工业大数据分析-时间序列评估.pdfVIP

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ARIMA

ARIMA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.csv。

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

1

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”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：

图8-4-4时间序列评估-文件输入-文件上传

2

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：

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：

图8-4-6时间序列评估-设置角色-节点配置

3

步骤5：“ARIMA”节点配置如下，如图8-4-7所示：

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8-4-8时间序列评估模型运行结果1

4

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。

5