工业大数据分析时间序列教学讲义.docx

《工业大数据分析时间序列教学讲义.docx》由会员分享，可在线阅读，更多相关《工业大数据分析时间序列教学讲义.docx（6页珍藏版）》请在第一文库网上搜索。

1、任务6,2时间序列任务概述时间序列，变量随时间变化，按等时间间隔所取得的观测值序列，称时间序列。时间序列分析法主要通过与当前预测时间点相近的历史时刻的数据来预测当时时刻的值。用过去的数值预测未来。平台中集成的时间序列算法包括：ARIMA稀疏时间序列、指数平滑等。本节主要展示时间序列节点中的指数平滑为例来讲解案例的搭建使用过程。指数平滑模型根据时间序列先前的观察值来预测未来，如根据销售历史记录来预测未来销售情况。该节点提供了自动、简单指数平滑、HoIt线性趋势、简单季节模型、Winter加法多种模型可以选择。其中自动是指节点会自动求解平滑系数。值得注意是此算法节点不支持连接模型利用节点，对于新数

2、据只能重新进行预测。数据格式：仅支持连续型（数值）属性作为输入，只能有一个输入；不支持输出属性。参数说明：悟数平滑选择平滑方式一次指数平滑法“ax5自动设置。手苏2a1pha0.5（OW1之间）点壬窿看功能说明取消图6-2-1时间序歹卜参数说明具体说明参见表6-5:表6-5时间序列参数说明参数类型描述选择平滑方式卜拉框一次指数平滑、二次指数平滑、三次指数平滑平滑系数文本框若为一次指数平滑，设置a1pha若为二次指数平滑设置a1pha,beta,若为三次指数平滑则需要设置a1pha,beta,gammao可以选择自动设置或手动设置预测步长文本框设置预测步长序列模式下拉框选择序列模式，包括：序列、

3、年月日、年月、年序列步长文本框设置序列步长序列文本框设置序列，整型，取值范围：大于等于1的正整数，默认值为1通过本任务的学习：（1）能够构建时间序列模型对工业大数据进行分析。任务实现模型构建流程如下:步骤1：建模区分别拖入样例数据节点、设置角色节点和指数平滑节点，构建如下模型，如图6-2-2所示：图6-2-2时间序列-构建模型步骤2：“样例数据”节点配置如下，如图6-2-3所示:功WS取消图6-2-4时间序列-设置角色步骤4：“指数平滑”节点配置如下，如图6-2-5所示:指数平滑基本选项平治方式一次指数平渊去基本选项点M功确定取消图6-2-5时间序列-指数平滑具体说明参见表6-6:表6-6参数

4、信息配置情况参数类型描述选择平滑方式下拉框一次指数平滑、二次指数平滑、三次指数平滑。平滑系数文本框若为一次指数平滑，设置a1pha若为二次指数平滑设置a1pha,beta,若为三次指数平滑则需要设置a1pha,beta,gammao可以选择自动设置或手动设置。预测步长文本框设置预测步长，整型，取值范围为：1,10E5,默认值为3。序列模式下拉框选择序列模式，包括：序列、年月日、年月、年，默认值为序列。序列步长文本框设置序列步长，整型，取值范围为：1,10E5,默认值为1。序列文本框设置序列，整型，取值范围：1,10E5,默认值为1。周期设置文本框指数平滑需要进行周期值设置，整型，取值范围为：1,10E5,一般季度为4,月度为12,初始默认值为41,步骤5：流程运行结果如下，如图6-2-6所示:图6-2-6时间序列-流程运行结果1图6-2-7时间序列-流程运行结果1运行结果说明：通过上图，我们了解学习了时间序列，变量随时间变化，按等时间间隔所取得的观测值序列，称时间序列。时间序列分析法主耍通过与当前预测时间点相近的历史时刻的数据来预测当时时刻的值。用过去的数值预测未来。TemPO平台中集成的时间序列算法包括：ARIMA、稀疏时间序列、指数平滑、移动平均、向量自回归、XII、X12、灰色预测等。