Was ist Forecasting

Was ist Forecasting?

Forecasting bezeichnet die Vorhersage zukünftiger Werte auf Basis historischer Daten. Auf der Eliona-Plattform ermöglicht die Forecast App, Zeitreihen-Daten automatisch zu analysieren und verlässliche Prognosen zu erstellen. Typische Anwendungsfälle sind etwa:

  • Energieverbrauch in Gebäuden

  • Raumtemperaturen und Klimasteuerung

  • Zustandsüberwachung von Anlagen

Dabei erkennt das System wiederkehrende Muster, saisonale Schwankungen und plötzliche Abweichungen, um künftige Entwicklungen vorherzusagen.


Wie funktionieren LSTM-Modelle in der Forecast App?

1. Rekurrente Neuronale Netze (RNN)

Anders als klassische neuronale Netze verarbeiten RNNs Daten sequenziell und halten einen internen Zustand („Gedächtnis“) aufrecht. So können frühere Zeitpunkte direkten Einfluss auf spätere Vorhersagen nehmen.

2. Long Short-Term Memory (LSTM)

LSTM-Zellen sind eine spezielle RNN-Architektur, die:

  • Langfristige Abhängigkeiten bewahrt, indem sie unwichtige Informationen „vergisst“ und relevante über lange Sequenzen weitergibt.

  • Kurzfristige Schwankungen erkennt und im Modell speichert.

  • Gating-Mechanismen (Input-, Forget- und Output-Gate) benutzt, um gezielt zu steuern, welche Informationen wann in den internen Zustand gelangen oder daraus entfernt werden.

In der Forecast App betrachtet das LSTM-Modell jeweils ein Kontextfenster (parameterisiert durch Context Length) vergangener Messwerte und sagt darauf aufbauend eine definierte Anzahl künftiger Schritte voraus (festgelegt über Forecast Length).


Rolle von TensorFlow

TensorFlow ist das underlying-Framework, das in der Forecast App für folgende Aufgaben sorgt:

  1. Modellaufbau Definition und Verknüpfung der LSTM-Zellen sowie zusätzlicher Schichten (z. B. Dense Layers).

  2. Effizientes Training Nutzung von GPU-Beschleunigung, automatischem Differenzieren und optimierten Algorithmen (z. B. Adam-Optimizer).

  3. Kontinuierliche Aktualisierung Retraining bei neuen Daten, um das Modell stets an aktuellen Trends auszurichten.

Weiterführende Informationen: → TensorFlow-Dokumentation → TensorFlow Keras-Dokumentation

Last updated

Was this helpful?