Acea Smart Water Analytics

您能否預測水資源未來的的可用性？

每個數據集代表一種不同類型的水體。由于每個水體彼此不同，相關特征也不同。我們會注意到它的特征與湖泊的特征不同。這些差異是根據每個水體的獨特行為和特征預期的。

步驟1：數據集讀取

首先讀取數據，并找到對應的日期列，

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

其中特征列為Rainfall、Temperature、Volume和Hydrometry，標簽列為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，繪制的時間序列顯示似乎有一些零值，我們將用nan值替換它們，然后再填充它們。

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于時間

• 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：繪制時間序列并檢查趨勢或季節性

• 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，特征月周期為每年1至12個月。雖然每個月之間的差值在一年內增加1，但在兩年內，月特性從12(12月)跳到1(1月)。

時序分解

時間序列分解涉及到將一個序列看作水平、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：在系列中重復的短期循環。

• 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

• 自相關函數(ACF): P=滯后周期，P幫助調整用于預測序列的擬合線，P對應于MA參數

• 部分自相關函數(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：

• 單變量時間序列只有一個時間因變量。

• 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

往期精彩回顧適合初學者入門人工智能的路線及資料下載(圖文+視頻)機器學習入門系列下載中國大學慕課《機器學習》（黃海廣主講）機器學習及深度學習筆記等資料打印《統計學習方法》的代碼復現專輯 AI基礎下載機器學習交流qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【数据竞赛】Kaggle时序建模案例：预测水资源可用性的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。