Forecast
Last updated
Was this helpful?
Last updated
Was this helpful?
Die Forecast App bietet eine benutzerfreundliche Möglichkeit, präzise Vorhersagen für beliebige Datenattribute in der Eliona-Plattform zu erstellen. Die Anwendung nutzt modernste LSTM-Modelle (Long Short-Term Memory), ein spezieller Typ neuronaler Netze aus TensorFlow, um sowohl kurzfristige als auch langfristige Trends in zeitabhängigen Daten zu erkennen. Dies ermöglicht vielseitige Prognosen in Bereichen wie Energieverbrauch, Gebäudemanagement oder anderen datengetriebenen Szenarien.
Mit der Forecast App lassen sich Modelle flexibel anpassen: Sie können die Hyperparameter optimieren, Trainingsprozesse steuern oder die Genauigkeit Ihrer Vorhersagen verbessern, ohne tiefgehendes technisches Vorwissen zu benötigen. Im Fokus steht dabei die automatische Modelloptimierung sowie die nahtlose Integration in bestehende Assets auf der Eliona-Plattform.
Diese Anleitung bietet Ihnen eine klare Struktur und weiterführende Informationen zur Nutzung der Forecast App:
Einführung in Forecasting: Lernen Sie, was Forecasting ist und wie die App zeitabhängige Daten modelliert. LSTMs und TensorFlow: Wie LSTM-Modelle in der Forecast App langfristige Muster erkennen und warum TensorFlow für das Training verwendet wird.
Schnelleinstieg: Wie Sie ohne Vorwissen eine einfache Anfrage erstellen und erste Prognosen starten. Schritt-für-Schritt-Anleitung: Von der Eingabe der wichtigsten Parameter bis zur automatischen Speicherung der Ergebnisse.
Erfahren Sie, wie weit in die Zukunft prognostiziert wird.
Lernen Sie, wie viele vergangene Werte das Modell betrachten sollte.
: Worauf Sie achten sollten, um brauchbare Vorhersagen zu erstellen.
Welche zusätzlichen Daten Ihre Prognosen verbessern können.
: Bestimmen Sie, ab wann die Daten für das Training genutzt werden sollen. : Steuern Sie, ob das Modell trainiert oder Vorhersagen berechnet werden sollen. Nutzen Sie die Parameter train
und forecast
, um flexibel zwischen Training und Forecasting zu wechseln.
API-Endpunkte: Eine Übersicht der wichtigsten Endpunkte für die Verwaltung von Assets, Modellen und Hyperparameter-Suchen.
Von der Anfrage bis zur Vorhersage: Ein detaillierter Überblick darüber, wie die App trainiert, speichert und dynamische Vorhersagen berechnet.
Automatische Optimierung: Warum Hyperparameter wichtig sind und wie die App die beste Modellarchitektur für Ihre Daten findet. Standardwerte und Anpassungsmöglichkeiten: Überblick über die Standardwerte der Hyperparameter und wann sie angepasst werden sollten.
Manuelle Parameter: Wie Sie die App direkt mit spezifischen Parametern trainieren, ohne die Hyperparameter-Suche zu starten. Standardwerte: Welche Parameter ohne Angabe automatisch genutzt werden.
Training optimieren: Erklärung der Trainingsparameter wie epochs
, patience
, sleep_time
und deren Einfluss auf den Trainingsprozess.
Wann anpassen? Empfehlungen zur Anpassung bei komplexen Daten oder häufigen Updates.
Binäre Vorhersagen: Wie Sie Ja/Nein-Entscheidungen treffen können, z. B. bei Schwellenwerten. Mehrklassen-Prognosen: Vorhersage von mehreren Zuständen oder Kategorien (z. B. 0, 1, 2). Beispiele: Nutzen Sie den Eliona Calculator, um die richtigen Zielattribute zu erstellen.
Metadaten: Erfahren Sie, welche Informationen wie datalength
, latest_timestamp
und processing_status
automatisch von der API bereitgestellt werden.
Inspirierende Anwendungsbeispiele