時間序列預測

商業使用者和分析師經常監控量值作為隨著時間變化的趨勢，並且透過時間序列預測，他們可以預估歷史觀察順序未來將會如何繼續。預測趨勢線可能如何演變的能力可以用來告知策略並做出決策。在 Qlik Cloud 中，時間序列預測選項會生產視覺化，這會透過折線圖上產生和呈現的預測值延伸趨勢線。根據採用的方法，呈現信賴區間的陰影區域會透過可設定的信賴等級顯示可能的值。會使用受信任的預測函數生產時間序列預測；SSA (單一頻譜分析) 演算法提供信賴區間，而 OLS (普通最小平方) 方法則提供簡單的線性迴歸線。

時間序列預測與清楚來自歷史值的預測值不同。視覺化按照維度屬性中預測步進和步進大小乘數選項的設定，以遞增方式顯示預測。若在量值中選取 SSA 方法，就會顯示呈現預測信賴區間的陰影區域。此區間透過量值屬性來設定：顯示信心和信賴度。陰影區域顯示可信值的區間 (例如 95%)，這表示未來的值預期會有 95% 的可能性落在陰影區域內。

要求和屬性行為

達到下列要求後，預測切換會顯示在進階選項量值屬性中：

• 數值或時間維度
• 一個量值和一個維度
• 維度軸必須持續。

重要的是應記住，只有在量值是數值或時間維度且維度軸是持續時，預測切換設定才會顯示在量值屬性中。切換為開啟後，預測時間序列屬性會顯示在維度和量值面板中。維度屬性位址水平距離和增量設定。量值屬性設定方法、線條和陰影樣式、信心設定和等級。

OLS 和 SSA 方法

OLS (普通最小平方) 是簡單的迴歸模型方法，可最小化觀察到的相依變數和預測的相依變數之間的差異平方加總，以計算趨勢線。若使用者想要查看資料的線性趨勢，此時間序列預測選項很好用；這不會控制雜訊或異常值，只會使用所有資料來產生線性迴歸線。

相對於 OLS，SSA (單一頻譜分析) 是純熟的演算法，能夠識別雜訊和季節性以及趨勢。SSA 需要充分規則地取樣資料，若超過特定限制，會傳回錯誤，指示資料太不規則。SSA 是最佳選項，可透過循環或振盪行為預測趨勢。

若採用 SSA 方法生產預測，此演算法會預估相依量值取用的可能值範圍的中間部分。會依預測區間擴增線條，提供取用的值範圍。不是顯示許多可能的值，而是顯示預測區間作為陰影區域。

時間序列預測限制

時間序列預測具有下列限制：

• 不會為向下探查維度啟用預測。
• 含有多個維度的圖表未啟用預測。若有一個維度和多個量值，只有一個量值可以啟用預測。
• 只有在備妥預設排序時，預測才會運作。如需詳細資訊，請參閱 變更視覺化排序。
• 資料點下限：OLS 需要至少 2 個資料點。SSA 需要至少 6 個資料點。

• 資料點上限：不建議在具有超過 5000 個資料點的資料集上使用演算法。若對具有超過 5000 個資料點的資料集執行時間序列預測，使用者將會開始遇到效能問題。使用者和應用程式設計人員應按需求使用計算條件，那麼透過選項減少資料集後，就會顯示圖表。選項應持續；請參閱下列關於不規則時間取樣的點。

• 預測將會在特定情況下處理不規則的時間取樣：OLS 的運作情況將如同沒有受到時間序列預測或規則資料的限制。SSA 需要充分規則地進行資料取樣，若超過加諸的限制，會傳回錯誤，指示資料太不規則。

• 預測無法在離線模式的 SaaS 版 Qlik Cloud Mobile 中運作。

• 若含有預測的應用程式從 Qlik Cloud 匯出並匯入到 QSEoW 中，預測圖表將不會顯示。QSEoW 不支援預測。

• 下載折線圖作為 Microsoft Excel 檔案時，預測值不會納入檔案中。

• 若用滑鼠右鍵按一下折線圖並選取檢視資料，不會顯示預測值。

• 若折線圖中的任何維度或量值使用顯示條件，則無法使用時間序列預測。

範例

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
];