Zaman serisi tahmini

İş kullanıcıları ve analistler çoğu kez hesaplamalarını zaman içindeki bir eğilim olarak izler ve zaman serisi tahmini ile geçmişteki gözlem dizisinin gelecekte nasıl devam edeceğini tahmin edebilir. Eğilim çizgilerinin nasıl evrim geçireceğini öngörebilme yeteneği, strateji ve karar alma için bilgi sağlayabilir. Qlik Cloud'da bir zaman serisi tahmin seçeneği, eğilim çizgilerini, oluşturulup çizgi grafikte sunulan öngörülen değerlerle uzatan görselleştirmeler üretir. Kullanılan yönteme bağlı olarak, güven aralığını temsil eden taranmış bir alan, olası değerleri yapılandırılabilir bir güvenilirlik düzeyinde görüntüler. Zaman serisi tahminleri güvenilen, tahminde bulunabilen işlevler kullanılarak üretilir. SSA (tekil spektrum analizi) algoritması bir güven aralığı; OLS (olağan en düşük kareler) yöntemi basit doğrusal bir regresyon çizgisi sağlar.

Zaman serisi tahmini, tahmin edilen değerleri geçmiş değerlerden açık olarak ayırt eder. Görselleştirme; boyut özelliklerinde Tahmin adımları ve Adım boyutu çarpan seçimleriyle yapılandırıldığı haliyle tahmini artımlı olarak görüntüler. Hesaplamada SSA yöntemi seçildiğinde, tahmin güven aralığını temsil eden taranmış bir bölge görüntülenir. Bu aralık, şu hesaplama özellikleri aracılığıyla yapılandırılır: Güveni göster ve Güven düzeyi. Taranmış bölge olabilecek değerlerin aralığını gösterir (ör. %95); yani gelecekteki değerlerin %95 olasılıkla taranmış bölgede kalması beklenir.

Gerekler ve özellikler davranışı

Aşağıdaki gerekler karşılandığında gelişmiş seçenekler hesaplama özelliklerinde bir Tahmin geçiş düğmesi belirir:

• Bir sayı veya zaman boyutu
• Bir hesaplama ve bir boyut
• Boyut ekseni sürekli olmalıdır.

Tahmin geçiş düğmesi ayarının hesaplama özelliklerinde sadece hesaplama sayısal veya zamansal bir boyut ve boyut ekseni sürekli olduğunda göründüğünün akılda tutulması önemlidir. Düğme açığa geçtiğinde, tahmin edilen zaman serisi özellikleri gerek boyut gerekse hesaplama panellerinde görüntülenir. Boyut özellikleri, ufuk mesafesine ve artım ayarlarına yöneliktir. Hesaplama özellikleri yöntemi, çizgi ve gölge stilini, güven ayarını ve düzeyi ayarlar.

OLS ve SSA yöntemleri

OLS (Olağan En Düşük Kareler), gözlemlenen bağımsız değişken ile tahmin edilen bağımlı değişken arasındaki farkların karesinin toplamının minimumunu alarak bir eğilim çizgisi hesaplayan basit bir regresyon modeli yöntemidir. Bu zaman serisi tahmin seçeneği, kullanıcı, verilerinde doğrusal bir eğilim görmek istediğinde yararlıdır. Gürültüyü veya aykırı değerleri kontrol etmez, tüm verileri sadece doğrusal bir regresyon çizgisi oluşturmak için kullanır.

OLS'ye kıyasla SSA (Tekil Spectrum Analizi), eğilimin yanı sıra gürültü ve mevsimselliği de belirleyebilen gelişmiş bir algoritmadır. SSA, verilerin yeterince düzenli bir sıklıkta örneklenmesini gerektirir; belirli bir sınır aşılırsa bir hata döndürülerek verilerin fazla düzensiz olduğu belirtilir. SSA, döngü veya dalgalanma davranışı olan eğilimleri tahmin etmede en iyi seçenektir.

Tahmin üretmek için SSA yönteminin kullanıldığı bir durumda bu algoritma, bağımlı hesaplamanın aldığı olabilecek değerler aralığının orta noktasını tahmin eder. Çizgi, alabileceği değer aralığını sağlayan bir tahmin aralığı ile uzatılır. Olabilecek çok sayıda değer görüntülemek yerine tahmin aralığı taralı alan olarak gösterilir.

Zaman serisi tahmininin sınırlamaları

Zaman serisi tahmininde şu sınırlamalar bulunur:

• Tahmin detaya gitme boyutlarında etkin değildir.
• Tahmin, birden fazla boyutu olan grafiklerde etkinleştirilmez. Bir boyut ve birden fazla hesaplama olması durumunda yalnızca bir hesaplamanın tahmini etkin olabilir.
• Tahmin yalnıza varsayılan sıralama devredeyse çalışır. Daha fazla bilgi için bkz. Görselleştirmenin sıralamasını değiştirme.
• Minimum veri noktaları: OLS en az 2 veri noktası gerektirir. SSA en az 6 veri noktası gerektirir.

• Maksimum veri noktaları: Algoritmaların 5000'den fazla veri noktası olan veri kümelerinde kullanılması önerilmez. Veri noktalarının sayısı 5000'den fazla olan veri kümeleri için zaman serisi tahmini çalıştırırken kullanıcılar performans sorunlarıyla karşılaşmaya başlayacaktır. Kullanıcılar ve uygulama tasarımcıları, hesaplama koşulunu gerektiği gibi; veri kümesi seçimler aracılığıyla küçültüldüğünde grafik görüntülenecek şekilde kullanmalıdır. Seçimler sürekli olmalıdır; düzensiz zaman örneklemesine ilişkin aşağıdaki hususa bakın.

• Tahmin, düzensiz zaman örneklemesi ile belirli koşullar altında çalışır: OLS, zaman serisi tahmini veya düzenli veri ile sınırlı olmadığı için her zaman çalışır. SSA, veri örneklemenin yeterince düzenli olmasını gerektirir ve konan bir sınır aşılırsa, verinin çok düzensiz olduğunu belirten bir hata döndürülür.

• Tahmin, Qlik Cloud Mobile for SaaS'de çevrimdışı modda çalışmaz.

• Tahminli bir uygulama Qlik Cloud dışına aktarılıp sonra QSEoW içine aktarılırsa, tahmin grafiği görüntülenmez. Tahmin, QSEoW içinde desteklenmez.

• Bir çizgi grafiği Microsoft Excel dosyası olarak indirdiğinizde, tahmin edilen değerler dosyada kapsanmaz.

• Bir çizgi grafiğe sağ tıklayıp Verileri görüntüle öğesini seçtiğinizde, tahmin edilen değerler gösterilmez.

• Çizgi grafiğindeki boyutlardan veya hesaplamalardan herhangi biri bir gösterme koşulu kullanıyorsa zaman serisi tahmini kullanılamaz.

Örnek

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
];