استخدم التجزئة الزمانية والتنبؤ

تقسم التجزئة الزمانية والتنبؤ الرسم البياني للسلاسل الزمانية إلى مكونات اتجاهية وموسمية ومتبقية.

تطبق التجزئة الزمانية والتنبؤ تجزئة الاتجاه الموسمي باستخدام طريقة LOESS (STL) لحساب مكونات السلاسل الزمنية.

مثال

تدرس مؤسسة بيئية التغييرات في جودة الهواء بمرور الوقت. وتستخدم التجزئة الزمانية لتحديد كيف تؤثر الموسمية على جودة الهواء وما إذا كانت جودة الهواء تتحسن أم تسوء بمرور الوقت. وتستخدم إمكانية التنبؤ للتنبؤ بقيم جودة الهواء المستقبلية.

تشغيل التجزئة الزمانية

أكمل الخطوات التالية لإجراء التجزئة الزمانية:

1. أنشئ خريطة أو مخططًا أو جدولاً باستخدام مجموعة البيانات التي تريد إجراء التجزئة الزمانية باستخدامها.
2. انقر على زر إجراء .
3. قم بأحد مما يلي:
   • بالنسبة لبطاقة الرسم البياني للسلسلة الزمنية، ابق على علامة التبويب التجزئة الزمانية.
   • للحصول على بطاقة نوع مخطط أو بطاقة جدول مختلفة، انقر فوق كيف تم تغييرها في جزء التحليلات.
   • بالنسبة إلى بطاقة الخريطة، انقر فوق علامة التبويب العثور على إجابات، ثم انقر فوق كيفية التغير.
4. انقر فوق تجزئة زمنية.
5. بالنسبة إلى اختيار طبقة، حدد مجموعة البيانات المراد استخدامها لإجراء التجزئة الزمانية.
6. بالنسبة إلى اختيار حقل التاريخ/الوقت، حدد حقل التاريخ/الوقت المطلوب استخدامه للمخطط الزمني.
7. قم بتوسيع خيارات إضافية وتوفير قيمًا لمعلمات اختيار حقل رقم، وضبط حسب الموسمية، وتحديد حجم النافذة، إذا لزم الأمر.

   راجع قسم ملاحظات الاستخدام أدناه لمزيد من المعلومات.

8. بشكل اختياري، حدد إظهار التنبؤ لتضمين القيم المتوقعة في المخطط الزمني.

   عند تحديد إظهار التنبؤ، فيمكنك أيضًا ضبط معلمة تعيين دورات أفق التنبؤ لتحديد عدد الدورات المضمنة في التنبؤ. العدد الافتراضي للدورات هو 2.

9. انقر على تشغيل.

تشغيل إمكانية التنبؤ

أكمل الخطوات التالية لإجراء التنبؤ:

1. قم بإنشاء خريطة أو مخطط أو جدول باستخدام مجموعة البيانات التي تريد إجراء التنبؤ بها.
2. انقر على زر إجراء .
3. قم بأحد مما يلي:
   • بالنسبة لبطاقة الرسم البياني للسلسلة الزمنية، ابق على علامة التبويب التجزئة الزمانية.
   • للحصول على بطاقة نوع مخطط أو بطاقة جدول مختلفة، انقر فوق كيف تم تغييرها في جزء التحليلات.
   • للحصول على بطاقة خريطة، انقر فوق علامة التبويب بحث عن إجابات وانقر فوق كيف تم تغييرها.
4. انقر فوق تنبؤ.
5. بالنسبة إلى اختيار طبقة، حدد مجموعة البيانات المراد استخدامها لإجراء التنبؤ.
6. بالنسبة إلى اختيار حقل التاريخ/الوقت، حدد حقل التاريخ/الوقت المطلوب استخدامه للمخطط الزمني.
7. قم بتوسيع خيارات إضافية وتوفير قيمًا لمعلمات اختيار حقل رقم، وضبط حسب الموسمية، وتحديد حجم النافذة، إذا لزم الأمر.

   راجع قسم ملاحظات الاستخدام أدناه لمزيد من المعلومات.

8. اضبط قيمة معلمة تعيين دورات أفق التنبؤ لتحديد عدد الدورات المضمنة في التنبؤ.

   العدد الافتراضي للدورات هو 2.

9. انقر على تشغيل.

ملاحظات الاستخدام

يمكن الوصول إلى التجزئة الزمانية والتنبؤ باستخدام زر إجراء ضمن كيف تم تغييرها في علامة تبويب بحث عن إجابات أو علامة تبويب التحليل الزمني في الرسم البياني لسلسلة زمنية. يجب أن يكون الإدخال مجموعة بيانات تتضمن حقل تاريخ/وقت ويجب أن تحتوي على بيانات لا تقل عن عام واحد كحد أدنى. لمزيد من المعلومات، راجع قسم كيفية عمل التجزئة الزمانية والتنبؤ أدناه.

استخدم معلمة اختيار حقل وقت/تاريخ لتحديد حقل التاريخ/الوقت الذي سيتم تطبيق التجزئة الزمانية فيه.

قم بتوسيع خيارات إضافية للوصول إلى معلمات اختيار حقل رقم، وضبط حسب الموسمية، وتحديد حجم النافذة. يُلخص الجدول التالي تلك المعلمات، بما في ذلك القيم الافتراضية:

المعلمة	الوصف	القيمة الافتراضية
اختر حقل رقم	حقل يشير إلى قيمة كل ملاحظة في السلسلة الزمنية. على سبيل المثال، عند تجزئة سلسلة زمنية ب​​متوسط درجات حرارة عالمي بمرور الوقت، استخدم حقل درجة الحرارة لمعلمة اختيار حقل رقم.	لا شيء. تعتمد قيمة كل نقطة على العدد.
ضبط حسب الموسمية	تُستخدَم الموسمية لتحديد كيفية حساب المكون الموسمي. تتوفر الخيارات الموسمية التالية: أسبوعيًا شهريًا ربع سنوي سنويًا	لا شيء. اختر الموسمية المناسبة بناءً على البيانات.
تحديد حجم النافذة	يحدد حجم النافذة نسبة نقاط البيانات المستخدمة في حساب التسوية.	50%.

بالنسبة للتجزئة الزمانية، حدد إظهار التنبؤ لإنشاء سلسلة زمنية للإخراج تُظهر القيم المستقبلية المتوقعة بناءً على المكون الموسمي والمكون المعدل موسميًا. يعتمد عدد الدورات في التنبؤ على معلمة تعيين دورات أفق التنبؤ. القيمة الافتراضية هي 2. لا تتوفر معلمة إظهار التنبؤ للتنبؤ لأنها ممكنة دائمًا.

تشتمل نتائج التجزئة الزمانية والتنبؤ على مجموعتي بيانات: واحدة باسم STL وواحدة باسم التنبؤ - STL (يتم تضمينها فقط في التجزئة الزمانية في حالة تمكين إظهار التنبؤ).

تتضمن مجموعة بيانات STL حقول البيانات الأولية (استنادًا إلى العدد أو حقل الرقم المستخدم لتجزئة السلاسل الزمنية)، وأربعة مكونات (مكونات موسمية، ومكونات اتجاه، ومكونات متبقية، ومكونات معدلة موسميًا)، وحقل تاريخ/وقت أصلي.

تتضمن مجموعة بيانات التنبؤ - STL حقل التاريخ/الوقت الأصلي، بالإضافة إلى حقول البيانات الأولية (بناءً على العدد أو حقل الرقم المستخدم لتحليل السلسلة الزمنية)، والتقدير، والفواصل الزمنية العليا والسفلى للتنبؤ (80% و95%).

كيفية عمل التجزئة الزمانية والتنبؤ

تستخدم التجزئة الزمانية والتنبؤ طريقة STL لتجزئة سلسلة زمنية إلى مكوناتها الموسمية والاتجاهية والمكونات المتبقية. تعتمد متطلبات البيانات في خوارزمية STL على الموسمية المستخدمة لوصف المكون الموسمي.

الموسمية

تُستخدَم الموسمية (وتسمى أيضًا الدورية) في STL لضبط التأثيرات الموسمية في سلسلة زمنية. على سبيل المثال، تميل جودة الهواء إلى اتباع دورة سنوية مع تحسُّن جودة الهواء في أشهر الشتاء وانخفاض جودة الهواء في أشهر الصيف. يمكن تجزئة بيانات جودة الهواء باستخدام الموسمية الشهرية لضبط السلسلة الزمنية للدورة المتكررة لجودة الهواء المحسنة والمنخفضة للحصول على فكرة أفضل عن الاتجاه العام في جودة الهواء بمرور الوقت.

قد تكون الموسمية أسبوعية أو شهرية أو ربع سنوية أو سنوية. تعتمد متطلبات البيانات الخاصة بالتجزئة الزمانية والتنبؤ على الموسمية المستخدمة.

بالنسبة لجميع خيارات الموسمية، تنقسم البيانات إلى مجموعات فرعية. يجب أن يوجد تكرار واحد على الأقل لكل مجموعة فرعية في مجموعة البيانات لاستخدام التحليل الزمني أو التنبؤ.

يلخص الجدول التالي خيارات الموسمية والمجموعات الفرعية ومتطلبات البيانات لكل منها.

الموسمية	المجموعات الفرعية	متطلبات البيانات
أسبوعيًا	الأسابيع من 1 إلى 52. على سبيل المثال، من 1 يناير إلى 7 يناير هو الأسبوع الأول، ومن 8 يناير إلى 14 يناير هو الأسبوع الثاني، وهكذا.	بيانات لا تقل قيمتها عن 52 أسبوعًا مع نقطة بيانات واحدة على الأقل لكل أسبوع.
شهريًا	الأشهر من يناير حتى ديسمبر.	بيانات لا تقل قيمتها عن 12 شهرًا مع نقطة بيانات واحدة على الأقل لكل شهر.
ربع سنوي	الأرباع السنوية من 1 إلى 4.	بيانات لا تقل قيمتها عن أربعة أرباع سنوية مع نقطة بيانات واحدة على الأقل لكل ربع سنة.
سنويًا	السنوات الفردية. على سبيل المثال، إذا كانت مجموعة البيانات تتضمن بيانات تبدأ من 2015 وتنتهي في 2020، فستكون المجموعات الفرعية 2015 و2016 و2017 و2018 و2019 و2020.	بيانات لا تقل قيمتها عن أربع سنوات مع نقطة بيانات واحدة على الأقل لكل سنة.

مثال على الموسمية

تريد تشغيل التجزئة الزمانية أو التنبؤ باستخدام الموسمية الأسبوعية لمجموعة بيانات تحتوي على البيانات التي تُجمَع يوميًا من يناير 2015 حتى ديسمبر 2020. على الرغم من ذلك، يتوقف نظام جمع البيانات عن التشغيل كل سنة بدايةً من 1 يناير حتى 10 يناير من أجل التحديثات والصيانة، لذا لا تُجمَع أي بيانات خلال هذا الفترة. لاستخدام الموسمية الأسبوعية، يجب أن تتضمن البيانات تكرارًا واحدًا للبيانات على الأقل كل أسبوع. بما أن الأسبوع الأول (بدايةً من 1 حتى 7 يناير) مفقود تمامًا من البيانات، فلا يمكنك استخدام الموسمية الأسبوعية في مجموعة البيانات. تتوافق جميع خيارات الموسمية الأخرى مع مجموعة بياناتك لأنها تتناسب مع الحد الأدنى لمتطلبات البيانات وتحتوي على تكرار واحد على الأقل لكل مجموعة فرعية شهرية وربع سنوية وسنوية.

لجعل مجموعة البيانات تتوافق مع الموسمية الأسبوعية، يتم تغيير إيقاف التشغيل المجدول إلى 2 يناير بدايةً من عام 2021. البيانات التي تم جمعها في 1 يناير 2021، هي جزء من المجموعة الفرعية للأسبوع الأول، وبالتالي فإن مجموعة البيانات تحتوي الآن على ما لا يقل عن نقطة بيانات واحدة لكل مجموعة فرعية.

ملاحظة:‏

يكون المتطلب المتعلق بنقطة بيانات واحدة لكل مجموعة فرعية متطلبًا عامًا وليس متطلبًا سنويًا. هذا هو السبب في أن نقطة البيانات في 2 يناير 2021 تفي بالمتطلبات على الرغم من عدم توفر بيانات للأسبوع الأول من عام 2015 حتى عام 2020.

فترات التنبؤ

تُحسب فترات التنبؤ من خلال إمكانية التنبؤ باستخدام المعادلة التالية من Hyndman و Athanasopoulos (2018، الفصل 7):

ŷT+h|T ± cσh

حيث:

• ŷ_t= متوسط قيمة التوزيع المتوقع في الوقت t.
• ŷ_T+h|T= التنبؤ التراكمي لـ ŷ_t حتى الوقت T لدورات أفق التنبؤ h.
• c= احتمالية التغطية
• σ_h= الجذر التربيعي للتباين المتوقع

قيود

لا يدعم التحليل الزمني والتنبؤ حقول الوقت فقط (حقول التاريخ/الوقت التي تحتوي على مكون وقت ولكن لا تحتوي على تواريخ).

‏‏مراجع

Hyndman, Rob J., and George Athanasopoulos. 2018. Forecasting: Principles and Practice. 2nd ed. Melbourne, Australia: OTexts. OTexts.com/fpp2.