Kaggle時序建模案例：預測水資源可用性

Acea Smart Water Analytics

您能否預測水資源未來的的可用性？

每個(ge) 數據集代表一種不同類型的水體(ti) 。由於(yu) 每個(ge) 水體(ti) 彼此不同，相關(guan) 特征也不同。我們(men) 會(hui) 注意到它的特征與(yu) 湖泊的特征不同。這些差異是根據每個(ge) 水體(ti) 的獨特行為(wei) 和特征預期的。

步驟1：數據集讀取

首先讀取數據，並找到對應的日期列，

from datetime import datetime, date  df['date'] = pd.to_datetime(df['date'], format = '%d/%m/%Y')

其中特征列為(wei) Rainfall、Temperature、Volume和Hydrometry，標簽列為(wei) Depth to Groundwater。

步驟2：數據集分析

時間間隔

分析日期是否包含連續：通過date列進行diff，如果日期列沒有缺失值則最大diff為(wei) 1day。

df = df.sort_values(by='date') df['delta'] = df['date'] - df['date'].shift(1) df[['date', 'delta']].head()

缺失值分析

分析數據集是否包含空值，繪製的時間序列顯示似乎有一些零值，我們(men) 將用nan值替換它們(men) ，然後再填充它們(men) 。

缺失值填充

• 使用NaN填充
• 使用均值填充
• 使用最近的樣本填充
• 使用插值填充

平滑數據/重采樣

重采樣可以提供更多的數據信息。重采樣有兩(liang) 種類型:

• 上采樣：采樣頻率增加(例如，數天到數小時)。
• 下采樣：采樣頻率降低(例如，從天到周)。

平穩性

一些時間序列模型，如ARIMA，假設基礎數據是平穩的。平穩性描述了時間序列具有：

• 常數均值和均值不依賴於時間
• 常數方差和方差與時間無關
• 常數協方差和協方差與時間無關

平穩性檢查可以通過三種不同的方法來完成:

• 視覺上：繪製時間序列並檢查趨勢或季節性
• 基本統計：拆分時間序列，比較每個分區的均值和方差
• 統計檢驗：擴充Dickey Fuller檢驗

特征工程

日期信息

周期編碼

新的時間特性是周期性的，特征月周期為(wei) 每年1至12個(ge) 月。雖然每個(ge) 月之間的差值在一年內(nei) 增加1，但在兩(liang) 年內(nei) ，月特性從(cong) 12(12月)跳到1(1月)。

時序分解

時間序列分解涉及到將一個(ge) 序列看作水平、趨勢、季節性和噪聲成分的組合。

• 等級：級數中的平均值。
• 趨勢：數列中增加或減少的值。
• 季節性：在係列中重複的短期循環。
• 噪聲：數列中的隨機變化。

  

Lag特征

EDA分析

相關性分析

自相關分析

• 自相關(guan) 函數(ACF): P=滯後周期，P幫助調整用於(yu) 預測序列的擬合線，P對應於(yu) MA參數

  

• 部分自相關(guan) 函數(PACF): D是時間序列達到平穩所需的差分變換次數。D對應AR參數。

  

構建模型

時間序列可以是單變量的也可以是多變量的：

• 單變量時間序列隻有一個時間因變量。
• 多變量時間序列具有多個時間因變量。

數據劃分方法

from sklearn.model_selection import TimeSeriesSplit

單變量時序模型

• Prophet

• ARIMA

• LSTM

多變量時序模型

• Prophet

完整代碼鏈接：https://www.kaggle.com/andreshg/timeseries-analysis-a-complete-guide/notebook