Lissage de séries chronologiques (Statistiques spatiales)

Synthèse

Lisse une variable numérique d’un ou plusieurs séries temporelles à l’aide de moyennes de déplacement centré, avant ou arrière, ainsi que d’une méthode adaptative basée sur une régression linéaire locale. Après le lissage de fluctuations à court terme, les tendances ou les cycles plus longs deviennent souvent apparents.

En savoir plus sur le fonctionnement de l’outil Lissage de série temporelle

Illustration

Lisse les valeurs d’une série temporelle.

Utilisation

• Vous pouvez ajouter les champs de valeur lissée aux entités ou à la table en entrée à l’aide du paramètre Ajouter des champs aux données en entrée. Si vous ajoutez les champs à l’entrée, l’environnement de système de coordonnées en sortie est ignoré. Si les entités ou la table en entrée possèdent des champs joints, vous ne pouvez pas effectuer d’ajout aux données en entrée et devez créer une nouvelle sortie

• Le paramètre Champ temporel spécifie la période temporelle de chaque enregistrement en entrée. La même série temporelle ne peut comporter qu’une seule valeur à la fois.

• Le paramètre Champ d’analyse spécifie les valeurs allant être lissées. Lors du lissage d’une valeur du champ d’analyse, seules les valeurs non nulles dans la fenêtre horaire sont utilisées. Si toutes les valeurs du champ d’analyse sont nulles dans une série temporelle, la valeur lissée est nulle.

• Vous pouvez spécifier plusieurs séries temporelles à l’aide du paramètre Méthode de regroupement. Vous pouvez regrouper toutes les valeurs au même emplacement dans la même série temporelle, regrouper des valeurs à l’aide d’un champ d’ID ou regrouper toutes les valeurs dans la même série temporelle.

• En raison des années bissextiles et de différents jours du mois, si l’unité du paramètre Fenêtre horaire est l’heure ou le mois, la valeur temporelle doit être un nombre entier. Par exemple, 1,5 mois se traduit par une fenêtre horaire différente selon le mois. Pour les moyennes de déplacement avant et arrière, la fenêtre horaire peut être un nombre entier positif quelconque. Pour les moyennes de déplacement centré et la régression linéaire locale de bande passante adaptative, la fenêtre horaire doit être un nombre entier pair positif pour qu’au moment d’être fractionné sur chaque côté de l’enregistrement en cours de lissage, chaque côté résulte dans un nombre entier positif.

Paramètres

Boîte de dialogue

Étiquette	Explication	Type de données
Entités ou table en entrée	Entités ou table contenant les données de série temporelle et le champ à lisser.	Feature Layer; Table View
Champ temporel	Champ contenant la période temporelle de chaque enregistrement.	Field
Champ d’analyse	Champ contenant les valeurs allant être lissées.	Field
Méthode de regroupement (Facultatif)	Spécifie la méthode utilisée pour regrouper des enregistrements dans différentes séries temporelles. Le lissage s’effectue indépendamment de chaque série temporelle. Par emplacement—Les entités situées au même emplacement sont regroupées dans la même série temporelle. Il s’agit de l’option par défaut. Par champ d’ID—Les enregistrements dont le champ d’ID possède la même valeur sont regroupés dans la même série temporelle. Aucun—Tous les enregistrements se trouvent dans la même série temporelle.	String
Méthode de lissage (Facultatif)	Spécifie la méthode de lissage à utiliser. Moyenne de déplacement arrière—La valeur lissée constitue la moyenne de l’enregistrement et des valeurs de la fenêtre horaire qui précède l’enregistrement. Il s’agit de l’option par défaut. Moyenne de déplacement centré—La valeur lissée constitue la moyenne de l’enregistrement et des valeurs situées avant et après l’enregistrement. La moitié de la fenêtre horaire est utilisée avant la période temporelle de l’enregistrement, et l’autre moitié après. Moyenne de déplacement avant—La valeur lissée constitue la moyenne de l’enregistrement et des valeurs de la fenêtre horaire qui se trouve après l’enregistrement. Régression linéaire locale de bande passante adaptative—La valeur lissée est le résultat d’une régression linéaire locale centrée sur un enregistrement. La taille de la fenêtre horaire est optimisée pour chaque enregistrement.	String
Fenêtre temporelle (Facultatif)	Durée de la fenêtre horaire. La valeur peut être spécifiée en secondes, minutes, heures, jours, semaines, mois ou années. Pour les moyennes de déplacement arrière, avant et centré, la valeur et l’unité doivent être spécifiées. Pour la régression linéaire locale de bande passante adaptative, il n’est pas nécessaire de spécifier la valeur et une fenêtre horaire est estimée indépendamment pour chaque valeur. Les valeurs situées à la limite de la fenêtre horaire sont incluses dans la fenêtre. Par exemple, si vous disposez de données quotidiennes et utilisez une moyenne de déplacement arrière avec une fenêtre horaire de quatre jours, cinq valeurs sont incluses dans la fenêtre lors du lissage d’un enregistrement : la valeur de l’enregistrement et les valeurs des quatre jours précédents.	Time Unit
Ajouter des champs aux données en entrée (Facultatif)	Indique si les champs en sortie sont ajoutés au jeu de données en entrée ou enregistrés en tant que table ou classe d’entités en sortie nouvelle. Si vous choisissez d’ajouter les champs à l’entrée, l’environnement de système de coordonnées en sortie est ignoré. Coché : les champs en sortie sont ajoutés aux entités en entrée. Cette option modifie les données en entrée. Coché : les champs en sortie ne sont pas ajoutés aux entités en entrée. Une table ou une classe d’entités en sortie est créée contenant les champs en sortie. Il s’agit de l’option par défaut.	Boolean
Entités en sortie (Facultatif)	Entités en sortie contenant les valeurs lissées, les champs de la fenêtre horaire et le nombre de voisins.	Feature Class; Table
Champ d’ID (Facultatif)	Champ d’entier ou de texte contenant un ID unique pour chaque série temporelle. Tous les enregistrements ayant la même valeur dans ce champ font partie de la même série horaire.	Field
Appliquer une fenêtre horaire plus courte au début et à la fin (Facultatif)	Indique si la fenêtre horaire est raccourcie au début et à la fin de chaque série temporelle. Coché : la fenêtre horaire est raccourcie au début et à la fin de la série temporelle afin de ne pas s’étendre avant le début ou après la fin de la série temporelle. Non coché : la fenêtre horaire n’est pas raccourcie. Si la fenêtre horaire s’étend avant le début ou après la fin de la série temporelle, la valeur lissée est nulle. Il s’agit de l’option par défaut.	Boolean
Activer les informations contextuelles de la série temporelle (Facultatif)	Indique si les entités ou la table en sortie comprennent des diagrammes contextuels affichant les valeurs d’origine et lissées de la série temporelle. Coché : la sortie comprend des diagrammes contextuels. Il s’agit de l’option par défaut. Décoché : la sortie ne comprend pas de diagrammes contextuels.	Boolean

Sortie obtenue

Étiquette	Explication	Type de données
Entités ou table mises à jour	Table ou classe d’entités en entrée mises à jour avec les champs en sortie ajoutés.	Feature Class, Table

Python

arcpy.stats.TimeSeriesSmoothing(in_features, time_field, analysis_field, {group_method}, {method}, {time_window}, {append_to_input}, {output_features}, {id_field}, {apply_shorter_window}, {enable_time_series_popups})

Nom	Explication	Type de données
in_features	Entités ou table contenant les données de série temporelle et le champ à lisser.	Feature Layer; Table View
time_field	Champ contenant la période temporelle de chaque enregistrement.	Field
analysis_field	Champ contenant les valeurs allant être lissées.	Field
group_method (Facultatif)	Spécifie la méthode utilisée pour regrouper des enregistrements dans différentes séries temporelles. Le lissage s’effectue indépendamment de chaque série temporelle. LOCATION—Les entités situées au même emplacement sont regroupées dans la même série temporelle. Il s’agit de l’option par défaut. ID_FIELD—Les enregistrements dont le champ d’ID possède la même valeur sont regroupés dans la même série temporelle. NONE—Tous les enregistrements se trouvent dans la même série temporelle.	String
method (Facultatif)	Spécifie la méthode de lissage à utiliser. BACKWARD—La valeur lissée constitue la moyenne de l’enregistrement et des valeurs de la fenêtre horaire qui précède l’enregistrement. Il s’agit de l’option par défaut. CENTERED—La valeur lissée constitue la moyenne de l’enregistrement et des valeurs situées avant et après l’enregistrement. La moitié de la fenêtre horaire est utilisée avant la période temporelle de l’enregistrement, et l’autre moitié après. FORWARD—La valeur lissée constitue la moyenne de l’enregistrement et des valeurs de la fenêtre horaire qui se trouve après l’enregistrement. ADAPTIVE—La valeur lissée est le résultat d’une régression linéaire locale centrée sur un enregistrement. La taille de la fenêtre horaire est optimisée pour chaque enregistrement.	String
time_window (Facultatif)	Durée de la fenêtre horaire. La valeur peut être spécifiée en secondes, minutes, heures, jours, semaines, mois ou années. Pour les moyennes de déplacement arrière, avant et centré, la valeur et l’unité doivent être spécifiées. Pour la régression linéaire locale de bande passante adaptative, il n’est pas nécessaire de spécifier la valeur et une fenêtre horaire est estimée indépendamment pour chaque valeur. Les valeurs situées à la limite de la fenêtre horaire sont incluses dans la fenêtre. Par exemple, si vous disposez de données quotidiennes et utilisez une moyenne de déplacement arrière avec une fenêtre horaire de quatre jours, cinq valeurs sont incluses dans la fenêtre lors du lissage d’un enregistrement : la valeur de l’enregistrement et les valeurs des quatre jours précédents.	Time Unit
append_to_input (Facultatif)	Indique si les champs en sortie sont ajoutés au jeu de données en entrée ou enregistrés en tant que table ou classe d’entités en sortie nouvelle. Si vous choisissez d’ajouter les champs à l’entrée, l’environnement de système de coordonnées en sortie est ignoré. APPEND_TO_INPUT—Les champs en sortie sont ajoutés aux entités en entrée. Cette option modifie les données en entrée. NEW_OUTPUT—Les champs en sortie ne sont pas ajoutés aux entités en entrée. Une table ou une classe d’entités en sortie est créée contenant les champs en sortie. Il s’agit de l’option par défaut.	Boolean
output_features (Facultatif)	Entités en sortie contenant les valeurs lissées, les champs de la fenêtre horaire et le nombre de voisins.	Feature Class; Table
id_field (Facultatif)	Champ d’entier ou de texte contenant un ID unique pour chaque série temporelle. Tous les enregistrements ayant la même valeur dans ce champ font partie de la même série horaire.	Field
apply_shorter_window (Facultatif)	Indique si la fenêtre horaire est raccourcie au début et à la fin de chaque série temporelle. APPLY_SHORTER_WINDOW—La fenêtre horaire est raccourcie au début et à la fin de la série temporelle afin de ne pas s’étendre avant le début ou après la fin de la série temporelle. NOT_APPLY_SHORTER_WINDOW—La fenêtre horaire n’est pas raccourcie. Si la fenêtre horaire s’étend avant le début ou après la fin de la série temporelle, la valeur lissée est nulle. Il s’agit de l’option par défaut.	Boolean
enable_time_series_popups (Facultatif)	Indique si les entités ou la table en sortie comprennent des diagrammes contextuels affichant les valeurs d’origine et lissées de la série temporelle. CREATE_POPUP—La sortie comprend des diagrammes contextuels. Il s’agit de l’option par défaut. NO_POPUP—La sortie ne comprend pas de diagrammes contextuels.	Boolean

Sortie obtenue

Nom	Explication	Type de données
updated_features	Table ou classe d’entités en entrée mises à jour avec les champs en sortie ajoutés.	Feature Class, Table

Exemple de code

Exemple d’utilisation de l’outil TimeSeriesSmoothing 1 (fenêtre Python)

Le script Python ci-dessous montre comment utiliser la fonction TimeSeriesSmoothing.

import arcpy
arcpy.stats.TimeSeriesSmoothing("temperature_CA", "START_DATE", "VALUE", 
            "LOCATION", "BACKWARD", "1 Months", "NEW_OUTPUT", "temperature_smoothed", 
            None, "NOT_APPLY_SHORTER_WINDOW", "CREATE_POPUP")

Exemple d’utilisation de l’outil TimeSeriesSmoothing 2 (script autonome)

Le script Python suivant illustre l’utilisation de la fonction TimeSeriesSmoothing pour prévoir la population.

import arcpy
arcpy.env.workspace = "C:/Analysis/data.gdb"

# Smooth temperature data using adaptive method by ID Field and revise input 
arcpy.stats.TimeSeriesSmoothing("temperature_CA", "START_DATE", "VALUE", 
            "ID_FIELD", "ADAPTIVE", None, "APPEND_TO_INPUT", None, "FIPS", 
            "NOT_APPLY_SHORTER_WINDOW", "NO_POPUP")

Environnements

Système de coordonnées en sortie