Создание прогнозов временных рядов (учебник по интеллектуальному анализу данных — средний уровень)

  • Статья

 

Применимо к: SQL Server 2016 Preview

В ходе выполнения предыдущей задачи данного занятия была создана модель временных рядов и изучены результаты. По умолчанию службы Службы Analysis Services всегда создают набор из пяти (5) прогнозов для модели временных рядов и отображают прогнозируемые значения в виде части диаграммы прогнозирования. Однако можно также создавать прогнозы путем построения прогнозирующих запросов расширений интеллектуального анализа данных (DMX).

В ходе данной задачи будет создан прогнозирующий запрос, который сформирует такие же прогнозы, какие отображались ранее в средстве просмотра. Для выполнения данной задачи необходимо пройти занятия учебника по интеллектуальному анализу данных (начальный уровень) и иметь навыки работы с построителем прогнозирующих запросов. Здесь будет показано, как можно создавать запросы, относящиеся к моделям временных рядов.

Создание прогнозов временных рядов

Как правило, первым шагом в создании прогнозируемого запроса является выбор модели интеллектуального анализа данных и входной таблицы. Однако модель временных рядов не требует дополнительных входных данных для построения обычного прогноза. Поэтому нет необходимости указывать новый источник данных при создании прогнозов, за исключением случаев добавления данных в модель или замены данных.

В данном занятии необходимо указать количество этапов прогнозирования. Можно указать имя ряда, чтобы получить прогноз для определенного сочетания товара и региона.

Выбор модели и входной таблицы

  1. На модель интеллектуального анализа данных конструктора интеллектуального анализа данных в модель интеллектуального анализа данных нажмите кнопку Выбор модели.

  2. В выберите модель интеллектуального анализа данных диалогового окна разверните структуру прогнозирование, выберите Forecasting модель из списка и выберите пункт ОК.

  3. Игнорировать Выбор входных таблиц поле.

    Примечание


    Для модели временных рядов не требуется указывать отдельные входные данные, за исключением случаев выполнения перекрестного прогноза.

  4. В источника столбца в сетке Прогноз модели интеллектуального анализа данных щелкните ячейку в первой пустой строке, а затем выберите модели интеллектуального анализа данных Forecasting.

  5. В поле выберите Model Region.

    В результате этого действия в прогнозирующий запрос будет добавлен идентификатор ряда с целью указания сочетания модели и региона, к которому будет относиться соответствующий прогноз.

  6. Щелкните следующую пустую строку в источника столбец, а затем выберите Прогнозирующая функция.

  7. В поле выберите PredictTimeSeries.

    Примечание


    Можно также использовать Predict функция с моделями временных рядов. Однако по умолчанию функция Predict создает только один прогноз для каждого ряда. Таким образом, чтобы указать несколько этапов прогнозирования, необходимо использовать PredictTimeSeries функции.

  8. В модели интеллектуального анализа данных области выберите столбец модели интеллектуального анализа данных, суммы. Перетащите сумма Критерий или аргумент поле для PredictTimeSeries функции, который был добавлен ранее.

  9. Щелкните Критерий или аргумент и введите запятую, за которым следует 5, после имени поля.

    Текст в Критерий или аргумент поле должно отображаться следующее:

    [Forecasting].[Amount],5

  10. В псевдоним введите PredictAmount.

  11. Щелкните следующую пустую строку в источника столбец, а затем выберите Прогнозирующая функция еще раз.

  12. В поле выберите PredictTimeSeries.

  13. В модель интеллектуального анализа данных области, выберите количество столбцов, а затем перетащите его в Критерий или аргумент второй PredictTimeSeries функции.

  14. Щелкните Критерий или аргумент и введите запятую, за которым следует 5, после имени поля.

    Текст в Критерий или аргумент поле должно отображаться следующее:

    [Forecasting].[ Quantity],5

  15. В псевдоним введите PredictQuantity.

  16. Щелкните переключитесь в режим просмотра результата запроса.

    Результаты запроса будут отображены в табличном формате.

Итак, было создано три различных типа результатов в построителе запросов, один из которых использует значения столбца, а два других получают прогнозируемые значения из прогнозирующей функции. Поэтому результаты запроса состоят из трех отдельных столбцов. В первом столбце содержится список сочетания товаров и регионов. Во втором и третьем столбцах — по вложенной таблице с результатами прогнозов. Каждая вложенная таблица содержит временные этапы и значения прогнозов, как, например, в следующей таблице.

ModelRegion M200 Europe

Результаты примера (суммы округлены до двух цифр после запятой):

  • PredictAmount

    $TIME Сумма
    7/25/2008 99978.00
    8/25/2008 145575.07
    9/25/2008 116835.19
    10/25/2008 116537.38
    11/25/2008 107760.55

  • PredictQuantity

    $TIME Количество
    7/25/2008 52
    8/25/2008 67
    9/25/2008 58
    10/25/2008 57
    11/25/2008 54

ModelRegion M200 North America

  • PredictAmount

    $TIME Сумма
    7/25/2008 348533.93
    8/25/2008 340097.98
    9/25/2008 257986.19
    10/25/2008 374658.24
    11/25/2008 379241.44

  • PredictQuantity

    $TIME Количество
    7/25/2008 272
    8/25/2008 152
    9/25/2008 250
    10/25/2008 181
    11/25/2008 290

Предупреждение


Даты, используемые в образце базы данных, изменены для этой версии. Если используется более ранняя версия образца данных, могут появиться другие результаты.

Сохранение результатов прогноза

Есть несколько возможных вариантов использования результатов прогнозирования. Можно преобразовать результаты в плоский формат, скопировать данные из представления результатов и вставить в рабочий лист Excel или другой файл.

Чтобы упростить процесс сохранения результатов, конструктор интеллектуального анализа данных также предоставляет возможность сохранения данных в новом представлении источника данных. Функции сохранения результатов в представлении источника данных доступны только в SQL Server Data Tools (SSDT). Результаты могут храниться только в плоском формате.

Преобразование результатов в плоский формат на панели «Результаты»

  1. Построитель прогнозирующих запросов, щелкните переключиться в режим проектирования запросов.

    После этого в представлении можно будет вручную изменить текст DMX-запроса.

  2. Тип СГЛАЖЕННЫЙ ключевое слово после ВЫБЕРИТЕ ключевое слово. Полный текст запроса теперь должен выглядеть следующим образом.

    SELECT FLATTENED  
  [Forecasting].[Model Region],  
  (PredictTimeSeries([Forecasting].[Amount],5)) as [PredictAmount],  
  (PredictTimeSeries([Forecasting].[Quantity],5)) as [PredictQuantity]  
FROM  
  [Forecasting]

  3. Кроме того, можно указать предложение, которое будет ограничивать результаты, как в следующем примере:

    SELECT FLATTENED  
  [Forecasting].[Model Region],  
  (PredictTimeSeries([Forecasting].[Amount],5)) as [PredictAmount],  
  (PredictTimeSeries([Forecasting].[Quantity],5)) as [PredictQuantity]  
FROM  
  [Forecasting]  
WHERE [Forecasting].[Model Region] = 'M200 North America'   
OR [Forecasting].[Model Region] = 'M200 Europe'

  4. Щелкните переключитесь в режим просмотра результата запроса.

Экспорт результатов прогнозирующего запроса

  1. Щелкните Сохранить результаты запроса.

  2. В сохранения данных результата запроса интеллектуального анализа диалоговом для источника данных, выберите AdventureWorksDW2012. Также можно создать источник данных, если необходимо сохранить данные в другой реляционной базе данных.

  3. В имя таблицы Введите новое имя временной таблицы, такие как Проверка прогнозов.

  4. Нажмите кнопку Сохранить.

    Примечание


    Чтобы просмотреть созданную таблицу, создайте соединение с компонентом Database Engine, на котором были сохранены данные, и сформируйте запрос.

Заключение

Было изучено создание базовой модели временных рядов, интерпретация прогнозов и создание прогнозов.

Оставшиеся задания в этом учебнике не являются обязательными и описывают расширенное прогнозирование временных рядов. В этих задачах будет изучено добавление новых данных в модель и создание прогнозов на основе расширенных рядов. Будет также изучено выполнение перекрестного прогнозирования с использованием тренда в модели и заменой данных новым рядом данных.

Следующее занятие

Расширенные прогнозы временных рядов ( учебник по интеллектуальному анализу данных — средний )

См. также:

Примеры запросов моделей временных рядов