Возможности SAS^® Visual Forecasting

Анализ и прогнозирование крупномасштабных временных рядов в распределенной среде

• Автоматически генерирует большое количество статистических прогнозов в распределенной среде в оперативной памяти.
• Скриптовый язык позволяет выполнять распределенный анализ временных рядов в памяти.
• Перетасовывает данные таким образом, чтобы каждая временная серия копировалась в память одного вычислительного узла.
• Выполняет каждый временной ряд в одном потоке узла, и каждый узел выполняет скомпилированный сценарий для каждого из назначенных ему временных рядов.
• Оптимизирован для машины, на которой он работает, поэтому пользователям не нужно переписывать код для разных машин.

Нейронные сети / узлы стратегии моделирования машинного обучения

• Включает в себя структуру нейронной сети серии панелей для генерации функций и обучения нейронной сети.
• Предоставляет многоступенчатую структуру (нейронная сеть / регрессия + временные ряды) для создания методологии прогнозирования, которая объединяет сигналы из различных типов моделей.
• Решение задач, имеющих как характеристики временных рядов, так и нелинейные связи между зависимыми и независимыми переменными, с использованием многоуровневой модели (нейронная сеть + временные ряды) прогнозирования.

Гибкий механизм переопределения

• Позволяет настраивать корректировки прогнозов, которые не ограничиваются структурой иерархии прогнозирования.
• Позволяет выбирать фильтры на основе таких атрибутов, как местоположение, марка, категория, размер, цвет, настроение, качество и т. Д.
• Позволяет определить спецификации переопределения по фильтру и периодам времени для всех временных рядов, содержащихся в фильтре.
• Включает фильтры поиска по граням.
• Позволяет дезагрегировать переопределение с использованием модели оптимизации.
• Включает пакетное выполнение и инкрементные обновления данных.

Поддержка языков с открытым исходным кодом

• Включает пакет внешних языков (EXTLANG), который поддерживает открытый исходный код - Python и R.
• Позволяет вам вызывать аналитические действия из Python, R, Java, JavaScript и Lua.
  

Анализ временных рядов

• Автокорреляционный анализ.
• Кросс-корреляционный анализ.
• Анализ сезонной декомпозиции и корректировки.
• Анализ серии графов.
• Диагностические тесты на сезонность, стационарность, периодичность и предварительный выбор порядка ARMA.
  

Частотно-временной анализ

• Оконные функции.
• Анализ Фурье для реальных и сложных временных рядов.
• Кратковременный анализ Фурье.
• Дискретное преобразование Гильберта.
• Псевдо-распределение Вигнера-Вилля.

Моделирование временных рядов

• Модели ARIMA (динамическая регрессия и передаточные функции).
• Модели экспоненциального сглаживания.
• Ненаблюдаемые компонентные модели.
• Модели пространства состояний.
• Модели с прерывистым спросом по методу Кростона.
  

Автоматическое моделирование временных рядов

• Автоматическая генерация моделей временных рядов.
• Автоматический ввод переменных и выбор событий.
• Автоматический выбор модели.
• Автоматическая оптимизация параметров.
• Автоматический прогноз.

Сингулярный спектральный анализ (SSA)

• Одномерная декомпозиция и прогнозирование SSA.
• Многомерный SSA.
• Автоматический SSA.

Отслеживание подпространства (SST)

• Выполните передовые методы мониторинга (анализа сигналов) для нескольких временных рядов.

Оценка временного интервала

• Оцените переменную во входной таблице на пригодность в качестве переменной идентификатора времени.
• Оцените, насколько хорошо спецификация временного интервала соответствует значениям даты / даты / времени или числам наблюдения, используемым для индексации временного ряда.
• Может быть задан явно в качестве входных данных для PROC TSMODEL или выведен процедурой на основе значений переменной ID времени.
  

Иерархическое согласование

• Моделирует и прогнозирует каждую серию в иерархии в отдельности.
• Согласовывает прогнозы на нескольких уровнях иерархии.

Производные атрибуты

• Создать предопределенные наборы производных атрибутов, в том числе:
  • Атрибуты временного ряда (мин, макс, среднее, пропущенное и т. Д.).
  • Атрибуты прогнозирования (свойства модели, статистика соответствия).
  • Атрибуты классификации спроса.
  • Атрибуты объема / волатильности.
• Атрибуты доступны для использования в фасетном поиске в средствах просмотра.

Внешняя сегментация и классификация спроса

• Обеспечивает поддержку 1000 сегментов.
• Может использовать предопределенные сегменты во временных рядах.
• Включает готовый шаблон сегментации, основанный на классификации спроса.

Просмотры временных рядов и прогнозов

• Предоставляет средство просмотра временных рядов с предварительно созданным набором атрибутов временных рядов.
• Предоставляет Forecast Viewer с предварительно созданным набором атрибутов прогнозирования.
• Включает в себя графики оболочек для просмотра нескольких серий.
• Позволяет использовать фасетные фильтры для описательной статистики, свойств модели, статистики соответствия.

Пакет сокращения временных рядов (TDR)

• Позволяет уменьшить размерность данных временных рядов транзакций при подготовке к анализу временных рядов.
  • Позволяет применять традиционные методы анализа данных (такие как кластеризация, классификация, деревья решений и т. д.).

Распределенный, доступный и готовый для работы в облаке

• Работает на SAS Viya, масштабируемом и распределенном движке памяти SAS Platform.
• Распределяет задачи анализа и данных по нескольким вычислительным узлам.
• Обеспечивает быстрый, параллельный многопользовательский доступ к данным в памяти.
• Включает отказоустойчивость для высокой доступности.
• Позволяет добавить возможности SAS Analytics в другие приложения с помощью API-интерфейсов SAS Viya REST.