PredictTimeSeries (расширения интеллектуального анализа данных)
Область применения: 
SQL Server Analysis Services
Возвращает прогнозируемые будущие значения для временного ряда данных. Данные временных рядов являются непрерывными и могут храниться во вложенной таблице или в таблице вариантов. Функция PredictTimeSeries всегда возвращает вложенную таблицу.
Синтаксис
PredictTimeSeries(<table column reference>)
PredictTimeSeries(<table column reference>, n)
PredictTimeSeries(<table column reference>, n-start, n-end)
PredictTimeSeries(<scalar column reference>)
PredictTimeSeries(<scalar column reference>, n)
PredictTimeSeries(<scalar column reference>, n-start, n-end)
PredictTimeSeries(<table column reference>, n, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
PredictTimeSeries(<table column reference>, n-start, n-end, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
PredictTimeSeries(<scalar column reference>, n, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
PredictTimeSeries(<scalar column reference>, n-start, n-end, REPLACE_MODEL_CASES | EXTEND_MODEL_CASES) PREDICTION JOIN <source query>
Аргументы
<Ссылка> на столбец таблицы, <скалярная ссылка на столбец>
Указывает имя прогнозируемого столбца. Столбец может содержать скалярные или табличные данные.
n
Указывает число следующих прогнозируемых шагов. Если значение не указано для n, значение по умолчанию равно 1.
n не может быть 0. Функция возвращает ошибку, если не сделать хотя бы один прогноз.
n-start, n-end
Указывает диапазон шагов временного ряда.
n-start должен быть целым числом и не может иметь значение 0.
n-end должен быть целым числом, превышающим n-start.
<исходный запрос>
Определяет внешние данные, используемые при формировании прогнозов.
REPLACE_MODEL_CASES | EXTEND_MODEL_CASES
Указывает метод обработки новых данных.
REPLACE_MODEL_CASES указывает, что точки данных в модели должны быть заменены новыми данными. При этом прогнозы основываются на шаблонах в существующей модели интеллектуального анализа данных.
EXTEND_MODEL_CASES указывает, что новые данные должны быть добавлены к исходному набору данных для обучения. Будущие прогнозы делаются по составному набору данных только после того, как будут полностью использованы новые данные.
Эти аргументы можно использовать, только если новые данные добавляются с помощью инструкции PREDICTION JOIN. Если в запросе PREDICTION JOIN аргумент не указан, значение по умолчанию — EXTEND_MODEL_CASES.
Тип возвращаемых данных
Табличное <выражение>.
Замечания
Алгоритм временных рядов Майкрософт не поддерживает исторический прогноз при использовании инструкции PREDICTION JOIN для добавления новых данных.
В инструкции PREDICTION JOIN процесс прогнозирования всегда начинается на временном шаге сразу после окончания первоначальной обучающей последовательности. Так происходит даже при добавлении новых данных. Поэтому значения параметров n и n-start должны быть целым числом, превышающим 0.
Примечание.
Длина новых данных не влияет на точку начала прогнозирования. Таким образом, чтобы добавить новые данные и сделать новые прогнозы, убедитесь, что значение, в котором задана точка начала прогнозирования, больше длины новых данных, либо переместите точку окончания прогнозирования на размер длины новых данных.
Примеры
В следующих примерах показано прогнозирование для существующей модели временных рядов.
В первом примере показано, как сделать указанное число прогнозов на основе текущей модели.
Во втором примере показано использование параметра REPLACE_MODEL_CASES для применения шаблонов в заданной модели к новому набору данных.
В третьем примере показано использование параметра EXTEND_MODEL_CASES для обновления модели интеллектуального анализа данных с новыми данными.
Дополнительные сведения о работе с моделями временных рядов см. в руководстве по интеллектуальному анализу данных, занятии 2. Создание сценария прогнозирования (учебник по интеллектуальному анализу промежуточных данных) и руководства по прогнозированию временных рядов.
Примечание.
Модель может давать разные результаты; результаты приведенных ниже примеров призваны лишь продемонстрировать формат результатов.
Пример 1. Прогнозирование количества срезов времени
В следующем примере функция PredictTimeSeries используется для возврата прогноза для следующих трех этапов времени и ограничивает результаты серии M200 в европе и тихоокеанском регионах. В этой конкретной модели прогнозируемый атрибут — Quantity, поэтому необходимо использовать [Quantity] в качестве первого аргумента функции PredictTimeSeries.
SELECT FLATTENED
[Forecasting].[Model Region],
PredictTimeSeries([Forecasting].[Quantity],3)AS t
FROM
[Forecasting]
WHERE [Model Region] = 'M200 Europe'
OR [Model Region] = 'M200 Pacific'
Ожидаемый результат:
| Model Region | t.$TIME | t.Quantity |
|---|---|---|
| M200 Europe | 7/25/2008 12:00:00 AM | 121 |
| M200 Europe | 8/25/2008 12:00:00 AM | 142 |
| M200 Europe | 9/25/2008 12:00:00 AM | 152 |
| M200 Pacific | 7/25/2008 12:00:00 AM | 46 |
| M200 Pacific | 8/25/2008 12:00:00 AM | 44 |
| M200 Pacific | 9/25/2008 12:00:00 AM | 42 |
В этом примере для облегчения чтения результатов было использовано ключевое слово FLATTENED. Если ключевое слово FLATTENED не используется и возвращается иерархический набор строк, запрос возвращает два столбца. Первый столбец содержит значение [ModelRegion], а второй столбец содержит вложенную таблицу с двумя столбцами: $TIME, в которой показаны срезы времени, прогнозируемые, и количество, содержащее прогнозируемые значения.
Пример 2. Добавление новых данных и использование REPLACE_MODEL_CASES
Предположим, были обнаружены неверные данные для определенного региона и требуется использовать шаблоны в модели, но необходимо скорректировать прогнозы для соответствия новым данным. Или может оказаться, что другой регион демонстрирует более привлекательные тенденции и к данным такого региона необходимо применить более надежную модель.
В таких случаях можно использовать параметр REPLACE_MODEL_CASES и задать новый набор данных для использования в качестве исторических данных. При этом прогнозы будут основываться на шаблонах в заданной модели, но плавно продолжаться с конца новых точек данных. Полное пошаговое руководство по этому сценарию см. в руководстве по расширенному прогнозированию временных рядов (учебник по интеллектуальному анализу промежуточных данных).
Запрос PREDICTION JOIN демонстрирует синтаксис замены данных и выполнения новых прогнозов. Для заменяемых данных в примере извлекается значение столбцов «Amount» и «Quantity», каждое из которых умножается на два.
SELECT [Forecasting].[Model Region],
PredictTimeSeries([Forecasting].[Quantity], 3, REPLACE_MODEL_CASES)
FROM
[Forecasting]
PREDICTION JOIN
OPENQUERY([Adventure Works DW Multidimensional 2012],
'SELECT [ModelRegion],
([Quantity] * 2) as Quantity,
([Amount] * 2) as Amount,
[ReportingDate]
FROM [dbo].vTimeSeries
WHERE ModelRegion = N''M200 Pacific''
') AS t
ON
[Forecasting].[Model Region] = t.[ Model Region] AND
[Forecasting].[Reporting Date] = t.[ReportingDate] AND
[Forecasting].[Quantity] = t.[Quantity] AND
[Forecasting].[Amount] = t.[Amount]
В следующих таблицах сравниваются результаты прогнозирования.
Исходные прогнозы:
| Model Region | ReportingDate | Количество |
|---|---|---|
| M200 Pacific | 7/25/2008 12:00:00 AM | 46 |
| M200 Pacific | 8/25/2008 12:00:00 AM | 44 |
| M200 Pacific | 9/25/2008 12:00:00 AM | 42 |
Обновленные прогнозы:
| Model Region | ReportingDate | Количество |
|---|---|---|
| M200 Pacific | 7/25/2008 12:00:00 AM | 91 |
| M200 Pacific | 8/25/2008 12:00:00 AM | 89 |
| M200 Pacific | 9/25/2008 12:00:00 AM | 84 |
Пример 3. Добавление новых данных и использование EXTEND_MODEL_CASES
Пример 3 иллюстрирует использование параметра EXTEND_MODEL_CASES для предоставления новых данных, которые добавляются в конец существующего ряда данных. Новые данные не заменяют существующие точки данных, а добавляются к модели.
В следующем примере новые данные предоставляются в инструкции SELECT после NATURAL PREDICTION JOIN. С помощью этого синтаксиса можно указать несколько строк нового ввода, но каждая новая строка ввода имеет уникальную метку времени.
SELECT [Model Region],
PredictTimeSeries([Forecasting].[Quantity], 5, EXTEND_MODEL_CASES)
FROM
[Forecasting]
NATURAL PREDICTION JOIN
(SELECT
1 as [Reporting Date],
10 as [Quantity],
'M200 Europe' AS [Model Region]
UNION SELECT
2 as [Reporting Date],
15 as [Quantity],
'M200 Europe' AS [Model Region]
) AS T
WHERE ([Model Region] = 'M200 Europe'
OR [Model Region] = 'M200 Pacific')
Так как запрос использует параметр EXTEND_MODEL_CASES , службы Analysis Services выполняют следующие действия для прогнозов:
Увеличивают общий размер обучающих вариантов путем добавления к модели данных за два месяца.
Начинают прогноз с конца предыдущих данных варианта. Таким образом, первые два прогноза представляют новые фактические данные продаж, только что добавленные к модели.
Возвращают новые прогнозы для оставшихся трех срезов времени на основе только что расширенной модели.
В следующей таблице приведены результаты выполнения запроса из примера 2. Обратите внимание, что первые два значения, возвращенные для столбца M200 Europe, в точности соответствуют новым указанным значениям. Это поведение не является ошибкой; чтобы начать прогнозы с конца новых данных, необходимо указать шаг времени начала и завершения.
Также обратите внимание, что новые данные для региона Pacific указаны не были. Поэтому службы Analysis Services возвращают новые прогнозы для всех пяти временных срезов.
Количество: M200 Европа. EXTEND_MODEL_CASES:
| $TIME | Количество |
|---|---|
| 7/25/2008 0:00 | 10 |
| 8/25/2008 0:00 | 15 |
| 9/25/2008 0:00 | 72 |
| 10/25/2008 0:00 | 69 |
| 11/25/2008 0:00 | 68 |
Количество: М200 Тихоокеанский регион. EXTEND_MODEL_CASES:
| $TIME | Количество |
|---|---|
| 7/25/2008 0:00 | 46 |
| 8/25/2008 0:00 | 44 |
| 9/25/2008 0:00 | 42 |
| 10/25/2008 0:00 | 42 |
| 11/25/2008 0:00 | 38 |
Пример 4. Возврат статистики в прогнозе временных рядов
Функция PredictTimeSeries не поддерживает INCLUDE_STATISTICS в качестве параметра. Однако вернуть статистику прогнозов для запроса по временным рядам можно с помощью приведенного ниже запроса. Кроме того, этот подход можно использовать при работе с моделями, в которых есть столбцы вложенных таблиц.
В этой конкретной модели прогнозируемый атрибут — Quantity, поэтому необходимо использовать [Quantity] в качестве первого аргумента функции PredictTimeSeries. Если в модели используется другой прогнозируемый атрибут, можно подставить другое имя столбца.
SELECT FLATTENED [Model Region],
(SELECT
$Time,
[Quantity] as [PREDICTION],
PredictVariance([Quantity]) AS [VARIANCE],
PredictStdev([Quantity]) AS [STDEV]
FROM
PredictTimeSeries([Quantity], 3) AS t
) AS t
FROM Forecasting
WHERE [Model Region] = 'M200 Europe'
OR [Model Region] = 'M200 North America'
Образец результатов.
| Model Region | t.$TIME | t.PREDICTION | t.VARIANCE | t.STDEV |
|---|---|---|---|---|
| M200 Europe | 7/25/2008 12:00:00 AM | 121 | 11.6050581415597 | 3.40661975300439 |
| M200 Europe | 8/25/2008 12:00:00 AM | 142 | 10.678201866621 | 3.26775180615374 |
| M200 Europe | 9/25/2008 12:00:00 AM | 152 | 9.86897842568614 | 3.14149302493037 |
| M200 North America | 7/25/2008 12:00:00 AM | 163 | 1.20434529288162 | 1.20434529288162 |
| M200 North America | 8/25/2008 12:00:00 AM | 178 | 1.65031343900634 | 1.65031343900634 |
| M200 North America | 9/25/2008 12:00:00 AM | 156 | 1.68969399185442 | 1.68969399185442 |
Примечание.
Ключевое слово FLATTENED использовалось в этом примере, чтобы представить результаты в виде таблицы, но, если поставщик поддерживает иерархические наборы строк, ключевое слово FLATTENED можно опустить. Если опустить ключевое слово FLATTENED, запрос вернет два столбца. Первый столбец будет содержать значение, идентифицирующее ряды данных [Model Region], а второй столбец — вложенную таблицу со статистикой.
См. также
Справочник по функциям расширений интеллектуального анализа данных
Примеры запросов моделей временных рядов
Прогнозирование (DMX)