ, és előrejelzi az utolsó záró pontok értékeit. További információ: series_decompose.

Syntax

series_decompose_forecast(Sorozat,Pontok, [ Szezonalitás,Trend,Seasonality_threshold ])

További információ a szintaxis konvenciókról.

Paraméterek

Név	Típus	Kötelező	Leírás
Adatsorozat	dynamic	✔️	Numerikus értékek tömbje, általában a make-series vagy make_list operátorok eredményül kapott kimenete.
Pontok	int	✔️	Meghatározza az előrejelezni vagy előrejelezni kívánt pontok számát az adatsor végén. Ezek a pontok ki vannak zárva a tanulási vagy regressziós folyamatból.
Szezonalitás	int		Szabályozza a szezonális elemzést. Lehetséges értékek: - -1: Szezonalitás automatikus észlelése series_periods_detect használatával. Ez az alapértelmezett érték. - Időszak: Pozitív egész szám, amely a várt időszakot adja meg a raktárhelyek számában. Ha például a sorozat tárolókban 1 - h van, a heti időszak 168 doboz. - 0: Nincs szezonalitás, ezért hagyja ki ezt az összetevőt.
Trend	string		Szabályozza a trendelemzést. Lehetséges értékek: - avg: Trendösszetevő meghatározása a következőként average(x): . Ez az alapértelmezett beállítás. - linefit: Trendösszetevő kinyerése lineáris regresszióval. - none: Nincs trend, ezért hagyja ki ezt az összetevőt.
Seasonality_threshold	real		A szezonalitási pontszám küszöbértéke, ha a szezonalitás automatikus észlelésre van beállítva. Az alapértelmezett pontszám küszöbértéke 0,6. További információ: series_periods_detect.

Válaszok

Dinamikus tömb az előrejelzett sorozattal.

Megjegyzés

• Az eredeti bemeneti sorozat dinamikus tömbjének több előrejelzendő ponthelyet kell tartalmaznia. Az előrejelzés általában make-series használatával történik, és megadja a befejezési időt abban a tartományban, amely tartalmazza az előrejelzéshez szükséges időkeretet.
• A szezonalitást vagy a trendet engedélyezni kell, különben a függvény redundáns, és csak nullákkal töltött sorozatot ad vissza.

Példa

A következő példában egy négyhetes sorozatot hozunk létre óránkénti szemcsében, heti szezonalitással és egy kis emelkedő trenddel. Ezután használjuk make-series és hozzáadunk egy újabb üres hetet a sorozathoz. series_decompose_forecast egy héttel (24*7 ponttal) hívja meg, és automatikusan észleli a szezonalitást és a trendet, és előrejelzést készít a teljes öthetes időszakról.

A lekérdezés futtatása

let ts=range t from 1 to 24*7*4 step 1 // generate 4 weeks of hourly data
| extend Timestamp = datetime(2018-03-01 05:00) + 1h * t 
| extend y = 2*rand() + iff((t/24)%7>=5, 5.0, 15.0) - (((t%24)/10)*((t%24)/10)) + t/72.0 // generate a series with weekly seasonality and ongoing trend
| extend y=iff(t==150 or t==200 or t==780, y-8.0, y) // add some dip outliers
| extend y=iff(t==300 or t==400 or t==600, y+8.0, y) // add some spike outliers
| make-series y=max(y) on Timestamp from datetime(2018-03-01 05:00) to datetime(2018-03-01 05:00)+24*7*5h step 1h; // create a time series of 5 weeks (last week is empty)
ts 
| extend y_forcasted = series_decompose_forecast(y, 24*7)  // forecast a week forward
| render timechart