Geschäftskontext
Ein Energieversorger muss eine große Menge an stündlichen Verbrauchsdaten (mehrere Jahre) analysieren, um ein kurzfristiges Prognosemodell zu erstellen. Die Leistung der Aktion ist entscheidend, um das Modell täglich neu zu trainieren. Die Datenvarianz wird mit einer Log-Transformation stabilisiert.
Über das Set : uniTimeSeries
Analyse und Prognose univariater Zeitreihen.
Entdecken Sie alle Aktionen von uniTimeSeries Datenaufbereitung
Erstellt eine große Tabelle `energieverbrauch_stunde` mit 3 Jahren stündlicher Daten, die tägliche und wöchentliche Muster aufweist.
Kopiert!
| 1 | DATA mycas.energieverbrauch_stunde; |
| 2 | FORMAT zeit datetime20.; |
| 3 | DO i = 0 to 26279; /* 3 Jahre * 365 Tage * 24 Stunden - 1 */ |
| 4 | zeit = dhms('01jan2021'd, 0, 0, 0) + i*3600; |
| 5 | wochentag_effekt = (weekday(datepart(zeit)) > 5) * -200; /* Weniger am Wochenende */ |
| 6 | tageszeit_effekt = 150 * sin((hour(zeit)-8)*constant('pi')/12); /* Spitze am Nachmittag */ |
| 7 | verbrauch = 1000 + tageszeit_effekt + wochentag_effekt + rannor(54321)*50; |
| 8 | OUTPUT; |
| 9 | END; |
| 10 | RUN; |
Étapes de réalisation
1
Anwendung eines ARIMA-Modells auf die große Datenmenge mit Log-Transformation, täglicher Saisonalität und Nutzung mehrerer Threads zur Leistungssteigerung.
Kopiert!
| 1 | PROC CAS; |
| 2 | uniTimeSeries.arima / |
| 3 | TABLE={name='energieverbrauch_stunde', caslib='mycas'}, |
| 4 | timeId={name='zeit'}, |
| 5 | interval='HOUR', |
| 6 | seasonality=24, |
| 7 | nThreads=4, |
| 8 | series={name='verbrauch', model={estimate={transform='LOG', p={{factor=1}}, diff={1, 24}, q={{factor=1, seasonal=24}}}, forecast={lead=48}}}, |
| 9 | outFor={name='prognose_energie', caslib='mycas', replace=true}; |
| 10 | RUN; |
Erwartetes Ergebnis
Die Aktion verarbeitet die große Datenmenge effizient und schließt die Analyse in einer angemessenen Zeit ab. Die `LOG`-Transformation wird korrekt angewendet, und die Prognosewerte in der Tabelle `mycas.prognose_energie` werden automatisch in die ursprüngliche Skala zurücktransformiert. Die Tabelle enthält eine 48-Stunden-Prognose des Energieverbrauchs.