Skip to main content

时间序列

ARIMA

**节点用途：**时间序列预测中的一种算法。

**算法逻辑：**ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。

节点配置

：

配置选项卡：

说明：

  • **学习方法：**包括条件似然，Yule-Walker，极大似然
  • **p值：**指定自回归模型AR的阶数。
  • **d值：**指定差分的阶数。
  • **q值：**指定移动平均模型MA的阶数。
  • **预测期数：**指定预测未来几期的数据
  • **置信区间：**预测区间的置信度，默认设置为95%。
  • **ACF和PACF的最大延迟数：**计算自相关系数时最大的延迟期数，一般为序列周期的倍数

案例如下：

建立工作流如下：

QQ截图20160707100103

我们用时间区间，

按照系统默认值配置ARIMA节点后执行，结果如下：

QQ截图20160707110530

指数平滑

**节点用途：**时间序列预测的一种算法。

**算法介绍：**该节点使用指数平滑法对时间序列进行训练，并输出用于预测的指数平滑模型。

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、Holt线性趋势、简单季节模型、Winter加法和Winter乘法多种模型可以选择。其中自动是指节点会按照其他五个模型分别进行训练，然后输出效果最好的一个，所以自动选项运行耗时会相对长一些。
　　指数平滑节点与其他的节点稍有不同，用于分析的时间序列数据都是在均匀间隔的时间点下测量到的数据，时间序列的模型要求每个测量值之间要有一致的区间，所以，在指数平滑节点之前都要加一个时间区间节点以对时间区间有个规范的定义：指定要使用的时间区间（年、季度、月、日）。在模型训练或者预测的过程中将从时间区间生成的标准时间字段中获取相关的时间信息。

节点配置：

配置选项卡：

说明：

  • 模型： 选择具体的分析模型，提供了自动、简单、Holt趋势、简单季节、Winter加法和Winter乘法多种模型供选择。如果选择“自动”，将自动执行所有的模型拟合并输出效果最好的一个，选择该选项则耗时会相对长一些
  • 预测期数：指定要预测未来几期的数据
  • 置信区间的置信度：模型不仅输出预测值，也输出预测值的置信区间。对于同样的模型而言，置信度越高，预测区间越宽，置信度越低，预测区间越窄
  • ACF和PACF的最大延迟数： 用于指定计算ACF（auto correlation function，自相关)和PACF（partial auto correlation function，偏自相关)时最大的延迟期数。一般为序列周期的倍数
  • **时序周期：**可以有用户指定时间序列的周期，或者由系统自动识别

案例如下：

对85-95年历史销量利润数据，预测96-98年的利润。

按照默认值配置算法节点，执行后，结果如下图：

序列预测器

**节点用途：**此节点通过解析训练好的PMML格式的模型对连接的时间序列的未来几期进行预测，通常连接在指数平滑节点后配合使用。除了时间序列的预测值，同时可以输出一定置信水平下的预测区间，以及残差的白噪声检验等评估结果。

配置选项卡：

说明：

      • 预测期数：指定预测未来几期的数据。
      • **置信区间的置信度：**预测节点除了预测值，还可以输出预测区间，在这里指定预测区间的置信度。

自相关图

**节点用途：**时间序列分析中，通常根据ACF和PACF分析一个序列的相关性，而且还可以通过残差的自相关性观察序列中的信息是否被充分提取。

节点配置：

配置选项卡：

说明：

  • **选择字段：**选择观测值字段
  • **差分阶数：**将非平稳时间序列平稳化时做的差分操作，默认为0
  • **延迟阶数：**指定要计算ACF和PACF的阶数，默认为0

案例如下：

建立工作流如下：

按照节点默认值进行配置后，执行得到以下结果：

平稳检验

**节点用途：**绘制数据的正态QQ图，通过QQ图检验所选字段是否服从正态分布。

节点配置：

配置选项卡：

说明：

  • **检验字段：**从输入表中选择一个进行检验的数值型字段，只有数值型字段可选。

混成检验

**节点用途：**混成检验是一类检验，用来检验序列的自相关性。其零假设为序列独立（对于某个延迟），而且像一个白噪声那样。如果这些检验的p值很小，则说明可能有相关性；而对于不相关的观测值，如纯随机过程，p值应该很大。可用于检验训练的时间序列模型的残差是否是纯随机序列。

节点配置：

配置选项卡：

说明：

  • **选择检验字段：**从输入表中选择一个进行检验的数值型字段，只有数值型字段可选
  • **延迟阶数：**定义延迟阶数，默认为1
  • **检验方法：**选择一种检验方法
Back to top