PredictTimeSeries (расширения интеллектуального анализа данных)

В следующем примере функция PredictTimeSeries возвращает прогноз для следующих трех временных шагов, при этом результаты ограничиваются рядами M200 в областях Europe и Pacific. В этой конкретной модели прогнозируемым атрибутом является атрибут «Quantity», поэтому в качестве первого аргумента функции PredictTimeSeries следует использовать аргумент [Quantity].

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.

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 для [ModelRegion], а второй столбец содержит вложенную таблицу с двумя столбцами. Это столбец $TIME, показывающий прогнозируемые срезы времени, и столбец Quantity, содержащий прогнозируемые значения.

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 с описанием этого сценария см. в разделе Добавление статической модели прогнозирования (учебник по интеллектуальному анализу данных — средний уровень).

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 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]

В следующей таблице сравниваются результаты прогноза.

В примере 3 демонстрируется использование параметра EXTEND_MODEL_CASES для предоставления новых данных, добавляемых 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')

Поскольку в запросе используется параметр EXTEND_MODEL_CASES, службы 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. Пример этого см. в разделе Занятие 5. Расширение модели временных рядов.

Также обратите внимание, что новые данные для региона Pacific указаны не были. Таким образом, службы Службы Analysis Services возвращают новые прогнозы по всем пяти срезам времени.