工业大数据分析时间序列评估.docx

《工业大数据分析时间序列评估.docx》由会员分享，可在线阅读，更多相关《工业大数据分析时间序列评估.docx（5页珍藏版）》请在第一文库网上搜索。

1、任8.4时间序列评估任务概述时间序列评估是对自变量相同的数据集，比较一种时间序列算法一组参数、不同参数组合或者多种时间序列算法之间的分析性能，检验时间序列模型的可靠性；最终根据一些评价的指标（如相对误差等等指标）或者图表展示，获得质量最佳的时间序列模型。本节选用时间序列算法ARIMA做算法分析，选用时间序列评估节点做模型评估。图8-4-1时间序列评估按钮图8-4-2时间序列算法ARIMAARIMA模型将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。ARIMA（p,d,q）称为差分自回归移

2、动平均模型，AR是自回归，P为自回归项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。所谓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。注：此算法节点不支持连接模型利用节点，对于新数据只能重新进行预测。数据说明：本段中所用数据为风机结冰故障数据数据集文件名称：fengji_data_t1_demo3.csv0具体数据集字段同8.1数据说明。通过本任务的学习：（1）会使用时间序列评估模型检验时间序列ARIMA算法应用于工业大数据分析的可靠性。任务实现具体操作如下：步骤1建模区“数据管理

3、”下拉列表内拖入“文件输入”节点、“数据处理”下拉列表内拖入“重命名”和“设置角色”节点、“机器学习”下拉列表内拖入“ARIMA”节点，“模型管理”下拉列表内拖入“时间序列评估”节点，每个节点右侧的英文字母D拖拽互相连接，构建如下图8-4-3模型：图8-4-3时间序列评估构建模型步骤2：点击“文件输入”节点，弹出下图，点击图中“选择数据”右下方图标，上传数据文件，配置如下，如图8-4-4所示：fengjidatat1demo3文件上传剧臃至部融除OX|Q1数据内容S0构OVfenqjidtaJ1demo3timewindspeedgeneratorspeed2015/11/4011.09658

4、42811.2368897452015/11/40:010.9453776631.2634801842015/11/41440.6761561241.2501849652015/11/41451.0744564841.2734515992015/11/41461.1113361471.2800992092015/11/41471.7382904171.263480184分区记录朝IOOOOO点击SS为能期确定取消步骤3：点击“重命名”节点，选择下拉列表内的字段“time”进行重命名为“fengji_time，配置如下，如图8-4-5所示:歪命名全asO字符onyaw_$peedPitCh1an

5、gIepitch1-moto-tmp行壬查看如女明取酒图8-4-5时间序列评估-重命名-节点配置步骤4：“设置角色”节点配置如下，如图8-4-6所示:设置角色X卓壬爱切兼玩朗步骤5：“ARIMA”节点配置如下，如图8-4-7所示：AR1MAX阶数没量O是否自动旃最大自回归阶数5最大移近均册数5最大差分阶数2设置阶数目回归阶数1移动平均阶数1菱分阶数O周期性虐期性周期O其没查saeae3点击查看S能汜明确定取消图8-4-7时间序列评估-ARIMA-节点配置步骤6：点击上图“确定”按钮，完成配置，点击右上角运行按钮，运行后在洞察中查看模型运行结果，参考下图，如图8-4-8、图8-4-9和图8-4-10所示：图8-4-9时间序列评估模型运行结果2图8-4-10时间序列评估模型运行结果3运行结果说明：通过上图，了解到对自变量相同的数据集，比较一种时间序列算法一组参数、不同参数组合或者多种时间序列算法之间的分析性能，检验时间序列模型的可靠性；最终根据一些评价的指标（如相对误差等等指标）或者图表展示，获得质量最佳的时间序列模型。