Подпись | Описание | Тип данных |
Входные объекты или таблица | Входные объекты или таблица, содержащая поля возраста, независимых переменных и индикатора события для каждого наблюдения. | Table View |
Поле Возраст | Числовое поле возраста наблюдения. Часто это возраст наблюдения, но в общем случае, это количество времени от первого момента, когда могло произойти событие, до момента, когда событие произошло (или когда наблюдение было закрыто). Единица измерения возраста (часы, дни, годы и т.д.) не указана, но все результаты должны интерпретироваться в этой единице времени. Например, если значение возраста задано в днях, и инструмент прогнозирует время события через две единицы времени в будущем, это означает через два дня. | Field |
Поле Индикатор события | Поле, содержащее индикатор, или произошло ли событие для этого наблюдения. Это поле должно содержать только значения 1 или 0. Значение 0 означает, что событие не произошло (закрытое наблюдение), а значение 1 - что событие произошло (открытое наблюдение). Например, для оценки срока жизни деревьев значение 0 означает, что дерево живо (событие, смерть дерева, не произошло), а значение 1 означает, что дерево мертво. | Field |
Выходные объекты или таблица | Выходные объекты или таблица, содержащая спрогнозированные времена до события для наблюдений, в которых событие не произошло. | Feature Class; Table |
Независимые переменные (Дополнительный) | Список полей, представляющих независимые переменные, которые помогут прогнозировать время до события. Включите опцию Категориальная для переменных, которые представляют классы или категории, например, тип материала или категория дохода. Оставьте опцию неотмеченной для непрерывных переменных. | Value Table |
Включить всплывающие окна кривой выживания (Дополнительный) | Указывает, будут ли созданы всплывающие диаграммы для каждой выходной записи. Всплывающие диаграммы показывают базовую кривую выживания для каждой записи и дополнительную кривую времени до события для закрытых наблюдений.
| Boolean |
Краткая информация
Предсказывает оставшееся время до события на основе предыдущих времен до событий. Независимые переменные можно использовать для улучшения прогнозов, и инструмент может определить, какие переменные увеличивают или уменьшают время до события.
Иллюстрация

Использование
Каждое наблюдение во входных объектах или таблице должно иметь поля, содержащие возраст наблюдения, индикатор того, произошло ли уже это событие, и любые независимые переменные. Эти поля задаются в параметрах Поле Возраст, Поле Индикатор события и Независимые переменные, соответственно. Независимые переменные могут быть непрерывными или категориальными, а индикатор события должен принимать только значения 0 (событие не произошло) или 1 (событие произошло). Для поля Возраст это часто будет фактический возраст элемента, но в целом это промежуток времени, начинающийся с первого возможного времени, когда событие могло бы произойти, и заканчивающийся в момент, когда событие произошло (или текущее время, если событие не произошло). Например, чтобы оценить продолжительность жизни деревьев, значения поля Возраст должны соответствовать текущему возрасту дерева, если оно живо, или возрасту дерева, когда оно умерло. Однако для оценки времени до повторного ареста значения в поле должны соответствовать периоду времени с момента освобождения лица из-под стражи (когда может произойти первый повторный арест) до момента повторного ареста (или текущей даты, если лицо не подвергалось повторному аресту). Единицу измерения возраста (часы, дни, годы и т.д.) можно не указывать, но все результаты должны интерпретироваться в одинаковых единицах времени.
Предсказать, когда произойдет то или иное событие, крайне сложно, поэтому мы рекомендуем вам придерживаться реалистичных ожиданий. Этот инструмент может извлекать информацию только из предоставленных вами независимых переменных, но такие сложные явления, как устаревание инфраструктуры, связаны с многочисленными факторами, которые часто носят локальный характер и специфичны для каждого объекта. На практике следует рассматривать прогнозируемое время до события как общие указания на то, когда оно может произойти, а не как точные прогнозы относительно конкретных дат. Также следует проявлять осторожность и определенный скептицизм при экстраполяции на время, превышающее время наибольшего события во входных данных. Несмотря на то, что результаты анализа времени до события часто бывают неточными, они все же могут быть очень полезны для получения общих оценок будущих затрат или для определения приоритетов и распределения ресурсов для наблюдений, которые, скорее всего, произойдут.
Модели времени до события по своей сути не являются пространственными, но включение пространственной информации может улучшить модель за счет учета географических закономерностей. Рассмотрите возможность добавления пространственных независимых переменных, таких как географические регионы, в качестве категорийных независимых переменных или расстояния до ключевых объектов в качестве непрерывных независимых переменных. Например, при моделировании гибели деревьев в городах расстояние до ближайшего здания может быть важным из-за уменьшения количества солнечного света в тени зданий.
Наблюдения, в которых событие еще не произошло, называются закрытыми наблюдениями, а наблюдения, в которых событие произошло, называются открытыми наблюдениями. Эта терминология происходит из того факта, что открытые наблюдения имеют полную информацию (время до события известно), а закрытые наблюдения имеют только частичную информацию; точное время до события неизвестно, но известно, что оно должно быть больше, чем некоторое количество времени (текущий возраст наблюдения).
Хотя для оценки параметров модели используются как закрытые, так и не закрытые наблюдения, не закрытые наблюдения предоставляют наибольшую информацию, поскольку известно их точное время жизни. В целом рекомендуется использовать не менее 10 не закрытых наблюдений для каждой независимой переменной. Однако категориальные переменные следует рассматривать как множественные переменные. Категориальная переменная с двумя категориями считается одной, три категории считаются двумя переменными, четыре категории считаются тремя переменными и т.д. Кроме того, каждая категория должна содержать несколько не закрытых наблюдений, чтобы наилучшим образом оценить влияние всех категорий категориальной переменной.
Инструмент создает множество выходных данных, числовых и графических, чтобы понять, как независимые переменные влияют на время до события, предсказать, когда событие произойдет, и оценить точность и надежность модели.
В сообщениях геообработки приведена сводка эффектов независимых переменных и точности модели. Выходной класс объектов или таблица включают поля и всплывающие диаграммы, которые оценивают, когда событие должно произойти по прогнозу для корректированных наблюдений.
Параметры
arcpy.stats.EstimateTimeToEvent(in_features, age_field, event_field, out_features, {explanatory_variables}, {enable_survival_curve_popups})
Имя | Описание | Тип данных |
in_features | Входные объекты или таблица, содержащая поля возраста, независимых переменных и индикатора события для каждого наблюдения. | Table View |
age_field | Числовое поле возраста наблюдения. Часто это возраст наблюдения, но в общем случае, это количество времени от первого момента, когда могло произойти событие, до момента, когда событие произошло (или когда наблюдение было закрыто). Единица измерения возраста (часы, дни, годы и т.д.) не указана, но все результаты должны интерпретироваться в этой единице времени. Например, если значение возраста задано в днях, и инструмент прогнозирует время события через две единицы времени в будущем, это означает через два дня. | Field |
event_field | Поле, содержащее индикатор, или произошло ли событие для этого наблюдения. Это поле должно содержать только значения 1 или 0. Значение 0 означает, что событие не произошло (закрытое наблюдение), а значение 1 - что событие произошло (открытое наблюдение). Например, для оценки срока жизни деревьев значение 0 означает, что дерево живо (событие, смерть дерева, не произошло), а значение 1 означает, что дерево мертво. | Field |
out_features | Выходные объекты или таблица, содержащая спрогнозированные времена до события для наблюдений, в которых событие не произошло. | Feature Class; Table |
explanatory_variables [[Variable, Categorical],...] (Дополнительный) | Список полей, представляющих независимые переменные, которые помогут прогнозировать время до события. Укажите переменную как CATEGORICAL, если она представляет классы или категории, например, тип материала или категория дохода, и укажите NUMERIC, если переменная является непрерывной. | Value Table |
enable_survival_curve_popups (Дополнительный) | Указывает, будут ли созданы всплывающие диаграммы для каждой выходной записи. Всплывающие диаграммы показывают базовую кривую выживания для каждой записи и дополнительную кривую времени до события для закрытых наблюдений.
| Boolean |
Пример кода
Скрипт окна Python, демонстрирующий использование функции EstimateTimeToEvent.
# Estimate the time until an event.
import arcpy
arcpy.env.workspace = r"c:\data\project_data.gdb"
arcpy.stats.EstimateTimeToEvent(
in_features = r"myFeatureClass",
age_field = "myAgeField",
event_field = "myEventField",
out_features = r"myOutputFeatureClass",
explanatory_variables = r"cont_var1 false;cont_var2 false;cat_var1 true;cat_var2 true",
enable_survival_curve_popups = "CREATE_POPUP"
)
В следующем автономном скрипте показано использование функции EstimateTimeToEvent.
# Estimate the time until an event.
import arcpy
# Set the current workspace.
arcpy.env.workspace = r"c:\data\project_data.gdb"
# Run tool
arcpy.stats.EstimateTimeToEvent(
in_features = r"myFeatureClass",
age_field = "myAgeField",
event_field = "myEventField",
out_features = r"myOutputFeatureClass",
explanatory_variables = r"cont_var1 false;cont_var2 false;cat_var1 true;cat_var2 true",
enable_survival_curve_popups = "CREATE_POPUP"
)
# Print the messages.
print(arcpy.GetMessages())