Tidsseriemodellvariabler

Kommentar

Time Series Insights-tjänsten dras tillbaka den 7 juli 2024. Överväg att migrera befintliga miljöer till alternativa lösningar så snart som möjligt. Mer information om utfasning och migrering finns i vår dokumentation.

I den här artikeln beskrivs variablerna för Tidsseriemodell som anger formel- och beräkningsregler för händelser.

Varje variabel kan vara en av tre typer: numerisk, kategorisk och aggregerad.

• Numeriska typer fungerar med kontinuerliga numeriska värden.
• Kategoriska typer fungerar med en definierad uppsättning diskreta värden.
• Mängdtyper kombinerar flera variabler av en enda typ (antingen alla numeriska eller alla kategoriska).

I följande tabell visas vilka egenskaper som är relevanta för varje variabeltyp.

Numeriska variabler

Variabelegenskap	beskrivning
Variabelfilter	Filter är valfria villkorssatser för att begränsa antalet rader som övervägs för beräkning.
Variabelvärde	Telemetrivärden som används för beräkning som kommer från enheten eller sensorerna eller omvandlas med hjälp av Time Series-uttryck. Numeriska typvariabler måste vara antingen Double eller Long för att matcha datatypen för inkommande data.
Variabelinterpolation	Interpolation anger hur du rekonstruerar en signal med hjälp av befintliga data. Alternativ för steg - och linjär interpolering är tillgängliga för numeriska variabler.
Variabelaggregering	Utför beräkningar via de sammansättningsfunktioner som stöds för numeriska variabeltyper.

Variabler överensstämmer med följande JSON-exempel:

"Interpolated Speed": {
  "kind": "numeric",
  "value": {
    "tsx": "$event['Speed-Sensor'].Double"
  },
  "filter": null,
  "interpolation": {
    "kind": "step",
    "boundary": {
      "span": "P1D"
    }
  },
  "aggregation": {
    "tsx": "right($value)"
  }
}

Kategoriska variabler

Variabelegenskap	beskrivning
Variabelfilter	Filter är valfria villkorssatser för att begränsa antalet rader som övervägs för beräkning.
Variabelvärde	Telemetrivärden som används för beräkning som kommer från enheten eller sensorerna. Kategoriska typvariabler måste vara antingen Long eller String för att matcha datatypen för inkommande data.
Variabelinterpolation	Interpolation anger hur du rekonstruerar en signal med hjälp av befintliga data. Alternativet Steginterpolation är tillgängligt för kategoriska variabler.
Variabelkategorier	Kategorier skapar en mappning mellan de värden som kommer från enheten eller sensorerna till en etikett.
Variabelstandardkategori	Standardkategorin är för alla värden som inte mappas i egenskapen "kategorier".

Variabler överensstämmer med följande JSON-exempel:

"Status": {
  "kind": "categorical",
  "value": {
     "tsx": "$event.Status.Long"
},
  "interpolation": {
    "kind": "step",
    "boundary": {
      "span" : "PT1M"
    }
  },
  "categories": [
    {
      "values": [0, 1, 2, 3],
      "label": "Good"
    },
    {
      "values": [4],
      "label": "Bad"
    }
  ],
  "defaultCategory": {
    "label": "Not Applicable"
  }
}

Aggregerade variabler

Variabelegenskap	beskrivning
Variabelfilter	Filter är valfria villkorssatser för att begränsa antalet rader som övervägs för beräkning.
Variabelaggregering	Utför beräkningar via de sammansättningsfunktioner som stöds för mängdvariabeltyper.

Variabler överensstämmer med följande JSON-exempel:

"Speed Range": {
  "kind": "aggregate",
  "filter": null,
  "aggregation": {
    "tsx": "max($event.Speed.Double) - min($event.Speed.Double)"
  }
}

Variabler lagras i typdefinitionen för en tidsseriemodell och kan anges infogade via API:er för att åsidosätta eller komplettera den lagrade definitionen.

Nästa steg

• Läs mer om Time Series Model.

• Läs mer om hur du definierar variabler infogade med fråge-API :er.