# Tijdreeksen voorspellen met het lijndiagram

Zakelijke gebruikers en analisten bewaken hun metingen als een trend binnen een bepaalde periode. Met prognoses van tijdreeksen kunnen ze inschatten hoe de historische volgorde van observaties zich in de toekomst zal ontwikkelen. De mogelijkheid om te voorspellen hoe trendlijnen zich zullen ontwikkelen, komt van pas bij het vormen van een strategie en het maken van besluiten. In Qlik Cloud worden met de optie Prognose van tijdreeksen visualisaties gemaakt waarbij de trendlijnen worden uitgebreid met voorspelde waarden die worden gegenereerd en op het lijndiagram worden gepresenteerd. Afhankelijk van de gebruikte methode, zoals een gearceerd gedeelte dat een betrouwbaarheidsinterval voorstelt, worden mogelijke waarden getoond met het bijbehorende configureerbare betrouwbaarheidsniveau. Prognoses van tijdreeksen worden gemaakt met behulp van betrouwbare, voorspellende functies; het SSA-algoritme (Singular Spectrum Analysis) maakt een betrouwbaarheidsinterval en de OLS-methode (Ordinary Least Squares) maakt een eenvoudige lineaire regressielijn.

Diagram voor prognose van tijdreeksen, gemaakt met OLS-methode

Diagram voor prognose van tijdreeksen, gemaakt met OLS-methode

Diagram voor prognose van tijdreeksen, gemaakt met OLS-methode ![diagram voor prognose van tijdreeksen, gemaakt met OLS-methode](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_OLS_rev.png)

Diagram voor prognose van tijdreeksen, gemaakt met SSA-methode

Diagram voor prognose van tijdreeksen, gemaakt met SSA-methode

Diagram voor prognose van tijdreeksen, gemaakt met SSA-methode ![diagram voor prognose van tijdreeksen, gemaakt met SSA-methode](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_SSA_rev.png)

Met de optie Prognose van tijdreeksen wordt een onderscheid gemaakt tussen voorspelde waarden en historische waarden. In de visualisatie wordt de prognose incrementeel getoond zoals geconfigureerd in de selecties voor de vermenigvuldiger in Prognosestappen en Stapgrootte in dimensie-eigenschappen. Als de SSA-methode is geselecteerd in de meting, wordt een gearceerd gedeelte weergegeven dat de betrouwbaarheidsinterval van de voorspelling vertegenwoordigd. Deze interval wordt geconfigureerd via de metingeigenschappen: Betrouwbaarheid tonen en Betrouwbaarheidswaarde. Het gearceerd gedeelte toont de interval van aannemelijke waarden (bijv., 95%). Dit betekent dat toekomstige waarden waarschijnlijk binnen het gearceerde gedeelte valt, dat een waarschijnlijkheid van 95% vertegenwoordigd.

[Time series forecasting](https://play.vidyard.com/xGKootWFwW6RqSnhqGUitu)

## Vereisten en eigenschappen voor gedrag

Er verschijnt een wisselknop voor prognoses in de metingeigenschappen van de geavanceerde opties als er aan de volgende vereisten wordt voldaan:

* Een numerieke of tijdsdimensie
* Eén meting en één dimensie
* De dimensieas moet doorlopend zijn.

Houd er rekening mee dat de wisselknop voor prognose alleen verschijnt in de metingeigenschappen als de meting een numerieke of tijdsdimensie is en de dimensieas doorlopend is. Wanneer deze functie is ingeschakeld, worden de eigenschappen voor de prognose van tijdreeksen weergegeven in de dimensie- en metingenvensters. Dimensie-eigenschappen hebben invloed op de instellingen voor horizonafstand en het verhogen van waarden. Met de metingeigenschappen worden de methode, opmaak van lijnen en arceringen, de instellingen en het niveau van betrouwbaarheid ingesteld.

## OLS- en SSA-methoden

OLS (Ordinary Least Square) is een eenvoudig regressiemethode die een trendlijn berekent door de som van de kwadraten te minimaliseren van de verschillen tussen de waargenomen afhankelijke variabele en de voorspelde afhankelijke variabele. Deze optie voor de prognose van tijdreeksen is handig als de gebruiker de lineaire trend van zijn gegevens wil bekijken. Het biedt geen beheeropties voor ruis of uitschieters; alle gegevens worden gebruikt om een lineaire regressielijn te genereren.

Verwant aan OLS is SSA (Singular Spectrum Analysis). Dit is een geavanceerd algoritme dat in staat is om ruis, seizoensgebondenheid en trends te identificeren. Om SSA te gebruiken moeten de gegevens regelmatig worden gecontroleerd. Als een bepaald limiet wordt overschreden, wordt er een foutmelding weergegeven dat de gegevens te onregelmatig zijn. SSA is de beste optie als u een prognose wilt uitvoeren voor trends met cyclisch of oscillerend gedrag.

Als de SSA-methode wordt gebruikt om een progrnose te maken, maakt het algoritme een inschatting van de middelste waarde van de reeks mogelijke waarden die de afzonderlijke meting maakt. De lijn wordt uitgebreid met een predictie-interval van de reeks van waarden die mogelijk zijn. In plaats van de vele mogelijke waarden te tonen, wordt de predictie-interval als gearceerd gedeelte getoond.

## Beperkingen van prognose van tijdreeksen

De prognose van tijdreeksen heeft de volgende beperkingen:

* Prognose is niet ingeschakeld voor het zoomen van dimensies.

* Prognose is niet ingeschakeld voor diagrammen met meer dan één dimensie. In het geval van één dimensie en meerdere metingen kan voor slechts één meting prognose zijn ingeschakeld.

* Prognose werkt alleen als standaard sorteren is geactiveerd, Ga voor meer informatie naar [De sortering wijzigen van een visualisatie](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/change-sorting-of-visualization.htm).

* Minimumaantal gegevenspunten: voor OLS zijn minimaal 2 gegevenspunten vereist. Voor SSA zijn minimaal 6 gegevenspunten vereist.

* Maximumaantal gegevenspunten: het wordt niet aanbevolen om algoritmes te gebruiken voor gegevensverzamelingen met meer dan 5000 gegevenspunten. Gebruikers ervaren prestatieproblemen als ze een prognose van tijdreeksen uitvoeren voor gegevensverzamelingen met meer dan 5000 gegevenspunten. Gebruikers en applicatieontwerpers moeten de berekeningsvoorwaarde gebruiken zoals vereist, zodat wanneer de gegevensverzameling wordt gereduceerd door selecties, het diagram wordt weergegeven. De selecties voor doorlopend zijn; zie het volgende punt over onregelmatige tijdsampling.

* Prognose werkt met onregelmatige tijdsamples onder bepaalde omstandigheden: OLS werkt altijd omdat het niet beperkt is tot prognose van tijdreeksen of regelmatige gegevens. Om SSA te gebruiken moeten de gegevens regelmatig worden gecontroleerd. Als een bepaald limiet wordt overschreden, wordt er een foutmelding weergegeven dat de gegevens te onregelmatig zijn.

* Prognose werkt niet in de Qlik Analytics mobiele app in de offlinemodus.

* Als een applicatie met Prognose wordt geëxporteerd van Qlik Cloud en geïmporteerd naar QSEoW, wordt het prognosediagram niet weergegeven. Prognose wordt niet ondersteund in QSEoW.

* Wanneer u een lijndiagram downloadt als een Microsoft Excel-bestand, staan de voorspelde waarden niet in het bestand.

* Wanneer u met uw rechtermuisknop op een lijndiagram klikt en Gegevens weergeven selecteert, worden voorspelde waarden niet weergegeven.

* Prognose van tijdreeksen is niet beschikbaar als een van de dimensies of metingen in de lijndiagram gebruik maakt van de toonvoorwaarde.

## Voorbeeld

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/LineChart/timeseries-forecast.htm)

#### Voorbeeld - prognose van tijdreeksen

Dit voorbeeld toont het maken van een lijndiagram met prognose van tijdreeksen ingeschakeld. Het voorbeeld neemt een gegevensverzameling met twee velden: Datum voor de continue dimensie en Tot-KWh, het dagelijkse elektriciteitsverbruik (kilowattuur) voor de meting. Prognose is ingeschakeld om te visualiseren waar het energieverbruik binnen een configureerbaar betrouwbaarheidsinterval kan liggen.

Load-script

Laad de volgende gegevens als een inline-load in de editor voor laden van gegevens:

```

MyTable:
Load * Inline [
Date,Tot-KWh
2021-10-27,269 
2021-10-28,380 
2021-10-29,410
2021-10-30,380
2021-10-31,344
2021-11-01,275
2021-11-02,299
2021-11-03,545
2021-11-04,326
2021-11-05,405
2021-11-06,333
2021-11-07,395
2021-11-08,416
2021-11-09,697
2021-11-10,500
2021-11-11,600
2021-11-12,560
2021-11-13,494
2021-11-14,362
2021-11-15,470
2021-11-16,366
2021-11-17,548
];	
```

Voor meer informatie over inline loads, raadpleegt u [Inline-ladingen gebruiken om gegevens te laden](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Scripting/inline-loads-qs.htm).

Een lijndiagram maken met prognose van tijdreeksen

Doe het volgende:

1. Sleep vanaf het bedrijfsmiddelenvenster een leeg lijndiagram naar een nieuw werkblad.

2. Selecteer Klik om titel toe te voegen en geef het diagram de naam Dagelijks elektriciteitsverbruik in kWh.

3. Selecteer Dimensie toevoegen en voeg het veld Datum toe.

4. Selecteer Meting toevoegen en voeg de meting Gem([Tot-KWh]) toe.

5. Vouw in de sectie Uiterlijk van het eigenschappenvenster de eigenschappen voor Presentatie uit en selecteer Geen voor Schuifbalk.

6. Open de metingeigenschappen en selecteer de volgende eigenschappen:

   * Gebruik de kiezer om Prognose: Aan in te schakelen.
   * Verander de Kleur naar #006580.
   * Beweeg de schuifregelaar om Lijndikte te veranderen naar 2.
   * Selecteer Lijntype: Streepjes.
   * Behoud de standaardwaarde voor Lijnkromming: Lineair.
   * Behoud de standaardwaarde voor Betrouwbaarheid tonen: Aan.
   * Wijzig de Betrouwbaarheidswaarde van de standaardwaarde van .95 naar .85.

   Metingeigenschappen voor prognose

   Metingeigenschappen voor prognose

   Metingeigenschappen voor prognose![Metingeigenschappen voor prognose](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_MeasureProps.png)

7. Open de dimensie-eigenschappen en selecteer de volgende eigenschappen:

   * Behoud de standaardwaarde voor Prognosestappen: 3.
   * Behoud de standaardwaarde voor de vermenigvuldiger Stapgrootte: 1.
   * Behoud de selectie voor de vervolgkeuzelijst voor de eenheid van tijd en getal: Dagen.

   Dimensie-eigenschappen voor prognose

   Dimensie-eigenschappen voor prognose

   Dimensie-eigenschappen voor prognose![Dimensie-eigenschappen voor prognose](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_DimensionProps.png)

   Lijndiagram met prognose dat interval van dagen toont

   Lijndiagram met prognose dat interval van dagen toont

   Lijndiagram met prognose dat interval van dagen toont ![Lijndiagram met prognose van tijdreeksen ingeschakeld met tijdsinterval in dagen](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_Timeseries_UnitDay.png)

8. Dimensie-eigenschappen uitvouwen:

   * Behoud de waarde voor Prognosestappen: 3.
   * Behoud de standaardwaarde voor de vermenigvuldiger Stapgrootte: 1.
   * Wijzig de selectie voor de vervolgkeuzelijst voor de eenheid van tijd en getal: Weken.

9. Selecteer in de sectie Presentatie de optie Gegevenspunten tonen.

   Prognose met interval van weken over 3 weken

   Prognose met interval van weken over 3 weken

   Prognose met interval van wekenweken over 3 weken ![Prognose van 3 weken met interval van weken](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_3Weeks.png)

10. Dimensie-eigenschappen uitvouwen:

    * Wijzig de waarde voor Prognosestappen: 21.
    * Behoud de standaardwaarde voor de vermenigvuldiger Stapgrootte: 1.
    * Wijzig de selectie voor de vervolgkeuzelijst voor de eenheid van tijd en getal: Dagen.

11. Selecteer in de sectie Presentatie de optie Gegevenspunten tonen.

    In deze demonstratie wordt geïllustreerd hoe prognoses heel verschillend kunnen worden weergegeven op basis van de gedetailleerdheid van tijdseenheden (dagen versus weken) over hetzelfde tijdsinterval.

    Prognose met interval van dagen over 3 weken

    Prognose met interval van dagen over 3 weken

    Prognose met interval van dagendagen over 3 weken ![Prognose van 3 weken met interval van dagen](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_21Days.png)

InformatieMerk op dat hoewel diagrammen een prognose kunnen weergeven van dezelfde tijdsduur, de wijzigingen in gedetailleerdheid tot heel verschillende vormen kunnen leiden.

## Tijdreeksprognose met Qlik Predict

Met Qlik Predict kunt u machine learning-modellen trainen om toekomstige statistieken te voorspellen op basis van tijdreeksgegevens. Voorspellingen zijn tijdsspecifiek en kunnen worden opgenomen in het lijndiagram en andere visualisaties in uw analyse-applicatie. Modellen maken meerdere functies en geïndividualiseerde voorspellingen mogelijk voor verschillende groepen die de gegevens categoriseren voor uw doelmetriek. Hierdoor kunt u patronen voor multivariate scenario's verkennen en voorspellen, dat wil zeggen scenario's waarbij de interactie van meer dan één variabele in de loop van de tijd betrokken is.

Als u tijdreeksprognoses wilt maken in Qlik Predict, maakt u een tijdreeksexperiment en implementeert u vervolgens een model om voorspellingen te maken op basis van nieuwe gegevens.

Ga voor meer informatie naar:

* [Werken met tijdreeksexperimenten](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-experiment.htm)

* [Werken met voorspellingen van multivariate tijdreeksen](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework-time-series.htm)

Gerelateerde leermiddelen:

* [Hoe voer ik een prognose uit op basis van tijdreeksgegevens in Qlik Cloud?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud)

## Meer informatie

* [Hoe voer ik een prognose uit op basis van tijdreeksgegevens in Qlik Cloud?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud)