Udostępnij za pośrednictwem

  • Artykuł

Model zawartości dla serii czas modeli górnictwo (Analysis Services - wyszukiwania danych)

Wszystkie modele górnictwa używać tej samej struktury do przechowywania ich zawartości.Ta struktura jest zdefiniowany zgodnie z zawartością górnictwo danych zestaw zestaw wierszy schematu.Jednak w tym standardowej strukturze węzłów, które zawierają informacje są rozmieszczone w reprezentują różne rodzaje drzew na różne sposoby.W tym temacie opisano sposób organizowania węzły i każdego węzła, oznacza dla modeli wyszukiwania, które są oparte na Microsoft algorytm szeregu czasowego.

Wyjaśnienie ogólne model wyszukiwania zawartości, która ma zastosowanie do wszystkich typów modelu, zobacz Górnictwo modelu zawartości (Analysis Services - wyszukiwania danych).

Podczas przeglądania w tym temacie, może być przydatne wykonaj wzdłuż przeglądając zawartość czas model serii.Można utworzyć czas model serii wykonując samouczek wyszukiwania danych podstawowych.Model utworzyć w samouczku jest mieszane modelu pociągów danych przy użyciu algorytmów ARIMA i ARTxp.Aby uzyskać więcej informacji, zobacz Tworzenie struktury prognozowania i modelu (pośrednie samouczek wyszukiwania danych).Aby uzyskać informacje dotyczące wyświetlania zawartości model wyszukiwania, zobacz Wyświetlanie modeli wyszukiwania danych.

Opis struktury modelu szeregu czasowego

A czas model serii ma węzeł nadrzędny pojedynczego, reprezentującą modelu i jego metadanych.Pod tym węzeł nadrzędny ma jeden lub dwa czas drzew serii, w zależności od algorytmu, który został użyty do utworzenia modelu.

Jeśli tworzysz model mieszanych dwóch oddzielnych drzew są dodawane do modelu, jedną dla ARIMA i jedną dla ARTxp.Wybierz jest tylko algorytm ARTxp lub tylko algorytm ARIMA, masz jedno drzewo, odpowiadający tego algorytmu.Określ algorytm, który do używania przez ustawienie parametru FORECAST_METHOD.Aby uzyskać więcej informacji o tym, czy używać ARTxp, ARIMA lub mieszane modelu, zobacz Algorytm serii Microsoft czasu.

Struktura zawartości modelu dla modeli szeregów czasowych

Przykład czas modelu górnictwo serii danych, utworzonego przy użyciu domyślnych ustawień do utworzenia modelu mieszanych, jest wyświetlana na diagramie.Tak, aby łatwiej można porównać różnice między dwoma modelami, tutaj modelu ARTxp jest wyświetlana po lewej stronie diagramu i modelu ARIMA jest wyświetlany po prawej stronie diagramu.ARTxp jest strukturę drzewa, która dzieli na coraz mniejszych oddziałów, utworzonych przez algorytm ARIMA struktury przypomina ostrosłupowy zbudowany w górę od mniejszych składników.

Jeśli przeglądasz mieszanych modelu za pomocą Microsoft ogólny Model zawartości drzewa podglądu węzłów w modelach ARTxp i ARIMA są wszystkie prezentowane jako węzły podrzędność nadrzędnej czas model serii.Rodzajowy widoku modelu mieszanych pierwszego zestaw węzłów jest etykietą (wszystkie) i reprezentują wyniki analizy przez algorytm ARTxp.Drugi zestaw węzłów jest oznaczona etykietą ARIMA i reprezentują wyniki analizy przez algorytm ARIMA.

Ważnym punktem do zapamiętania jest, że informacje są rozmieszczone w ramach drzew ARIMA i ARTxp w całkowicie różne sposoby i należy wziąć pod uwagę dwa drzewa związane tylko w węźle głównym.Chociaż dwa oświadczenia są prezentowane w jednym modelu dla wygody, powinny być traktowane jako dwa modele niezależnych.ARTxp reprezentuje rzeczywisty drzewa, ale nie będzie ARIMA.

Ostrzeżenie

Nazwa (wszystkie) w drzewie ARTxp jest zachowywana zgodności z poprzednimi wersjami.Przed do programu SQL Server 2008 jeden algorytm używany algorytm szeregu czasowego dla analizy, algorytm ARTxp.

Struktura modelu ARTxp

Algorytm ARTxp tworzy model podobne do modelu drzewa decyzji.Grupy atrybutów przewidywalny i dzieli je, gdy występują znaczne różnice.Dlatego każdy model ARTXp zawiera oddzielne oddziału dla każdego atrybut przewidywalne.Na przykład wyszukiwania danych podstawowych samouczek tworzy model prognozuje kwotę sprzedaży dla kilku regionach.W takim przypadek [Ilość] jest atrybut przewidywalny i oddzielny oddział jest utworzony dla każdego region.Gdyby dwa atrybuty przewidywalny, [Ilość] i [Ilość], oddzielne byłyby tworzone dla każdej kombinacji atrybut i region.

Węzeł najwyższego poziomu dla oddziału ARTxp zawiera te same informacje z węzła głównego drzewo decyzyjne.Obejmuje to liczby dzieci dla tego węzła (CHILDREN_CARDINALITY), liczba przypadków, które spełniają warunki tego węzła (NODE_SUPPORT) oraz różne statystyki opisowe (NODE_DISTRIBUTION).

Jeśli węzeł nie ma żadnych elementów podrzędnych, oznacza to, nie znaczące warunki zostały znalezione, które uzasadniałyby podzielenie przypadkach na dalsze podgrup.Oddział kończy się na tym etapie i węzeł jest określane jako węzeł liścia.węzeł liścia Zawiera atrybuty, współczynniki i wartości, które są elementami konstrukcyjnymi formułę ARTxp.

Niektóre gałęzie mogą mieć dodatkowe podziały, podobne do modelu drzewa decyzji.Na przykład gałęzi drzewa reprezentujący sprzedaży dla region Europy dzieli się na dwie gałęzie.Podział występuje, gdy istnieje warunek, który powoduje znaczny różnych dwiema grupami.Węzeł nadrzędny informuje nazwę atrybut, który spowodował podział, takich jak [Ilość] i liczbie spraw w węzła nadrzędnego.liść Węzłów podać szczegółowo: wartość atrybut, takie jak sprzedaż >vs 10 000.Sprzedaży < 10 000), liczba przypadków, obsługujące każdego warunku, a formuła ARTxp.

Ostrzeżenie

Jeśli chcesz przeglądać formuł można znaleźć pełną regresja formuły w węzeł liścia poziom, ale nie w pośredni lub węzła głównego.

Struktura modelu ARIMA

Dla każdej kombinacji serię danych (takich jak [Region]) i przewidywalny atrybut (takich jak [Kwota sprzedaży]) jest pojedyncza cząstka informacji — równanie, które opisano zmiany atrybutu przewidywalne nad czas.

Podstawowe równanie dla każdej serii jest pochodną wielu składników, jeden dla każdej budowli okresowe, który został znaleziony w danych.Na przykład, jeśli masz sprzedaży dane zebrane na podstawie miesięcznych algorytm może wykrywać miesięcznych, kwartalny lub roczny struktur okresowych.

Algorytm wyprowadza oddzielny zestaw węzłów nadrzędnych i podrzędność dla każdego okresowość znajdzie.Okresowość domyślną jest 1 dla pojedynczego czas plasterków i jest automatycznie dodawany do wszystkich modeli.Można określić możliwych struktur okresowe, wprowadzając wielu wartości w parametrze PERIODICITY_HINT.Jednakże jeśli nie obsługuje algorytmu wykrywać struktury okresowe, będzie wyprowadza wyniki dla tego wskazówka.

Każdego okresowe struktury wyjściowej w modelu zawartości zawiera następujące węzły składnika: węzeł zamówienia autoregressive (AR) i węzeł oredniej ruchomej (MA).Zamówienia różnica jest reprezentowana w równaniu.Uzyskać informacje na temat znaczenia tych terminów, Algorytm serii Microsoft czasu.

Model zawartości dla szeregu czasowego

Ta sekcja zawiera szczegółowe i przykłady tylko dla tych kolumn w model wyszukiwania zawartość ma szczególne znaczenie dla czas modeli serii.

Informacje na temat ogólnego przeznaczenia kolumn w zestawie zestaw wierszy schematu, takie jak MODEL_CATALOG i nazwa_modelu, lub dla wyjaśnienia model wyszukiwania terminologii, zobacz Górnictwo modelu zawartości (Analysis Services - wyszukiwania danych).

  • MODEL_CATALOG
    Nazwa bazy danych, w którym przechowywany jest model.

  • NAZWA_MODELU
    Nazwa modelu.

  • ATTRIBUTE_NAME
    Przewidywalne atrybut dla serii danych, reprezentowany w węźle.(Taką samą wartość jak MSOLAP_MODEL_COLUMN.)

  • NAZWA_WĘZŁA
    Nazwa węzła.Obecnie ta kolumna zawiera taką samą wartość jak NODE_UNIQUE_NAME, mimo to mogą ulec zmianie w przyszłych wydaniach.

  • NODE_UNIQUE_NAME
    Unikatowa nazwa węzła.Węzeł nadrzędny modelu zawsze o nazwie usług terminalowych.

    ARTxp: Każdy węzeł jest reprezentowany przez TS następuje szesnastkową wartość liczbową.Na przykład, ARTxp węzły bezpośrednio pod drzewa usług terminalowych może być ponumerowane TS00000001 TS0000000b.Kolejność węzłów jest nieistotnych.

    ARIMA: Każdy węzeł w drzewie ARIMA jest reprezentowany przez TA następuje szesnastkową wartość liczbową.Węzły podrzędność zawierają unikatową nazwę węzła nadrzędnego następuje inny numer szesnastkowy wskazujący kolejność w węźle.

    Struktura wszystkich drzew ARIMA dokładnie tak samo.Każdy główny zawiera węzły i konwencja nazewnictwa wyjaśnienie działania usługi w poniższej tabela:

    Identyfikator węzła ARIMA i typ

    Przykład nazwy węzła

    ARIMA główny (27)

    TA0000000b

    ARIMA okresowej struktury (28)

    TA0000000b00000000

    ARIMA Auto regresywnej (29)

    TA0000000b000000000

    ARIMA (30) średniej ruchomej

    TA0000000b000000001

  • NODE_TYPE
    A czas model serii wyświetla następujące typy węzłów w zależności od algorytmu.

    ARTxp:

    Identyfikator typu węzła

    Opis

    1 (Wzór)

    Czas serii

    3 (Wewnętrzne)

    Reprezentuje wnętrza gałęzi w drzewie serii czas ARTxp.

    16 (Czas serii drzewo)

    Drzewo głównego ARTxp odpowiadającą atrybut przewidywalny i serii.

    15 (Seria czasu)

    Węzeł liścia w drzewie ARTxp.

    ARIMA:

    Identyfikator typu węzła

    Opis

    27 (ARIMA Root)

    Najwyższym węzłem drzewa ARIMA.

    28 (ARIMA struktury okresowe)

    Składnik drzewa ARIMA, opisujący strukturą okresowych.

    29 (ARIMA Autoregressive)

    Zawiera współczynnik dla jednej strukturze okresowych.

    30 (Średnia ruchoma ARIMA)

    Zawiera współczynnik dla jednej strukturze okresowych.

  • NODE_CAPTION
    Etykietą lub opisem, który jest skojarzony z węzłem.Ta właściwość jest głównie w celach wyświetlania.

    **ARTxp:**Zawiera warunek podziału dla węzła wyświetlane jako kombinację atrybut i wartości zakres.

    ARIMA: Zawiera krótki formularz równania ARIMA.

    Zobacz informacje o formacie równania ARIMA Górnictwa Legenda ARIMA.

  • CHILDREN_CARDINALITY
    Numer węzła ma bezpośrednie elementy podrzędne.

  • PARENT_UNIQUE_NAME
    Unikatowa nazwa węzła nadrzędnego.Dla wszystkich węzłów poziom głównym, zwracana jest wartość NULL.

  • NODE_DESCRIPTION
    Opis w tekście reguły, podziały lub formuły w bieżącym węźle.

    ARTxp: Aby uzyskać więcej informacji, zobacz Opis drzewa ARTxp.

    **ARIMA:**Aby uzyskać więcej informacji, zobacz Opis drzewa ARIMA.

  • NODE_RULE
    Opis XML reguł, podziały lub formuły w bieżącym węźle.

    ARTxp: NODE_RULE zazwyczaj odpowiada NODE_CAPTION.

    **ARIMA:**Aby uzyskać więcej informacji, zobacz Opis drzewa ARIMA.

  • MARGINAL_RULE
    Opis XML podziału lub zawartość, która jest specyficzna dla tego węzła.

    ARTxp: MARGINAL_RULE zazwyczaj odpowiada NODE_DESCRIPTION.

    ARIMA: Zawsze puste; należy użyć NODE_RULE.

  • NODE_PROBABILITY
    ARTxp: Zawsze 1 węzłów drzewa.Dla liść węzły, prawdopodobieństwo dotarcia węzła z węzła głównego modelu.

    ARIMA: Zawsze 0.

  • MARGINAL_PROBABILITY
    ARTxp: Zawsze 1 węzłów drzewa.Dla liść węzły, prawdopodobieństwo dotarcia węzła z bezpośrednim nadrzędnym.

    ARIMA: Zawsze 0.

  • NODE_DISTRIBUTION
    Tabela, która zawiera histogram prawdopodobieństwa węzła.W czas model serii tej tabela zagnieżdżonej zawiera wszystkie składniki wymagane do zestawić formuły rzeczywiste regresja.

    Aby uzyskać więcej informacji o tabela rozkładu węzła w drzewie ARTxp, zobacz Opis drzewa ARTxp.

    Aby uzyskać więcej informacji o tabela rozkładu węzła w drzewie ARIMA, zobacz Opis drzewa ARIMA.

    Jeśli chcesz zobaczyć wszystkie stałe i inne składniki, które składają się na czytelny format, użyj Czasu serii Viewer, a następnie kliknij węzeł i otworzyć Górnictwa legendy.

  • NODE_SUPPORT
    Liczba przypadków, które obsługują ten węzeł.

    ARTxp: Dla (wszystkie) węzła, wskazuje całkowitą liczbę plasterków czas uwzględniony w gałęzi.Dla końcowych węzłów wskazuje liczbę czas plasterki, które wchodzą w zakres, który jest opisany przez skojarzenie NODE_CAPTION.Liczba czas plasterki w węzłach terminali zawsze sumy wartości NODE_SUPPORT oddział (wszystkie) węzła.

    ARIMA: Liczba przypadków obsługujących bieżącej struktury okresowych.Wartość dla wsparcia jest powtarzane w wszystkie węzły bieżącej struktury okresowych.

  • MSOLAP_MODEL_COLUMN
    Przewidywalne atrybut dla serii danych, reprezentowany w węźle.(Taką samą wartość jak ATTRIBUTE_NAME.)

  • MSOLAP_NODE_SCORE
    Wartość liczbowa, która charakteryzuje wartości informacji drzewa lub Podziel.

    ARTxp: Wartość jest zawsze 0,0 dla węzłów bez podziału.Węzły z podziału reprezentuje wynik interestingness podziału.

    Aby uzyskać więcej informacji dotyczących tworzenia wyników metod, zobacz Zaznaczenie funkcji wyszukiwania danych.

    ARIMA: Wynik Bayesian kryterium informacji (BIC) ARIMA modelu.Ten sam wynik: zestaw na wszystkich węzłach ARIMA związane z równania.

  • MSOLAP_NODE_SHORT_CAPTION
    ARTxp: Takie same informacje jak NODE_DESCRIPTION.

    ARIMA: Takie same informacje jak NODE_CAPTION: oznacza to, że formularz skrócony równania ARIMA.

Opis drzewa ARTxp

ARTxp model wyraźnie oddziela obszarów dane są liniowe z obszarów podziału na inny czynnik dane.Tam, gdzie zmiany w przewidywalny atrybut może bezpośrednio reprezentowany jako funkcja zmiennych niezależnych, formuła regresja jest obliczana do reprezentowania tej relacji.Na przykład, jeśli istnieje bezpośrednia współzależność między czasem i sprzedaży dla większości serii danych, każdej serii znalazłaby się wewnątrz drzewa serii czas (NODE_TYPE = 16), dla którego nie węzły podrzędność dla każdej serii danych równanie regresja.Jednakże, jeśli relacja nie jest liniowy, ARTxp czas drzewa serii można podzielić na warunkach na węzły podrzędność, podobnie jak model drzewo decyzyjne.Przeglądając zawartość modelu w Przeglądarka Microsoft ogólna zawartość drzewa można zobaczyć, gdzie występują podziały i jak wpływa na linii trend.

Na przykład sprawdzić czas tworzenia modelu serii w Podstawowe dane samouczek górnictwa.Ten model z Adventure Works nie jest oparty na danych złożonych.Dlatego nie ma wiele podziałów w drzewie ARTxp.Jednak nawet stosunkowo prosty model ten przedstawia trzy różne rodzaje podziałów:

  • Kwota trend liniowego, region Pacyfiku dzieli się na czas klucz.Podział na czas klucz oznacza jest zmiana trend w punkcie w czas.Linia trend był liniową do pewnego momentu i przyjmowana inny kształt krzywej.Na przykład jedna seria czasu mogą nadal do 6 sierpnia 2002 r. i innej serii czas rozpoczęcia po data.

  • Kwota trend liniowego dla region Ameryki Północnej dzieli się na innej zmiennej.W takim przypadek trend dla Ameryki Północnej dzieli na podstawie wartości dla tego samego modelu w Europie region.Innymi słowy Algorytm wykrył, że gdy wartość dla Europy, Ameryki Północnej a także zmiana wartości.

  • Linia trend dla region Europy dzieli się na siebie.

Co robi każdego podziału średniej?Interpretacja informacji przekazywanych przez model zawartości jest sztuka wymaga głębokie zrozumienie danych i jej znaczenie w kontekście działalności.

Jawnego łącze między trendów dla regionów Europy i Ameryki Północnej mogą wyznaczać tylko że entropii więcej, co powoduje, że trend dla Ameryki Północnej się słabsze serii danych dla Europy.Lub, może być nie istotną różnicą w punktacji dla dwóch i korelację mogą być przypadkowo, po prostu zależności computing przed computing Ameryki Północnej Europie.Może jednak chcesz przejrzeć dane i upewnij się, czy korelacji jest FAŁSZ, zbadać czy innych współczynnik może być zaangażowany.

Podział na czas klucza oznacza jest statystycznie istotna zmiana w gradiencie linii.Może mieć to spowodowane przez matematycznych czynniki, takie jak wsparcie dla każdego zakres lub obliczenia entropii wymagane dla podziału.W ten sposób podziału tego mogą być interesujące z punktu widzenia modelu znaczenie w świecie rzeczywistym.Jednak podczas recenzowania czas okresu wskazanego w podziale można znaleźć interesujące korelacji, które nie są odzwierciedlane w danych, takie promocji sprzedaży lub innego zdarzenie, która zaczęła się w tym czasie i które mogą mieć wpływ danych.

Jeśli dane zawierają inne atrybuty, byłyby najprawdopodobniej Zobacz przykłady bardziej interesujące rozgałęzianie się w drzewie.Na przykład jeśli śledzenie informacji o pogodzie i użyte w tym jako atrybut do analizy, może Zobacz wiele podziałów w drzewie, reprezentujące złożonych interakcję między sprzedażą a pogody.

Krótko mówiąc wyszukiwanie danych jest przydatna do dostarczanie wskazówki dotyczące gdzie występują potencjalnie interesujących zjawisk, ale jest dokładnie wykładnia nadaje informacji w kontekście dalsze dochodzenie i doświadczenia użytkowników biznesowych.

Elementy formuły serie czasu ARTxp

Aby wyświetlić pełną formuły dla drzewa ARTxp lub oddział, zalecamy używanie Górnictwa legendy z Viewer serii czas Microsoft, który przedstawia wszystkie stałych w formacie czytelnym.

W tej sekcji przedstawiono równanie próbki i wyjaśniono podstawowe pojęcia.

Legenda górnictwa ARTxp formuły

W poniższym przykładzie formuła ARTxp dla jednej części modelu, wyświetlaną w górnictwie legendy.Aby wyświetlić tę formułę, Otwórz model Prognozowanie utworzony w podstawowych samouczek wyszukiwania danych w przeglądarce Microsoft szeregu czasowego, kliknij kartę modelu i wybrać drzewa R250: Serie danych w Europie, a następnie kliknij węzeł, który reprezentuje serię data 5/7/2003 lub później.

Przykład równania węzeł drzewa:

Ilość = 21.322

-0.293 * Ilość (R250 North America,-7) + 0.069 * ilość (R250 Europy,-1) + 0.023 *

Ilość (R250 Europy,-3)-0.142 * ilość (R750 Europy,-8)

W tym przypadek wartość 21.322 reprezentuje wartość, która jest przewidywane ilości jako funkcja elementów równania.Na przykład jeden element jest Quantity(R250 North America,-7).Ten zapis oznacza ilość dla region Ameryki Północnej w t-7, lub siedem częśćs przed bieżącą czas część.Wartość dla tej serii danych jest mnożona przez współczynnik -0.293.Współczynnik dla każdego elementu uzyskane w trakcie kształcenia oraz jest oparta na trendy w danych.

Istnieje wiele elementów do tego równania ponieważ model został obliczony, ilość modelu R250 w Europie region jest zależna od wartości kilku innych serii danych.

Model zawartości dla formuły ARTxp

W poniższej tabela przedstawiono te same informacje dla węzła, wyświetlaną w Drzewo zawartości Microsoft Generic Viewer (Projektant wyszukiwania danych).

ATTRIBUTE_NAME

ATTRIBUTE_VALUE

OBSŁUGA

PRAWDOPODOBIEŃSTWO

ODCHYLENIE

VALUETYPE

Ilość (Europy R250 przecięcia z osią y)

21.3223433563772

11

0

1.65508795539661

11 (Stała)

Ilość (R250 Europy,-1)

0.0691694140876526

0

0

0

7 (Współczynnik)

Ilość (R250 Europy,-1)

20.6363635858123

0

0

182.380682874818

9 (Statystyki)

Ilość (R750 Europy,-8)

-0.1421203048299

0

0

0

7 (Współczynnik)

Ilość (R750 Europy,-8)

22.5454545333019

0

0

104.362130048408

9 (Statystyki)

Ilość (R250 Europy,-3)

0.0234095979448281

0

0

0

7 (Współczynnik)

Ilość (R250 Europy,-3)

24.8181818883176

0

0

176.475304989169

9 (Statystyki)

Ilość (R250 Ameryki Północnej,-7)

-0.292914186039869

0

0

0

7 (Współczynnik)

Ilość (R250 Ameryki Północnej,-7)

10.36363640433

0

0

701.882534898676

9 (Statystyki)

model wyszukiwania zawartości zawiera te same informacje, które są dostępne w Górnictwa legendy, ale dodatkowe kolumny dla Odchylenie i obsługuje.Wartość obsługi wskazuje liczbę przypadków obsługujących trend opisanej przez równanie.

Przy użyciu formuły serie czasu ARTxp

Dla większości użytkowników biznesowych zawartości modelu ARTxp wartość udostępnia widok drzewa i liniową reprezentację danych.Jeśli zmiany w przewidywalny atrybut może być reprezentowany jako funkcja zmiennych niezależnych, algorytm automatycznie obliczyć równanie regresja i wyjście z tej serii w innym węźle.Jednakże, jeśli inne czynniki zapobiec korelacji liniowej czas serii oddziałów, takie jak drzewo decyzyjne.Przeglądając zawartość modelu w Viewer serii czas Microsoft można zobaczyć, gdzie występuje podziału i jak wpływa na linii trend.

Jeśli istnieje bezpośrednia współzależność między czas i sprzedaży za jakąkolwiek część serii danych, najłatwiejszym sposobem uzyskania formuła jest skopiować formułę z Górnictwa legendy, a następnie wkleić do dokumentu lub prezentacji, aby pomóc w wyjaśnieniu modelu.Alternatywnie można wyodrębnić średniej, współczynnik i innych informacji z tabela NODE_DISTRIBUTION dla tego drzewa i używać go do obliczenia rozszerzenia trend.Jeśli całą serię wykazuje spójne zależność liniowa, równanie jest zawarty w węźle (wszystkie).Jeśli nie ma żadnych rozgałęzianie w drzewie, równanie jest zawarty w węzeł liścia.

Następująca kwerenda zwraca wszystkie węzły liść ARTxp z model wyszukiwania, łącznie z tabela zagnieżdżonej NODE_DISTRIBUTION, który zawiera równanie.

SELECT MODEL_NAME, ATTRIBUTE_NAME, NODE_NAME,
NODE_CAPTION, 
(SELECT ATTRIBUTE_NAME, ATTRIBUTE_VALUE, [VARIANCE], VALUETYPE
FROM NODE_DISTRIBUTION) as t
FROM Forecasting.CONTENT
WHERE NODE_TYPE = 15

Opis drzewa ARIMA

Struktura każdego modelu ARIMA odpowiada okresowość lub okresowej struktury.Okresowe struktura jest wzorzec danych, który powtarza się całej serii danych.Niektóre niewielkich zmian w strukturze jest dozwolone w granicach statystycznego.Okresowość mierzy się zgodnie z domyślną czas jednostek, które były używane w dane szkolenia.Na przykład, jeśli dane szkolenia zawiera dane dotyczące sprzedaży dla każdego dnia, domyślnie czas jednostki jest jeden dzień, a wszystkie struktury okresowe są zdefiniowane jako określonej liczby dni.

Każdy okres wykryty przez algorytm pobiera własnej struktury węzła.Na przykład, jeśli analizowania danych sprzedaży dziennej modelu może wykrywać okresowe struktur, które reprezentują tygodni.W tym przypadek algorytm utworzy dwa struktur okresowych w gotowym modelu: jedno dla domyślnego dziennego okresu oznaczonego jako {1} i jedno tygodni, wskazane przez {7}.

Na przykład, poniższa kwerenda zwraca wszystkie struktury ARIMA z model wyszukiwania.

SELECT MODEL_NAME, ATTRIBUTE_NAME, NODE_NAME, NODE_CAPTION
FROM Forecasting.CONTENT
WHERE NODE_TYPE = 27

Przykład wyniki:

NAZWA_MODELU

ATTRIBUTE_NAME

NAZWA_WĘZŁA

NODE_TYPE

NODE_CAPTION

Prognozowanie

M200 Europa: ilość

TA00000000

27

ARIMA (1,0,1)

Prognozowanie

M200 North America: ilość

TA00000001

27

ARIMA (1,0,4) X (1,1,4)(6)

Prognozowanie

M200 Pacyfiku: ilość

TA00000002

27

ARIMA (2,0,8) X (1,0,0)(4)

Prognozowanie

M200 Pacyfiku: ilość

TA00000002

27

ARIMA (2,0,8) X (1,0,0)(4)

Prognozowanie

R250 Europa: ilość

TA00000003

27

ARIMA (1,0,7)

Prognozowanie

R250 North America: ilość

TA00000004

27

ARIMA (1,0,2)

Prognozowanie

R250 Pacyfiku: ilość

TA00000005

27

ARIMA (2,0,2) X (1,1,2)(12)

Prognozowanie

R750 Europa: ilość

TA00000006

27

ARIMA (2,1,1) X (1,1,5)(6)

Prognozowanie

T1000 Europa: ilość

TA00000009

27

ARIMA (1,0,1)

Prognozowanie

T1000 North America: ilość

TA0000000a

27

ARIMA (1,1,1)

Prognozowanie

T1'000 Pacyfiku: ilość

TA0000000b

27

ARIMA (1,0,3)

Z tych wyniki, które można również przeglądać za pomocą Drzewo zawartości Microsoft Generic Viewer (Projektant wyszukiwania danych), można ustawić w skrócie serii, które są całkowicie liniowe, które mają wiele struktur okresowych i jakie odkryte terminy są.

Na przykład formularz skrócony ARIMA równanie serii M200 Europy powiadamia, że wykryto tylko domyślne lub codziennie, cykl.Formularz Skrócony równania podano kolumna NODE_CAPTION.

Jednakże dla serii M200 Ameryki Północnej dodatkową strukturę okresowe został znaleziony.TA00000001 węzeł ma dwa węzły podrzędność z równania, (1,0,4)i jeden z równania, (1,1,4)(6).Następujące równania są tak łączone i prezentowanych w węzła nadrzędnego.

Dla każdego okresowej struktury modelu zawartości zapewnia także zamówienia i oredniej ruchomej jako węzły podrzędność.Na przykład poniższa kwerenda pobiera węzły podrzędność jednego z węzłów, wymienionych w poprzednim przykładzie.Należy zauważyć, że kolumna PARENT_UNIQUE_NAME, musi być ujęty w nawiasy, aby odróżnić go od zastrzeżonego słowa kluczowego o tej samej nazwie.

SELECT * 
FROM Forecasting.CONTENT
WHERE [PARENT_UNIQUE_NAME] = ' TA00000001'

Ponieważ drzewa ARIMA, nie do drzewa ARTxp, nie można używać IsDescendant (DMX) funkcja zwraca węzły są węzeł podrzędność tego okresowej struktury.Zamiast tego typu atrybut i węzeł umożliwia filtrowanie wyniki i powrót podrzędność węzły, które zapewniają bardziej szczegółowo, jak został skonstruowany równania, włącznie ze średnich i kolejność różnicy.

SELECT MODEL_NAME, ATTRIBUTE_NAME, NODE_UNIQUE_NAME,
NODE_TYPE,  NODE_CAPTION
FROM Forecasting.CONTENT
WHERE [MSOLAP_MODEL_COLUMN] ='M200 North America:Quantity'
AND (NODE_TYPE = 29 or NODE_TYPE = 30)

Przykład wyniki:

NAZWA_MODELU

ATTRIBUTE_NAME

NODE_UNIQUE_NAME

NODE_TYPE

NODE_CAPTION

Prognozowanie

M200 North America: ilość

TA00000001000000010

29

ARIMA {1,0.961832044807041}

Prognozowanie

M200 North America: ilość

TA00000001000000011

30

ARIMA {1, - 3.51073103693271E - 02,2.15731642954099,-0.220314343327742,-1.33151478258758}

Prognozowanie

M200 North America: ilość

TA00000001000000000

29

ARIMA {1,0.643565911081657}

Prognozowanie

M200 North America: ilość

TA00000001000000001

30

ARIMA {1, 1.45035399809581E-02, - 4.40489283927752E - 02-0.19203901352577,0.242202497643993}

Przykłady pokazują, że dalsze drążenie niedziałający do drzewa ARIMA, ujawniła więcej szczegółów, ale ważne informacje połączone i prezentowane w nadrzędnym również.

Formuły serie czasu dla ARIMA

Aby wyświetlić pełną formuły dla dowolnego węzła ARIMA, zaleca się użycie Górnictwa legendy z Podgląd serii czasu programu Microsoft, który przedstawia kolejność autoregressive, średnie, przenoszenie i innych elementów już równanie składa się w jednolitym formacie.

W tej sekcji przedstawiono równanie próbki i wyjaśniono podstawowe pojęcia.

Legenda Mining dla formuły ARIMA

W poniższym przykładzie formuła ARIMA jednej części modelu, wyświetlaną w górnictwie legendy.Aby wyświetlić tę formułę, otwórz Prognozowanie modelu przy użyciu viewer szeregu czasowego Microsoft, kliknij Model , następnie wybierz drzewo dla R250: Europa serii danych, a następnie kliknij węzeł, który reprezentuje serię data 5/7/2003 lub później.Legenda górnictwo redaguje wszystkich stałych w formacie czytelnym w poniższym przykładzie:

ARIMA równania:

ARIMA ({1,1},0,{1,1.49791920964142,1.10640053499397,0.888873034670339,-5.05429403071953E-02,-0.905265316720334,-0.961908900643379,-0.649991020901922}) punktu przecięcia z osią: 56.8888888888889

Równanie jest długi format ARIMA, który zawiera wartości współczynników i punkt przecięcia z osią.Format krótki równanie byłoby {1,0,7}, gdzie 1 wskazuje okres jako liczba czas plasterki, 0 wskazuje kolejność różnica termin i 7 wskazuje liczbę współczynniki.

Ostrzeżenie

Stała jest obliczana przez Analysis Services do obliczania wariancji, ale sama stała nie jest wyświetlany gdziekolwiek w interfejs użytkownika.Jednakże można wyświetlić wariancji dla dowolnego punktu w serii jako funkcja ta stała zaznaczenie Pokaż odchylenia w wykresu widok.Etykietka narzędzia dla każdej serii danych pokazuje odchylenie dla określonego punktu przewidywane.

Model zawartości dla formuły ARIMA

ARIMA model poniżej standardowej strukturze z różnych informacji zawartych w węzłów różnych typów.Aby wyświetlić zawartość modelu dla modelu ARIMA, zmienianie podglądu, aby Przeglądarka Microsoft ogólna zawartość drzewa, a następnie rozwiń węzeł, który ma nazwę atrybut Europy R250: Ilość.

Model ARIMA dla serii danych zawiera podstawowe równanie okresowych w czterech różnych formatach, które można wybierać z zależnie od aplikacji.

NODE_CAPTION: Wyświetla równanie w formacie krótkim.Format krótki informuje, ile struktur okresowe są reprezentowane i współczynniki ile mają one.Na przykład, jeśli jest krótkim formacie równanie {4,0,6}, węzeł reprezentuje jeden okresowej struktury z 6 współczynniki.Jeśli coś jest w formacie krótkim {2,0,8} x {1,0,0}(4), węzeł zawiera dwa okresowej struktury.

OPIS WĘZŁA: Wyświetla w długim formacie równanie, które jest również formularz równanie, które pojawia się w Górnictwa legendy.Długą formę równanie przypomina krótkiej formy, z wyjątkiem, że wyświetlane są rzeczywiste wartości współczynników zamiast są zliczane.

NODE_RULE: Wyświetla równanie reprezentacji XML.W zależności od typu węzła reprezentacji XML może zawierać jeden lub wiele struktur okresowych.Następująca tabela ilustruje, jak węzłów XML są rzutowane na wyższych poziomach modelu ARIMA.

Typ węzła

Zawartość XML

27 (ARIMA Root)

Zawiera wszystkie struktury okresowe dla serii danych i zawartość wszystkich podrzędność węzłów dla każdej struktury okresowych.

28 (ARIMA struktury okresowe)

Definiuje jednej strukturze okresowe, łącznie z jego węzeł termin autoregressive i jego współczynniki średniej ruchomej.

29 (ARIMA Autoregressive)

Wyświetla listę warunków dla jednej strukturze okresowych.

30 (Średnia ruchoma ARIMA)

Wyświetla listę współczynniki dla jednej strukturze okresowych.

NODE_DISTRIBUTION: Wyświetla warunki równania zagnieżdżona tabela kwerendy można uzyskać szczególnych warunków.Węzeł tabela rozkładu poniżej tej samej strukturze hierarchicznej co reguł XML.Oznacza to, że węzeł główny serii ARIMA (NODE_TYPE = 27) zawiera wartość punktu przecięcia z osią i terminy dla pełnej równanie, które mogą zawierać wiele terminy węzły podrzędność zawierają tylko informacje dotyczące niektórych okresowych struktury lub węzłów podrzędność tej struktury okresowych.

Typ węzła

Attribute

Typ wartości

27 (ARIMA Root)

Punkt przecięcia

Okresowość

11

28 (ARIMA struktury okresowe)

Okresowość

Regresywnej Kolejność automatyczna

Różnica zamówienia

Przenoszenie zamówienia średnia

12

13

15

14

29 (ARIMA Autoregressive)

Współczynnik

(uzupełnienie współczynnik)

7

30 (Średnia ruchoma ARIMA)

Wartość w t

Wartość t-1

…

Wartość na t n

7

Wartość dla Przenoszenie zamówienia średnia wskazuje liczbę ze średnich w serii.Zwykle oblicza się średnią ruchomą n-1 razy w przypadku n warunki w serii, ale liczba może być zmniejszona do obliczeń łatwiejsze.

Wartość dla autoregressive zamówienia wskazuje numer serii autoregressive.

Wartość dla zamówienia różnica wskazuje, ile razy serii są porównywane lub differenced.

Do wyliczenia typów możliwych wartości, zobacz MiningValueType.

Korzystając z informacji drzewa ARIMA

Jeśli używasz prognoz opartych na algorytmie ARIMA rozwiązania biznesowe można wkleić równanie raportu do wykazania metoda użytej do utworzenia przewidywanie.Podpis lub opis, służy do przedstawiania formuł w krótkim lub długim formacie, odpowiednio.

W wypadku opracowywania aplikacji korzystającej z czas serii prognoz może być przydatne go otrzymać równanie ARIMA z modelu zawartości, a następnie wprowadzić własne prognoz.Aby uzyskać ARIMA równanie dowolne dane wyjściowe określonego, kwerendy można głównego ARIMA dla tego konkretnego atrybut bezpośrednio, jak przedstawiono w poprzednich przykładach.

Jeśli znasz identyfikator węzła, który zawiera serię, masz dwie opcje pobierania składników równania:

  • Format tabela zagnieżdżonej: Używanie kwerendy DMX lub kwerendy za pośrednictwem klient OLEDB.

  • Reprezentacji XML: Należy użyć kwerendy XML.

Uwagi

Może być trudne do pobierania informacji z drzewa ARTxp, ponieważ informacje dotyczące każdego podziału jest w innym miejscu w drzewie.Dlatego z modelem ARTxp, musi uzyskać wszystkich sztuk i wykonaj część przetwarzania do odtworzenia całej formuły.Pobieranie równania z modelu ARIMA jest łatwiejsze, ponieważ formuła została udostępniona w całym drzewie.Dowiedzieć się, jak utworzyć kwerendę, aby pobrać te informacje, zobacz Badanie Model serii czas (Analysis Services - wyszukiwania danych).