DemandWatch プロパティ ダイアログ

[プロパティ]ダイアログでは、ユーザーが個々のデータと、個々のデータのモデル パラメータを表示および編集できます。このダイアログから、ユーザー定義の期間にわたって予測をテストし、結果をグラフィカルに表示して CSV にエクスポートすることもできます。

[プロパティ]ダイアログのタブ

[プロパティ]ダイアログには、次のタブまたはページが表示されます。

[モデル プロパティ]ページ

[デル プロパティ] ページには、DemandWatch コンフィギュレーション プロパティ シートの [データ フィード] タブの対応する行と同じ情報が表示されます(値は、データの[プロパティ]ダイアログまたは DemandWatch コンフィギュレーション オブジェクトの [データ フィード] タブで編集できます)。

このタブでは、ユーザーは次のことができます。

注:

このダイアログで使用可能なオプションは、関連する DemandWatch コンフィギュレーション オブジェクトがチェックインされている場合には編集できません。

Model Properties tab

次の表に、このタブで使用できるオプションの一覧を示します。

トレーニング

  • トレーニングの[開始]トレーニングの[終了]では、トレーニング期間を定義します。この期間は 12 か月以上である必要があります。
  • 適合度トレーニング(R2): 読み取り専用(計算済み)フィールド。トレーニングによって説明される分散です(最大値は 1)。
  • トレーニング RMSE: 読み取り専用(計算済み)フィールド。トレーニングの二乗平均平方根誤差または精度です。このパラメータは、モデルによって予測されたトレーニング値と実際に測定された未処理の値の差を測定します。この値が小さいほど、トレーニングの精度は高くなります。
  • トレーニング: このボタンをクリックすると、データがトレーニングされます。

検証

  • 照合の[開始]照合の[終了]では、照合期間を定義します。この期間は 1 か月以上である必要があります。
  • 適合度照合(R2): 読み取り専用(計算済み)フィールド。照合によって説明される分散です(最大値は 1)。
  • 照合 RMSE: 読み取り専用(計算済み)フィールド。照合の二乗平均平方根誤差または精度です。このパラメータは、モデルによって予測された値と実際に測定された未処理の値の差を測定します。この値が小さいほど、照合の精度は高くなります。
  • 照合:このボタンをクリックすると、データを照合できます。

フィルタリング

変更のフィルタリング閾値: 流量値の変化を定義する閾値です。[最小期間のフィルタリング] の間の入力データの変化が閾値よりも小さい場合、入力データは破棄されます(値の差は無視できるものとみなされます)。つまり、データが平坦な場合、平坦である間のデータの変化が[変更のフィルタリング閾値]よりも小さい限り、入力データは破棄されます。

最小期間のフィルタリング: 初期値と比較して変化したとみなされないデータ ソース値が破棄されるまでの最短期間(上記の [変更のフィルタリング閾値] を参照)。

最大値のフィルタリング: 許容される最大流量値。[最大値のフィルタリング]以上のデータ値は破棄されます。

最小値のフィルタリング: 許容される最小流量値。[最小値のフィルタリング]以下のデータ値は破棄されます。

予測タイムステップ

需要予測タイムステップ。

使用可能な値は、5 分10 分15 分20 分30 分1 時間2 時間です。

注:

既存のモデルの需要予測タイムステップが変更された場合は、そのモデルを再トレーニングする必要があります。

モデル オプション

[モデル オプション]セクションでは、ユーザーがモデルを微調整できます。ここでは、使用する短期メモリ コンポーネントを設定できます。回帰に温度データが含まれている場合、この個々のデータの DemandWatch コンフィギュレーション オブジェクトの [データ フィード] ページで指定された温度データが、需要予測を毎日調整するか、または毎時調整するかを設定することもできます。

日次持続性: 24 時間の短期メモリ コンポーネント(PSI24)を使用します。

毎時持続性: 1 時間の短期メモリ コンポーネント(PSI1)を使用します。

日温度: 指定した温度データを使用して、日次需要予測値を調整します。

時間温度: 指定した温度データを使用して、時間需要予測値を調整します。

必要に応じてオプションを有効にして、トレーニングと予測中に使用します。

有効

このオプションをオンにすると、データが有効になり、IWLive Pro サーバーによって予測ランで使用されます。

[モデル パラメータ]ページ

[モデル パラメータ] ページでは、モデル値(オフセット、パラメータ、季節、曜日)を調整し、それらをグラフィカルに表示できます。

ヒント:

このページは既定で非表示になっていますが、[オプション]ダイアログの [詳細モデル パラメータ ページを表示] オプションをオンにして表示できます。

InfoWorks WS Pro は、Alvisi 氏、Franchini 氏、Marinelli 氏(2007)1 によって開発された水需要予測のための短期パターンベース モデルに基づいています。モデルとそのコンポーネントの詳細については、この記事を参照してください。

注:

このダイアログで使用可能なオプション(季節と曜日の選択を除く)は、関連する DemandWatch コンフィギュレーション オブジェクトがチェックインされている場合には編集できません。ユーザーがモデル パラメータを編集することはお勧めしません。

Model Parameters tab

テレメトリ データの[モデル パラメータ]ページの例

Model Parameters tab

温度データの[モデル パラメータ]ページの例

次の表に、このタブのモデル パラメータを示します。

オプション

説明

モデルの短期コンポーネント

AOA1B1 はフーリエ級数コンポーネントです。Alvisi 氏、Franchini 氏、Marinelli 氏(2007)1 の方程式(2)を参照してください。

PHI1: 日次コンポーネントの 24 時間の短期メモリ。Alvisi 氏、Franchini 氏、Marinelli 氏(2007)1 の方程式(6)を参照してください。

PSI1: 時間コンポーネントの 1 時間の短期メモリ。Alvisi 氏、Franchini 氏、Marinelli 氏(2007)1 の方程式(10)を参照してください。

PSI24: 時間コンポーネントの 24 時間の短期メモリ。Alvisi 氏、Franchini 氏、Marinelli 氏(2007)1 の方程式(10)を参照してください。

TA0TA1TB1 は、特定の日の日次予想温度を計算するために使用される温度データのフーリエ級数係数です。

注: TA0、TA1、TB1 は温度データにのみ適用され、テレメトリ データの場合は 0 になります。

季節

季節のドロップダウン リスト。

季節を選択します。

季節温度係数

温度データにのみ使用できます

このパラメータは、季節ごとの気温上昇 1 度あたりの 1 日の平均需要の増加を示します。たとえば、季節温度係数が 1.0 l/s/oC の場合、気温が 1 度上昇するごとに、1 日の平均需要は 1.0 l/s ずつ増加します。

Weekday

曜日のドロップダウン リスト。

曜日を選択します。

日次オフセット

選択した季節の曜日のオフセットを表形式で表示します。

時間単位のオフセット

選択した季節と曜日の時間単位のオフセットを表形式で表示します。

気温係数

温度データにのみ使用できます

選択した季節と曜日の時間単位の気温係数を表形式で表示します。

グラフ

選択した季節と曜日の時間単位のオフセット データをグラフで表します。

[予測ラン]ページ

[予測ラン] ページでは、特定の日付間の予測を実行できます。その後、結果はタブに表形式およびグラフ形式で表示されます。

Forecast Run tab

次の表に、このタブで利用可能なデータの詳細情報を示します。

オプション

説明

時間範囲

予測ランの開始時間終了時間を入力します。

ラン予測

このボタンをクリックすると、選択した時間範囲でモデルを実行できます。

CSV へエクスポート

このボタンをクリックすると、テスト予測ランの結果を CSV ファイルにエクスポートできます。

これにより、Windows 標準のファイルを保存するためのダイアログが表示されます。

グラフ タイプ

結果に使用するグラフのタイプです。

通常(既定): 流量と日時。

散布図: 散布図(予測と測定)。

結果

予測ランの結果(測定値と予測値)がグリッドに表示されます。

グラフ

グリッドに表示された結果をグラフで表します。タイプは、 [グラフ タイプ] フィールドの設定によって異なります。

Reference:

1 Alvisi S.、Franchini M.、Marinelli A. (2007)。パターンベースの短期水需要予測モデル。Journal of Hydroinformatics、09.(1)、pp. 39-50、2007 年。IWA Publishing。