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.

Back to Top