1、.時間序列模型時間序列模型.提綱一.時序的基本概念二.時序的構成三.時序的預測四.時序的應用.某種現象某一個統計指標某種現象某一個統計指標在不同時間上的各個數值，在不同時間上的各個數值，按時間先后順序排列按時間先后順序排列而形而形成的序列。成的序列。一一.時序的基本概念時序的基本概念按照時間序列時間序列所得的觀測值.時序模型建立的目的是為了描述時間序列中產生數據的隨機機制與趨勢，以此模型來判斷在某一時間或隨機機制下會發生的數據達到預測和控制的目的。時間序列可分為平穩的時間序列和非平穩的時間序列。.二二.時序的構成時序的構成.三三.時序的預測時序的預測.了解時序模型的結構時序模型具有表示該模型及

2、其元數據的單一父節點。 根據用于創建該模型的算法的不同，在該父節點下面有一個或兩個時序樹。如果創建混合模型，則兩個單獨的樹會添加到該模型中，一個適用于 ARIMA 算法，另一個適用于 ARTxp 算法。 如果選擇僅使用 ARTxp 算法和 ARIMA 算法中的一個，則將擁有對應于所選算法的單個樹。 可以通過設置 FORECAST_METHOD 參數來指定要使用的算法。.四四. .時序的應用時序的應用Microsoft 時序算法提供了一些針對連續值（例如一段時間內的產品銷售額）預測進行了優化的回歸算法。雖然其他 Microsoft 算法（如決策樹）也能預測趨勢，但是他們需要使用其他新信息列作為輸

3、入才能進行預測，而時序模型則不需要。時序模型僅根據用于創建該模型的原始數據集就可以預測趨勢。進行預測時還可以向模型添加新數據，隨后新數據會自動納入趨勢分析范圍內。.算法的原理在 SQL Server 2008 中，Microsoft 時序算法同時使用 ARTxp 算法和另一種算法 ARIMA。ARTXp 算法針對短期預測進行了優化，因此可預測序列中下一個可能的值。ARIMA 算法針對長期預測進行了優化。默認情況下，Microsoft 時序算法在分析模式和進行預測時混合使用這兩種算法。該算法使用相同的數據為兩個單獨的模型定型：一個模型采用 ARTxp 算法，另一個模型采用 ARIMA 算法。然后

4、，該算法結合這兩個模型的結果來產生可變數量時間段的最佳預測。.時序模型的數據要求單個鍵時間列 每個模型都必須包含一個用作事例序列的數值或日期列，該列定義了該模型將使用的時間段。可預測列 每個模型都必須至少包含一個可預測列，算法將根據這個可預測列生成時序模型?？深A測列的數據類型必須具有連續值?？蛇x序列鍵列 每個模型可包含一個附加的鍵列，該列包含標識序列的唯一值?？蛇x序列鍵列必須包含唯一值。簡而言之，要求分析數據序列必須含有時間序列，并且序列值為連續，要求分析數據序列存在唯一標示值，其實也就說傳統意義上面的主鍵。.處理過程：（1 1）新建解決方案，然后數據源，然后數據源視圖）新建解決方案，然后數據

5、源，然后數據源視圖（2 2）預覽數據，分析源數據結構內容）預覽數據，分析源數據結構內容這里我們需要對要分析的數據進行分析，先看看里面有那些內容，是不是滿足時序算法的數據要求條件。 （3 3）新建挖掘結構）新建挖掘結構在選擇數據挖掘技術時選擇Microsoft時序. （4 4）參數配置）參數配置對于Microsoft時序算法有幾個參數比較重要，需要單獨配置，這里我們介紹一下PERIODICITY_HINT：該參數提供了有關數據模式重復頻率的算法信息。簡單點講就是時間序列的重復迭代時間間隔，比如本篇文章中用到的時間軸就是為每個月更改一次，且周期為年為單位，所以我們將這個參數設置成12，意思是每十二個月重復一次。.然后我們就需要部署、處理該挖掘模型了。然后下一步我們進行結果分析。.上面的圖就是Microsoft時序算法出來的結果圖了，挖掘模型查看器為這種算法提供了兩個面板查看，一個是圖表、另一個是模型，下面我們將以此詳細分析，平常最常用的就是圖表模型查看器，圖標區分為兩塊，如上圖，前半部分模型歷史分析數據，后面模糊區為推測區域，右側一個序列篩選的下拉選項框，從橫軸中我們可以看到，圖中的實線是輸入的歷史數據，通過虛線區域可以觀察到模型算法對未來時間線的預測，以及它們的波動