PredictTimeSeries （DMX）

發行項
04/16/2024

適用於：SQL Server Analysis Services

傳回時間序列數據的預測未來值。時間序列數據是連續的，可以儲存在巢狀數據表或案例數據表中。 PredictTimeSeries 函式一律會傳回巢狀數據表。

語法

  
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>

引數

<數據表數據行參考>， <純量數據行參考>
指定要預測的數據行名稱。數據列可以包含純量或表格式數據。

n
指定要預測的後續步驟數目。如果未為 n 指定值，則預設值為 1。

n 不能是 0。如果您未進行至少一個預測，函式會傳回錯誤。

n-start、n-end
指定時間序列步驟的範圍。

n-start 必須是整數，不能是 0。

n 結束 必須是大於 n-start 的整數。

<來源查詢>
定義用於進行預測的外部數據。

REPLACE_MODEL_CASES |EXTEND_MODEL_CASES
指出如何處理新數據。

REPLACE_MODEL_CASES指定模型中的數據點應該取代為新的數據。不過，預測是以現有採礦模型中的模式為基礎。

EXTEND_MODEL_CASES指定新數據應該新增至原始定型數據集。只有在新數據用完之後，才會對複合數據集進行未來的預測。

只有在使用 PREDICTION JOIN 語句加入新數據時，才能使用這些自變數。如果您使用 PREDICTION JOIN 查詢，但未指定自變數，則預設值為 EXTEND_MODEL_CASES。

傳回類型

數據表 <表達式>。

備註

當您使用 PREDICTION JOIN 語句來新增數據時，Microsoft時間序列演算法不支援歷史預測。

在 PREDICTION JOIN 中，預測程式一律會在原始定型系列結束之後立即開始時間步驟。即使您新增數據，也是如此。因此， n 參數和 n-start 參數值必須是大於 0 的整數。

注意

新數據的長度不會影響預測的起點。因此，如果您想要加入新的數據，也進行新的預測，請確定您將預測起點設定為大於新數據長度的值，或依新數據的長度來擴充預測結束點。

範例

下列範例示範如何針對現有的時間序列模型進行預測：

第一個範例示範如何根據目前的模型進行指定的預測數目。
第二個範例示範如何使用 REPLACE_MODEL_CASES 參數，將指定模型中的模式套用至新的數據集。
第三個範例示範如何使用 EXTEND_MODEL_CASES 參數，以全新的數據更新採礦模型。

若要深入瞭解使用時間序列模型，請參閱數據採礦教學課程：第 2 課：建置預測案例（元數據採礦教學課程）和時間序列預測 DMX 教學課程。

注意

您可能會從模型取得不同的結果;以下範例的結果僅供說明結果格式。

範例 1：預測時間配量的數目

下列範例會使用 PredictTimeSeries 函數傳回未來三個時間步驟的預測，並將結果限制為歐洲和太平洋地區的 M200 系列。在此特定模型中，可預測屬性為 Quantity，因此您必須使用 [Quantity] 作為 PredictTimeSeries 函式的第一個自變數。

SELECT FLATTENED  
    [Forecasting].[Model Region],  
    PredictTimeSeries([Forecasting].[Quantity],3)AS t   
FROM  
    [Forecasting]  
WHERE [Model Region] = 'M200 Europe'  
OR [Model Region] = 'M200 Pacific'

預期的結果：

模型區域	t.$TIME	t.Quantity
M200 歐洲	2008/7/25 上午 12：00：00	121
M200 歐洲	2008/8/25 上午 12：00：00	142
M200 歐洲	2008/9/25 上午 12：00：00	152
M200 Pacific	2008/7/25 上午 12：00：00	46
M200 Pacific	2008/8/25 上午 12：00：00	44
M200 Pacific	2008/9/25 上午 12：00：00	42

在此範例中，已使用 FLATTENED 關鍵詞讓結果更容易閱讀。如果您沒有使用 FLATTENED 關鍵詞，而是傳回階層式數據列集，此查詢會傳回兩個數據行。第一個數據行包含 [ModelRegion] 的值，而第二個數據行包含兩個數據行的巢狀數據表：$TIME，其中顯示預測的時間配量，以及包含預測值的 Quantity。

範例 2：新增數據並使用 REPLACE_MODEL_CASES

假設您發現特定區域的數據不正確，而且想要使用模型中的模式，但要調整預測以符合新數據。或者，您可能會發現另一個區域具有更可靠的趨勢，而且您想要將最可靠的模型套用至不同區域的數據。

在這種情況下，您可以使用 REPLACE_MODEL_CASES 參數，並指定要作為歷程記錄數據的新數據集。如此一來，投影會以指定模型中的模式為基礎，但會從新數據點的結尾順利進行。如需此案例的完整逐步解說，請參閱進階時間序列預測（元數據採礦教學課程）。

下列 PREDICTION JOIN 查詢說明取代數據和進行新預測的語法。針對取代數據，此範例會擷取Amount和Quantity資料行的值，並將每個值乘以兩個：

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]

下表比較預測的結果。

原始預測：

模型區域	ReportingDate	數量
M200 Pacific	2008/7/25 上午 12：00：00	46
M200 Pacific	2008/8/25 上午 12：00：00	44
M200 Pacific	2008/9/25 上午 12：00：00	42

已更新的預測：

模型區域	ReportingDate	數量
M200 Pacific	2008/7/25 上午 12：00：00	91
M200 Pacific	2008/8/25 上午 12：00：00	89
M200 Pacific	2008/9/25 上午 12：00：00	84

範例 3：新增數據並使用 EXTEND_MODEL_CASES

範例 3 說明如何使用 EXTEND_MODEL_CASES 選項來提供新數據，這會新增至現有數據系列結尾。新的數據會新增至模型，而不是取代現有的數據點。

在下列範例中，SELECT 語句中會提供新的數據，並遵循 NATURAL PREDICTION JOIN。您可以使用這個語法來提供多個新輸入資料列，但每個新輸入資料列都必須有唯一的時間戳：

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')

因為查詢使用 [EXTEND_MODEL_CASES ] 選項，Analysis Services 會對其預測採取下列動作：

藉由將兩個新的月份數據新增至模型，以增加定型案例的總大小。
在前一個案例數據的結尾啟動預測。因此，前兩個預測代表您剛新增至模型的新實際銷售數據。
根據新展開的模型，傳回其餘三個時間配量的新預測。

下表列出範例 2 查詢的結果。請注意，針對 M200 Europe 傳回的前兩個值與您提供的新值完全相同。此行為是設計方式;如果您想要在新數據結束之後開始預測，您必須指定開始和結束時間步驟。

此外，請注意，您並未提供太平洋地區的新數據。因此，Analysis Services 會傳回所有五個時間配量的新預測。

數量：M200 歐洲。 EXTEND_MODEL_CASES：

$TIME	數量
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

數量：M200 Pacific。 EXTEND_MODEL_CASES：

$TIME	數量
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

範例 4：傳回時間序列預測中的統計數據

PredictTimeSeries 函式不支援INCLUDE_STATISTICS做為參數。不過，下列查詢可用來傳回時間序列查詢的預測統計數據。此方法也可以與具有巢狀數據表數據行的模型搭配使用。

在此特定模型中，可預測屬性為 Quantity，因此您必須使用 [Quantity] 作為 PredictTimeSeries 函式的第一個自變數。如果您的模型使用不同的可預測屬性，您可以替代不同的數據行名稱。

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'

範例結果：

模型區域	t.$TIME	t.PREDICTION	t.VARIANCE	t.STDEV
M200 歐洲	2008/7/25 上午 12：00：00	121	11.6050581415597	3.40661975300439
M200 歐洲	2008/8/25 上午 12：00：00	142	10.678201866621	3.26775180615374
M200 歐洲	2008/9/25 上午 12：00：00	152	9.86897842568614	3.14149302493037
M200 北美洲	2008/7/25 上午 12：00：00	163	1.20434529288162	1.20434529288162
M200 北美洲	2008/8/25 上午 12：00：00	178	1.65031343900634	1.65031343900634
M200 北美洲	2008/9/25 上午 12：00：00	156	1.68969399185442	1.68969399185442

注意

此範例中使用了 FLATTENED 關鍵詞，讓結果更容易出現在數據表中;不過，如果您的提供者支援階層式數據列集，您可以省略 FLATTENED 關鍵詞。如果您省略 FLATTENED 關鍵詞，查詢會傳回兩個數據行、第一個包含識別 [Model Region] 數據系列值的數據行，以及包含巢狀統計數據數據表的第二個數據行。

另請參閱

數據採礦延伸模組（DMX）函式參考
 時間序列模型查詢範例
 Predict （DMX）

共用方式為