Vorhersageparameter im Detail verstehen

Wichtige Parameter für die Forecast App

In der Forecast App von Eliona bestimmen drei Parameter die Qualität und Aussagekraft Ihrer Zeitreihen-Vorhersagen. Nachfolgend finden Sie eine kompakte Beschreibung der jeweils wichtigsten Einstellungen:

---

1. Forecast length

Definition: Anzahl der Zeitschritte, die das Modell in die Zukunft prognostizieren soll.

• Berechnung der Zeitdistanz: Die App ermittelt automatisch den durchschnittlichen Zeitabstand Ihrer zuletzt gespeicherten Datenpunkte in Eliona.

• Beispiele:

  • Bei 5-Minuten-Intervallen und [forecast_length] = 3 entspricht die Vorhersage einem Horizont von 15 Minuten.

  • Bei täglichen Messwerten und [forecast_length] = 5 werden fünf Tage vorausgesagt.

Achten Sie auf regelmäßige Datenabstände. Bei unregelmäßiger Speicherung kann die Zeitachse nicht korrekt abgeleitet werden. Es empfiehlt sich die Trending Option: "immer" im Attribut zu aktivieren.

---

2. Context length

Definition: Anzahl der vergangenen Datenpunkte, die das Modell als historischen Kontext nutzt.

• Kurzfristige Muster: Kleine Werte (z. B. 24) eignen sich für tägliche Zyklen oder stündliche Trends.

• Langfristige Effekte: Größere Werte (z. B. 168 oder mehr) sind sinnvoll, wenn saisonale oder wöchentliche Muster erkannt werden sollen.

• LSTM-Vorteil: Dank der Long Short-Term Memory-Architektur merkt sich das Modell auch über das gewählte Fenster hinaus relevante Informationen, bedeutet meistens reicht eine moderate fenstergröße.

Längere Kontextfenster erhöhen enorm den Rechenaufwand und Speicherbedarf.

---

3. Feature Attributes

Definition: Feature Attributes sind zusätzliche Eingangsgrößen, die das Modell zur Berechnung der Vorhersage nutzt. Sie erweitern den Kontext und verbessern so die Genauigkeit der Prognose.

Automatische Zeit-Features:

Wenn kein anderes Feature ausgewählt wird, fügt die Forecast App automatisch folgende zeitbasierten Attribute hinzu:

• minute_of_hour

• hour_of_day

• day_of_week

• month_of_year

Diese Felder erscheinen bei der Erstellung eines Forecast-Items automatisch im Formular und liefern dem Modell zyklische Informationen über die aktuelle Zeitstruktur.

Die eigentliche Modellverarbeitung erfolgt intern über die transformierten Varianten dieser Werte (_sin/_cos), z. B.:

• hour_of_day_sin / hour_of_day_cos

• day_of_week_sin / day_of_week_cos

• month_of_year_sin / month_of_year_cos

Diese Transformation stellt sicher, dass zyklische Zeitmuster (z. B. der Übergang von Stunde 23 zu 0) mathematisch korrekt abgebildet werden.

Optional: Asset-bezogene Features

Sie können weitere Attribute desselben Assets hinzufügen, z. B.:

• Temperatur

• Luftfeuchtigkeit

• Energieverbrauch

Diese helfen dem Modell, Zusammenhänge zwischen verschiedenen Messgrößen zu erkennen.

Best Practices:

• Keine Zählerstände direkt verwenden. Stattdessen differenzierte oder relative Werte einfügen.

• Eigene Features erstellen: Verwenden Sie den Eliona Calculator, um kombinierte oder abgeleitete Werte zu generieren (z. B. Flächenberechnung, Wachstumsraten).

• Datenqualität sichern: Nutzen Sie Filter, um Ausreißer zu entfernen oder verrauschte Signale zu glätten.