# Прогнозирование временных рядов в линейных графиках

Бизнес-пользователи и аналитики часто ведут мониторинг мер в качестве тренда на протяжении времени, а прогнозирование временных рядов позволяет оценить, как историческая последовательность наблюдений будет продолжаться в будущем. Возможность прогнозировать вероятное развитие линий трендов обеспечивает информированный подход к разработке стратегий и принятию решений. В Qlik Cloud функция прогнозирования временных рядов позволяет создавать визуализации, которые продлевают линии трендов на основе прогнозируемых значений, созданных и представленных на линейном графике. В зависимости от применяемого метода, в заштрихованной области отображаются возможные значения. Уровень уверенности можно настраивать. Для создания прогнозов временных рядов используются надежные функции прогнозирования; алгоритм SSA (анализ сингулярного спектра) служит для определения доверительного интервала, OLS (обычный метод наименьших квадратов) обеспечивает простой линейный график регрессии.

График прогноза временных рядов по методу OLS

График прогноза временных рядов по методу OLS

График прогноза временных рядов по методу OLS ![график прогноза временных рядов по методу OLS](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_OLS_rev.png)

График прогноза временных рядов по методу SSA

График прогноза временных рядов по методу SSA

График прогноза временных рядов по методу SSA ![график прогноза временных рядов по методу SSA](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_SSA_rev.png)

В прогнозе временных рядом прогнозируемые значения четко дифференцированы от исторических. В визуализации прогноз отображается в инкрементном порядке в соответствии с выбранными параметрами множителя Шаги прогноза и Размер шага в свойствах измерения. Когда для меры выбран метод SSA, отображается заштрихованная область, которая представляет доверительный интервал прогноза. Этот интервал настраивается с помощью свойств меры: Показать уверенность и Уровень уверенности. Заштрихованная область включает интервал правдоподобных значений (например, 95%), то есть ожидается, что будущие значения будут находиться в заштрихованной области с вероятностью 95%.

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

## Поведение требований и свойств

В разделе расширенных параметров в свойствах меры появляется переключатель «Прогноз», когда удовлетворяются следующие требования:

* Числовое измерение или измерение времени
* Одна мера и одно измерение
* Ось измерения должна быть непрерывной.

Важно обратить внимание на то, что переключатель Прогноз отображается в свойствах меры, только когда мера является числовым измерением или измерением времени, а ось измерения непрерывна. Когда переключатель включен, свойства временных рядов прогноза отображаются на панелях измерения и меры. Свойства измерения определяют расстояние по горизонтали и настройки шага. Свойства меры задают метод, стиль линии и штриховки, а также параметр уверенности и степень уверенности.

## Методы OLS и SSA

OLS (обычный метод наименьших квадратов) — это метод модели линейной регрессии, который рассчитывает линию тренда путем минимизации суммы квадратов разности между наблюдаемой зависимой переменной и прогнозируемой зависимой переменной. Этот вариант прогнозирования временных рядов подходит, когда требуется создать линейный тренд данных. Он не учитывает шум или выбросы, а просто использует все данных для создания графика линейной регрессии.

По сравнению с OLS метод SSA (анализ сингулярного спектра) представляет собой сложный алгоритм, способный помимо тренда идентифицировать шум и сезонность. Для SSA требуется обеспечить достаточно регулярную выборку данных. В случае превышения определенного предела возвращается ошибка о том, что данные слишком нерегулярные. SSA — это лучший вариант для прогнозирования трендов с цикличным или колебательным поведением.

Если SSA используется для прогнозирования, этот алгоритм оценивает середину диапазона возможных значений, принимаемых зависимой мерой. Линия продлевается за счет интервала прогнозирования, предоставляющего диапазон значений, который она может принимать. Интервал прогнозирования отображается не как многочисленные возможные значения, а как заштрихованная область.

## Ограничения при прогнозировании временных рядов

Прогнозирование временных рядов имеет следующие ограничения:

* Для прогноза не поддерживаются детализированные измерения.

* Прогноз не поддерживается для диаграмм, содержащих больше одного измерения. Если диаграмма содержит одно измерение и несколько мер, прогноз поддерживается только для одной меры.

* Прогноз работает только при использовании сортировки по умолчанию. Для получения дополнительной информации см. [Изменить сортировку визуализации](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/change-sorting-of-visualization.htm).

* Минимальное количество точек диаграммы: OLS требует как минимум 2 точки диаграммы. SSA требует как минимум 6 точек диаграммы.

* Максимальное количество точек диаграммы: не рекомендуется использовать алгоритмы для наборов данных, содержащих больше 5000 точек диаграммы. При запуске прогнозирования временных рядов для наборов данных, содержащих больше 5000 точек диаграммы, у пользователей начнутся проблемы с производительностью. Пользователям и разработчикам приложений следует использовать условие расчета по мере необходимости, чтобы при уменьшении набора данных посредством выборок диаграмма отображалась. Выборки должны быть непрерывными, см. следующий пункт о нерегулярной временной выборке.

* Прогноз будет работать с нерегулярной временной выборкой при определенных обстоятельствах: OLS будет работать в любых условиях, так как к этому методу не применяются ограничения по прогнозированию временных рядов или по регулярным данным. Для SSA требуется обеспечить достаточно регулярную выборку данных. В случае превышения установленного предела возвращается ошибка о том, что данные слишком нерегулярные.

* Прогноз не будет работать в Qlik Analytics мобильном приложении в автономном режиме.

* Если приложение с прогнозом экспортируется из Qlik Cloud и импортируется в QSEoW, диаграмма прогноза не будет отображаться. Прогноз не поддерживается в QSEoW.

* Когда линейный график загружается в виде файла Microsoft Excel, в этот файл не включаются прогнозируемые значения.

* Если щелкнуть линейный график правой кнопкой мыши и выбрать Просмотреть данные, прогнозируемые значения не отображаются.

* Прогнозирование временных рядов недоступно, если для других измерений или мер в линейном графике используется условие отображения.

## Пример

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

#### Пример: прогноз временных рядов

Этот пример демонстрирует создание линейного графика с включенным прогнозом временных рядов. В примере рассматривается набор данных с двумя полями: Date в качестве непрерывного измерения и Tot-KWh (ежедневный расход электричества в киловатт-часах) в качестве меры. Прогноз включен для визуализации того, где значения расхода, скорее всего, попадают в настраиваемый доверительный интервал.

Скрипт загрузки

Загрузите следующие данные через встроенную загрузку в редакторе загрузки данных:

```

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
];	
```

Для получения дополнительной информации об использовании встроенных загрузок см. [Использование встроенных загрузок для загрузки данных](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Scripting/inline-loads-qs.htm).

Создание линейного графика с прогнозированием временных рядов

Выполните следующие действия.

1. Перетащите пустой линейный график с панели ресурсов на новый лист.

2. Выберите Щелкните для добавления заголовка и присвойте графику имя Daily electricity consumption in KW hours (Ежедневный расход электричества в кВт/ч).

3. Выберите Добавить измерение и добавьте поле Date.

4. Выберите Добавить меру и добавьте меру Avg([Tot-KWh]).

5. В разделе Вид разверните свойства Представление и выберите Нет для элемента Полоса прокрутки.

6. Откройте свойства меры и выберите следующие:

   * Используйте селектор, чтобы включить параметр Прогноз: Вкл.
   * Измените значение параметра Цвет на #006580.
   * Передвиньте ползунок, чтобы изменить значение параметра Толщина линии на 2.
   * Выберите Тип линии: Штриховая.
   * Оставьте значение по умолчанию для параметра Кривизна линии: Линейная.
   * Оставьте значение по умолчанию для параметра Показать уверенность: Вкл.
   * Измените параметр Уровень уверенности со значения по умолчанию 0,95 на 0,85.

   Свойства меры для прогноза

   Свойства меры для прогноза

   Свойства меры для прогноза![Свойства меры прогноза](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_MeasureProps.png)

7. Откройте свойства измерения и выберите следующие свойства:

   * Оставьте значение по умолчанию для параметра Шаги прогноза: 3.
   * Оставьте значение по умолчанию для множителя Размер шага: 1.
   * Оставьте без изменений значение единицы измерения времени и числа в раскрывающемся списке: Дни.

   Свойства измерения для прогноза

   Свойства измерения для прогноза

   Свойства измерения для прогноза![ Свойства измерения прогноза](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_DimensionProps.png)

   Линейный график с прогнозом для интервала дней

   Линейный график с прогнозом для интервала дней

   Линейный график с прогнозом для интервала дней ![Линейный график с включенным прогнозом временных рядов с интервалом времени дня](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_Timeseries_UnitDay.png)

8. Разверните свойства измерения:

   * Оставьте без изменений значение для параметра Шаги прогноза: 3.
   * Оставьте значение по умолчанию для множителя Размер шага: 1.
   * Измените значение единицы измерения времени и числа в раскрывающемся списке: Недели.

9. В разделе Представление выберите Показать точки диаграммы.

   Прогнозирование с интервалом Недели на 3 недели

   Прогнозирование с интервалом Недели на 3 недели

   Прогнозирование с интервалом НеделиНедели на 3 недели ![Прогнозирование на три недели с интервалом «Недели»](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_3Weeks.png)

10. Разверните свойства измерения:

    * Измените значение для параметра Шаги прогноза: 21.
    * Оставьте значение по умолчанию для множителя Размер шага: 1.
    * Измените значение единицы измерения времени и числа в раскрывающемся списке: Дни.

11. В разделе Представление выберите Показать точки диаграммы.

    Эта демонстрация показывает, как можно по-разному визуализировать прогнозы для одного и того же интервала времени в зависимости от временного разбиения (по дням или по неделям).

    Прогнозирование с интервалом Дни на 3 недели

    Прогнозирование с интервалом Дни на 3 недели

    Прогнозирование с интервалом ДниДни на 3 недели ![Прогнозирование на три недели с интервалом «Дни»](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_21Days.png)

Примечание к информацииОбратите внимание, что изменение временного разбиения может приводить к получению очень разных фигур при прогнозировании для периодов одинаковой продолжительности в диаграмме.

## Прогнозирование временных рядов с помощью Qlik Predict

С помощью Qlik Predict можно обучить модели машинного обучения, применив данные временных рядов, и затем использовать эти модели для прогнозирования будущих показателей. Прогнозы привязаны ко времени и могут быть включены в линейный график и другие визуализации в вашем аналитическом приложении. Модели позволяют использовать несколько характеристик и индивидуальные прогнозы для разных групп, классифицирующих данные для вашей целевой метрики. Таким образом можно изучать и прогнозировать закономерности в многомерных сценариях – тех, в которых исследуется взаимодействие нескольких переменных с течением времени.

Чтобы создать прогнозы временных рядов в Qlik Predict, создайте эксперимент с временными рядами, а затем разверните модель, чтобы начать получать прогнозы по новым данным.

Для получения дополнительной информации см.:

* [Работа с экспериментами временных рядов](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-experiment.htm)

* [Работа с многомерным прогнозированием временных рядов](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework-time-series.htm)

Связанные учебные материалы:

* [Как создавать прогнозы на основе временных рядов в Qlik Cloud?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud)

## Подробнее

* [Как создавать прогнозы на основе временных рядов в Qlik Cloud?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud)