PredictTimeSeries (dmx)

saat serisi verileri için gelecekteki değerleri döndürür öngörülen.Zaman serisi verileri sürekli ve iç içe geçmiş bir tablo veya bir durum tablosundaki depolanabilir.The PredictTimeSeries function always returns a nested table.

Sözdizimi

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>

Bağımsız değişkenler

  • <table column reference>, <scalar column referenc>
    Adını belirtir sütun tahmin etmek.Sütun skaler veya sekmeli veri içerebilir.

  • n
    Tahmin etmek için sonraki adım sayısını belirtir.İçin bir değer belirtilmemişse, n, varsayılan 1'dir.

    n 0 olamaz.En az bir tahmin yapmak, işlev bir hata döndürür.

  • n-start, n-end
    saat serisi adımları aralık belirtir.

    n-start bir tamsayı olması gerekir ve 0 olamaz.

    n-endbir tamsayı büyük n-start.

  • <source query>
    Öngörüler yapmak için kullanılan dış veri tanımlar.

  • REPLACE_MODEL_CASES | EXTEND_MODEL_CASES
    Yeni verileri nasıl işleyeceğini gösterir.

    replace_model_cases veri noktaları modelinde yeni verilerle değiştirilmesi gerektiğini belirtir.Ancak, Öngörüler varolan desenleri esas alan araştırma modeli.

    extend_model_cases, yeni veriler özgün eklenmesi gerektiğini belirtir eğitim verileri küme.Sadece yeni veri kullanıldıktan gelecekteki Öngörüler bileşik veri küme üzerinde yapılır.

    Yalnızca bir tahmin JOIN deyim kullanarak yeni veriler eklendiğinde, bu bağımsız değişkenler kullanılır.Bir tahmin JOIN sorgu kullanıyorsanız ve bir bağımsız değişkeni belirtmezseniz, extend_model_cases varsayılandır.

Dönüş Türü

A <table expression>.

Açıklamalar

The Microsoft Time Series algorithm does not support historical prediction when you use the PREDICTION JOIN statement to add new data.

Bir ÖNGÖRÜ de katılın, tahmin işlemi her saat saat adımda özgün eğitim serisinin sonunda hemen başlar.Yeni veri eklemek bile bu durum geçerlidir.Bu nedenle, n parametre ve n-start parametre değerleri 0'dan büyük bir tamsayı olması gerekir.

Not

Yeni verilerin uzunluğunu tahmin için başlangıç noktası etkilemez.Yeni veri eklemek ve ayrıca yeni Öngörüler yapmak istiyorsanız, bu nedenle, emin olun, ya da küme tahmin değeri yeni verilerin uzunluğu sıfırdan Başlat veya yeni veri uzunluğuyla tahmin bitiş noktasını genişletmek.

Örnekler

Aşağıdaki örnekler bir varolan saat serisi modeli karşı Öngörüler yapmak nasıl gösterir:

  • İlk örnek, belirtilen sayıda geçerli modeline dayanan Öngörüler yapmak gösterilmiştir.

  • İkinci örnek replace_model_cases parametresi belirtilen modelinde desenleri yeni bir veri küme uygulamak için nasıl kullanılacağını gösterir.

  • Üçüncü örnek extend_model_cases parametresi bir araştırma modeli ile yeni verileri güncelleştirmek için nasıl kullanılacağını gösterir.

saat serisi modelleri ile çalışma hakkında daha fazla bilgi için bkz: veri madenciliği öğreticisi Ders 2: Tahmin senaryo (Ara veri madenciliği Öğreticisi) oluşturma ve Zaman serisi tahmin dmx öğreticisi.

Not

Modelinizin dışında farklı sonuçlar elde edebilirsiniz; Aşağıdaki örnekler, sonuçlar, yalnızca sonuçlar biçimini göstermek için sağlanır.

Örnek 1: Zaman dilimleri sayısını tahmin etmek

Aşağıdaki örnek PredictTimeSeries sonraki üç için bir tahmin dönmek için işlev saat adımlar ve Avrupa ve Pasifik bölgelerinin M200 serisi sonuçlar kısıtlarBu modelde öngörülebilir öznitelik olan Quantity, böylece kullanmanız gerekir [Quantity] ilk bağımsız değişken olarak PredictTimeSeries işlev.

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

Beklenen sonuçlar:

Modeli bölge

t.$ TIME

t.Quantity

M200 Avrupa

7/25/2008 12:00: 00'DE

121

M200 Avrupa

25/8/2008 12:00: 00'DE

142

M200 Avrupa

25/9/2008 12:00: 00'DE

152

M200 Pasifik

7/25/2008 12:00: 00'DE

46

M200 Pasifik

25/8/2008 12:00: 00'DE

44

M200 Pasifik

25/9/2008 12:00: 00'DE

42

Bu örnekte, sonuçlar daha kolay okunmasını sağlamak için flattened anahtar sözcüğü kullanıldı.flattened anahtar sözcüğünü kullanın ve bunun yerine hiyerarşik bir satır kümesi geri dönün, bu sorguyu iki sütun döndürür.İlk sütun için değeri içeren [ModelRegion], ve ikinci sütun, iki sütun ile iç içe geçmiş bir tablo içerir: $TIME, öngörülen, saat dilimleri gösterir ve Quantity, içeren öngörülen değerleri.

Örnek 2: Yeni veri eklemek ve replace_model_cases kullanma

Veri belirli bir bölge için yanlış olduğunu varsayalım ve modelinde desenleri kullanmak, ancak yeni verileri eşleştirmek için Öngörüler yapmak istiyorsunuz.Veya fark, başka bir bölge daha güvenilir eğilimleri vardır ve en güvenilir model verileri farklı bir uygulamak istediğiniz bölge.

Bu tür senaryolara göre replace_model_cases parametresi kullanın ve yeni bir tarihsel veri olarak kullanılacak veri küme belirtin.Bu şekilde, tahminler belirtilen modelinde desenleri temel alır, ancak yeni veri noktaları sonundan sorunsuz devam edecek.Bu senaryo tam bir yönerge için bkz: Toplanmış bir tahmin modeli (Ara veri madenciliği Öğreticisi) ekleme.

Aşağıdaki tahmin JOIN sorgu verileri değiştirme ve yeni Öngörüler yapmak için sözdizimini göstermektedir.Değiştirilen verileri için örnek değerini alır Amount ve Quantity sütunlar ve her iki tarafından çarpar:

SELECT [Forecasting].[Model Region],
    PredictTimeSeries([Forecasting].[Quantity], 3, REPLACE_MODEL_CASES) 
FROM
    [Forecasting]
PREDICTION JOIN
  OPENQUERY([Adventure Works DW2008R2],
    '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]

Aşağıdaki tablo tahmin sonuçlarını karşılaştırır.

Özgün Öngörüler

Güncelleştirilmiş Öngörüler

M200 Pasifik7/25/2008 12:00: 00'DE46
M200 Pasifik25/8/2008 12:00: 00'DE44
M200 Pasifik25/9/2008 12:00: 00'DE42
M200 Pasifik7/25/2008 12:00: 00'DE91
M200 Pasifik25/8/2008 12:00: 00'DE89
M200 Pasifik25/9/2008 12:00: 00'DE84

Örnek 3: Yeni veri eklemek ve extend_model_cases kullanarak

Örnek 3 kullanımını gösterir EXTEND_MODEL_CASES sonuna eklenir, yeni veri sağlamak için seçeneğibir varolan veri serisi. Varolan veri noktalarını değiştirmek yerine, yeni veri modeli eklenir.

Aşağıdaki örnekte, yeni veri Seç içinde sağlanan deyim , DOĞAL tahmin birleştirme izler.Bu sözdizimi ile yeni giriş birden çok satır sağlayabilirsiniz, ancak her yeni giriş satırı benzersiz saat damgası olması gerekir:

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')

Sorguyu kullanır çünkü EXTEND_MODEL_CASES seçeneği, Analysis Services , Öngörüler için aşağıdaki eylemleri gerçekleştirir:

  • İki yeni ay veri modeline ekleyerek eğitim servis taleplerini toplam boyutunu artırır.

  • Sonunda, önceki bir durum verilerini Öngörüler başlar.Bu nedenle, ilk iki Öngörüler modeline yeni eklediğiniz yeni gerçek satış verileri temsil eder.

  • İçin kalan üç yeni Öngörüler verir saat dilimleri yeni genişletilmiş modelini temel alan.

Aşağıdaki tablo listeleri sonuçlar Örnek 2 sorgu.M200 Avrupa için döndürülen ilk iki değer tam olarak sağladığınız yeni değerler ile aynı olduğuna dikkat edin.Bu davranış tasarım gereğidir; Yeni veri sonunda Öngörüler başlatmak istiyorsanız, başlangıç ve bitiş belirtmeniz gerekir saat adım.Bunun nasıl bir örnek için bkz: Ders 5: Zaman serisi modeli genişletme.

Ayrıca, Pasifik bölge için yeni veri sağlamak dikkat edin.Bu nedenle, Analysis Services tüm yeni Öngörüler verir beş saat dilimleri.

Miktar

EXTEND_MODEL_CASES

M200 Avrupa

$TIMEMiktar
7/25/2008 0:0010
8/25/2008 0:0015
9/25/2008 0:0072
10/25/2008 0:0069
11/25/2008 0:0068

M200 Pasifik

$TIMEMiktar
7/25/2008 0:0046
8/25/2008 0:0044
9/25/2008 0:0042
10/25/2008 0:0042
11/25/2008 0:0038

Örnek 4: Zaman serisi tahmin istatistikleri döndürme

The PredictTimeSeries function does not support INCLUDE_STATISTICS as a parameter.Bununla birlikte, aşağıdaki sorguyu sorgu saat serisi tahmin istatistiklerini dönmek için kullanılır.Bu yaklaşım, yuvalanmış tablo sütunları modelleri ile de kullanılabilir.

Bu modelde öngörülebilir öznitelik olan Quantity, böylece kullanmanız gerekir [Quantity] ilk bağımsız değişken olarak PredictTimeSeries işlev.Model farklı bir tahmin edilebilir öznitelik kullanıyorsa, farklı bir sütun adı yerine kullanabilirsiniz.

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'

Örnek sonuçlar:

Modeli bölge

t.$ TIME

t.PREDICTION

t.VARIANCE

t.StDev

M200 Avrupa

7/25/2008 12:00: 00'DE

121

11.6050581415597

3.40661975300439

M200 Avrupa

25/8/2008 12:00: 00'DE

142

10.678201866621

3.26775180615374

M200 Avrupa

25/9/2008 12:00: 00'DE

152

9.86897842568614

3.14149302493037

M200 Kuzey Amerika

7/25/2008 12:00: 00'DE

163

1.20434529288162

1.20434529288162

M200 Kuzey Amerika

25/8/2008 12:00: 00'DE

178

1.65031343900634

1.65031343900634

M200 Kuzey Amerika

25/9/2008 12:00: 00'DE

156

1.68969399185442

1.68969399185442

Not

flattened anahtar sözcük sonuçlar sunmak daha kolay hale getirmek için bu örnekte kullanılan bir tablo; Ancak, sizin sağlayıcı flattened anahtar sözcüğünü atlarsanız, hiyerarşik satır kümeleri destekler.flattened anahtar sözcüğünü atlarsanız, sorguyu tanımlayan bir değer içeren ilk sütun iki sütun döndürür [Model Region] veri serisi ve ikinci sütunu içeren iç içe geçmiş tablo istatistikleri.