Прогноз Амазонки — это полностью управляемая служба, которая использует машинное обучение (ML) для создания высокоточных прогнозов, не требуя никакого предварительного опыта ML. Прогноз применим в самых разных случаях использования, включая оценку спроса и предложения для управления запасами, прогнозирование спроса на командировки, планирование рабочей силы и использование вычислительной облачной инфраструктуры.
Вы можете использовать Forecast для беспрепятственного проведения анализа «что, если» до 80% быстрее, чтобы анализировать и количественно определять потенциальное влияние бизнес-рычагов на ваши прогнозы спроса. Анализ «что, если» поможет вам исследовать и объяснить, как различные сценарии могут повлиять на базовый прогноз, созданный прогнозом. Благодаря Forecast нет серверов, которые нужно выделять, или моделей машинного обучения, которые нужно создавать вручную. Кроме того, вы платите только за то, что используете, и нет минимальной платы или авансовых обязательств. Чтобы использовать прогноз, вам нужно только предоставить исторические данные о том, что вы хотите прогнозировать, и, при необходимости, любые дополнительные данные, которые, по вашему мнению, могут повлиять на ваши прогнозы.
У поставщиков коммунальных услуг есть несколько вариантов использования прогнозирования, но основным из них является прогнозирование потребления воды в районе или здании для удовлетворения спроса. Кроме того, поставщикам коммунальных услуг важно прогнозировать повышенный потребительский спрос из-за увеличения количества квартир в здании или увеличения количества домов в этом районе. Точное прогнозирование потребления воды имеет решающее значение, чтобы избежать перебоев в обслуживании клиентов.
В этом посте рассматривается использование прогноза для решения этого варианта использования с использованием исторических данных временных рядов.
Обзор решения
Вода является природным ресурсом и очень важна для промышленности, сельского хозяйства, домашних хозяйств и нашей жизни. Точное прогнозирование потребления воды имеет решающее значение для того, чтобы агентство могло эффективно выполнять повседневные операции. Прогнозирование потребления воды является особенно сложной задачей, поскольку спрос является динамичным, а сезонные погодные изменения могут оказывать влияние. Точное прогнозирование потребления воды важно, чтобы клиенты не сталкивались с перебоями в обслуживании и чтобы обеспечить стабильное обслуживание при сохранении низких цен. Улучшенное прогнозирование позволяет планировать заранее, чтобы структурировать более рентабельные будущие контракты. Ниже приведены два наиболее распространенных варианта использования:
- Лучшее управление спросом – Вам, как агентству коммунальных услуг, необходимо найти баланс между потребностью в воде и ее подачей. Агентство собирает такую информацию, как количество людей, проживающих в квартире, и количество квартир в здании, прежде чем предоставлять услугу. Как коммунальное агентство, вы должны сбалансировать совокупный спрос и предложение. Вам нужно хранить достаточное количество воды, чтобы удовлетворить спрос. Более того, прогнозирование спроса усложнилось по следующим причинам:
- Спрос не всегда стабилен и меняется в течение дня. Например, потребление воды в полночь намного меньше, чем утром.
- Погода также может влиять на общее потребление. Например, потребление воды летом выше, чем зимой в северном полушарии, и наоборот в южном полушарии.
- Недостаточно дождевых или водоаккумулирующих механизмов (озера, водохранилища) или недостаточная фильтрация воды. Летом спрос не всегда успевает за предложением. Водные агентства должны тщательно планировать приобретение других источников, которые могут быть более дорогими. Поэтому для коммунальных служб крайне важно найти альтернативные источники воды, такие как сбор дождевой воды, улавливание конденсата из вентиляционных установок или регенерация сточных вод.
- Проведение анализа «что, если» для увеличения спроса – Спрос на воду растет по многим причинам. Это включает в себя сочетание роста населения, экономического развития и изменения моделей потребления. Представим себе сценарий, когда к существующему многоквартирному дому строится пристройка, и количество домохозяйств и людей увеличивается на определенный процент. Теперь вам нужно провести анализ, чтобы спрогнозировать предложение на повышенный спрос. Это также поможет вам заключить рентабельный контракт на повышенный спрос.
Прогнозирование может быть сложной задачей, потому что сначала вам нужны точные модели для прогнозирования спроса, а затем быстрый и простой способ воспроизвести прогноз для ряда сценариев.
Этот пост посвящен решению для прогнозирования потребления воды и анализа возможных вариантов. Этот пост не рассматривает данные о погоде для обучения модели. Однако вы можете добавить данные о погоде, учитывая ее корреляцию с потреблением воды.
Предпосылки
Прежде чем приступить к работе, мы настраиваем наши ресурсы. Для этого поста мы используем регион us-east-1.
- Создать Простой сервис хранения Amazon (Amazon S3) для хранения исторических данных временных рядов. Инструкции см. Создайте свою первую корзину S3.
- Загрузите файлы данных из Репо GitHub и загрузите во вновь созданную корзину S3.
- Создать новый Управление идентификацией и доступом AWS (Я) роль, Для получения инструкций см. Настройка разрешений для Amazon Forecast. Обязательно укажите имя корзины S3.
Создание группы наборов данных и наборов данных
В этом посте показаны два варианта использования, связанные с прогнозированием спроса на воду: прогнозирование спроса на воду на основе прошлого потребления воды и проведение анализа возможных вариантов увеличения спроса.
Прогноз может принимать три типа наборов данных: целевые временные ряды (TTS), связанные временные ряды (RTS) и метаданные элемента (IM). Данные целевых временных рядов определяют историческую потребность в ресурсах, которые вы прогнозируете. Целевой набор данных временных рядов является обязательным. Связанный набор данных временных рядов включает данные временных рядов, которые не включены в целевой набор данных временных рядов и могут повысить точность вашего предиктора.
В нашем примере целевой набор данных временных рядов содержит измерения item_id и timestamp, а дополнительный связанный набор данных временных рядов включает no_of_consumer. Важное примечание к этому набору данных: TTS заканчивается 2023, а RTS заканчивается 01. При выполнении сценариев «что, если» важно манипулировать переменными RTS за пределами известного вам временного горизонта в TTS.
Чтобы провести анализ «что, если», нам нужно импортировать два файла CSV, представляющие данные целевого временного ряда и связанные данные временного ряда. Наш пример целевого файла временных рядов содержит item_id, временную метку и спрос, а наш связанный файл временных рядов содержит product_id, временную метку и no_of Consumer.
Чтобы импортировать данные, выполните следующие действия:
- На консоли прогноза выберите Просмотрите группы наборов данных.
- Выберите Создать группу набора данных.
- Что касается Имя группы данных, введите имя (для этого сообщения
water_consumption_datasetgroup
). - Что касается Домен прогнозирования, выберите домен прогнозирования (для этого поста На заказ).
- Выберите Следующая.
- На Создать целевой набор данных временных рядов на странице укажите имя набора данных, частоту ваших данных и схему данных.
- На Сведения об импорте набора данных на странице введите имя импортируемого набора данных.
- Что касается Тип файла импорта, наведите на CSV и введите местоположение данных.
- Выберите роль IAM, которую вы создали ранее, в качестве предварительного условия.
- Выберите Start.
Вы будете перенаправлены на панель инструментов, которую сможете использовать для отслеживания прогресса.
- Чтобы импортировать связанный файл временных рядов, на информационной панели выберите Импортировать.
- На Создать связанный набор данных временных рядов на странице укажите имя набора данных и схему данных.
- На Сведения об импорте набора данных на странице введите имя импортируемого набора данных.
- Что касается Тип файла импорта, наведите на CSV и введите местоположение данных.
- Выберите созданную ранее роль IAM.
- Выберите Start.
Обучать предсказателя
Далее мы обучаем предиктор.
- На панели инструментов выберите Start под Обучать предсказателя.
- На Предиктор поездов на странице введите имя для вашего предиктора.
- Укажите, как долго в будущем вы хотите прогнозировать и с какой периодичностью.
- Укажите количество квантилей, для которых вы хотите спрогнозировать.
Forecast использует AutoPredictor для создания предикторов. Для получения дополнительной информации см. Тренировочные предикторы.
- Выберите Создавай.
Создать прогноз
После обучения нашего предиктора (это может занять примерно 3.5 часа) мы создаем прогноз. Вы поймете, что ваш предсказатель обучен, когда увидите Просмотр предикторов кнопку на панели управления.
- Выберите Start под Создание прогнозов на приборной панели.
- На Создать прогноз странице введите название прогноза.
- Что касается Predictor, выберите предиктор, который вы создали.
- При необходимости укажите квантили прогноза.
- Укажите элементы, для которых необходимо создать прогноз.
- Выберите Start.
Запросите свой прогноз
Вы можете запросить прогноз, используя Прогноз запроса вариант. По умолчанию возвращается полный диапазон прогноза. Вы можете запросить конкретный диапазон дат в рамках полного прогноза. При запросе прогноза необходимо указать критерии фильтрации. Фильтр — это пара ключ-значение. Ключ — это одно из имен атрибутов схемы (включая измерения прогноза) из одного из наборов данных, используемых для создания прогноза. Значение является допустимым значением для указанного ключа. Вы можете указать несколько пар ключ-значение. Возвращаемый прогноз будет содержать только те элементы, которые удовлетворяют всем критериям.
- Выберите Прогноз запроса на приборной панели.
- Укажите критерии фильтра для даты начала и даты окончания.
- Укажите ключ и значение прогноза.
- Выберите Получить прогноз.
На следующем снимке экрана показан прогноз энергопотребления для той же квартиры (идентификатор элемента A_10001) с использованием модели прогноза.
Создайте анализ «что, если»
На данный момент мы создали наш базовый прогноз, теперь можем провести анализ «что, если». Представим себе сценарий, когда к существующему многоквартирному дому добавляется пристройка, а количество домохозяйств и людей увеличивается на 20%. Теперь вам нужно провести анализ, чтобы спрогнозировать увеличение предложения на основе увеличения спроса.
Существует три этапа проведения анализа «что, если»: настройка анализа, создание прогноза «что, если» путем определения того, что изменилось в сценарии, и сравнение результатов.
- Чтобы настроить анализ, выберите Изучите анализ «что, если» на приборной панели.
- Выберите Создавай.
- Введите уникальное имя и выберите базовый прогноз.
- Выберите элементы в наборе данных, для которых вы хотите провести анализ «что, если». У вас есть два варианта:
- Выбрать все элементы это значение по умолчанию, которое мы выбираем в этом посте.
- Если вы хотите выбрать определенные элементы, выберите Выбрать элементы с файлом и импортируйте файл CSV, содержащий уникальный идентификатор соответствующего элемента и любые связанные параметры.
- Выберите Создайте анализ «что, если».
Создайте прогноз «что, если»
Затем мы создаем прогноз «что, если», чтобы определить сценарий, который мы хотим проанализировать.
- В Прогноз «что, если» раздел, выбрать Создавай.
- Введите имя вашего сценария.
- Вы можете определить свой сценарий с помощью двух опций:
- Используйте функции преобразования – Используйте построитель преобразования, чтобы преобразовать связанные данные временных рядов, которые вы импортировали. В этом пошаговом руководстве мы оцениваем, как меняется спрос на элемент в нашем наборе данных, когда количество потребителей увеличивается на 20 % по сравнению с ценой в базовом прогнозе.
- Определите прогноз «что, если» с замещающим набором данных – Замените связанный набор данных временных рядов, который вы импортировали.
Для нашего примера мы создаем сценарий, в котором мы увеличиваем no_of_consumer
на 20% применимо к идентификатору предмета A_10001
качества no_of_consumer
является функцией в наборе данных. Этот анализ необходим для прогнозирования и удовлетворения повышенного спроса на воду. Этот анализ также поможет вам заключить рентабельный контракт на основе прогноза потребности в воде.
- Что касается Метод определения прогноза «что, если», наведите на Используйте функции преобразования.
- Выберите Размножаться в качестве нашего оператора, no_of_consumer в качестве нашего временного ряда и введите 1.2.
- Выберите Добавить условие.
- Выберите Равно в качестве операции и введите A_10001 для item_id.
- Выберите Создавай.
Сравните прогнозы
Теперь мы можем сравнить прогнозы «что, если» для обоих наших сценариев, сравнив 20-процентное увеличение числа потребителей с базовым спросом.
- На странице результатов анализа перейдите к Сравните прогнозы «что, если» .
- Что касается item_id, введите элемент для анализа (в нашем сценарии введите
A_10001
). - Что касается Прогнозы «что, если», выберите
water_demand_whatif_analyis
. - Выберите Сравните что-если.
- Вы можете выбрать базовый прогноз для анализа.
На следующем графике показан результирующий спрос для нашего сценария. Красная линия показывает прогноз потребления воды в будущем при увеличении населения на 20%. Тип прогноза P90 указывает, что истинное значение, как ожидается, будет ниже прогнозируемого значения в 90% случаев. Вы можете использовать этот прогноз спроса, чтобы эффективно управлять водоснабжением в соответствии с возросшим спросом и избегать перебоев в подаче воды.
Экспорт ваших данных
Чтобы экспортировать данные в CSV, выполните следующие действия:
- Выберите Создать экспорт.
- Введите имя для файла экспорта (для этого поста
water_demand_export
). - Укажите сценарии для экспорта, выбрав сценарии на Прогноз «что, если» выпадающее меню.
Вы можете экспортировать сразу несколько сценариев в комбинированный файл.
- Что касается Местоположение экспорта, укажите местоположение Amazon S3.
- Чтобы начать экспорт, выберите Создать экспорт.
- Чтобы загрузить экспорт, перейдите к пути к файлу S3 на консоли Amazon S3, выберите файл и выберите Скачать.
Файл экспорта будет содержать timestamp
, item_id
качества forecasts
для каждого квантиля для всех выбранных сценариев (включая базовый сценарий).
Очистите ресурсы
Чтобы избежать будущих расходов, удалите ресурсы, созданные этим решением:
- Удалить ресурсы прогноза вы создали.
- Удалить корзину S3.
Заключение
В этом посте мы показали вам, как легко использовать Forecast и его базовую системную архитектуру для прогнозирования потребности в воде с использованием данных о потреблении воды. Анализ сценариев «что, если» является важным инструментом, помогающим преодолевать неопределенности бизнеса. Он обеспечивает предвидение и механизм стресс-тестирования идей, делая предприятия более устойчивыми, лучше подготовленными и контролирующими свое будущее. Другие поставщики коммунальных услуг, такие как поставщики электроэнергии или газа, могут использовать прогноз для создания решений и удовлетворения спроса на коммунальные услуги экономически эффективным способом.
Шаги в этом посте продемонстрировали, как построить решение на Консоль управления AWS. Чтобы напрямую использовать API-интерфейсы Forecast для создания решения, следуйте записной книжке в нашем Репо GitHub.
Предлагаем вам узнать больше, посетив Руководство разработчика Amazon Forecast и опробуйте комплексное решение, поддерживаемое этими службами, с набором данных, соответствующим вашим бизнес-КПЭ.
Об авторе
Дхирадж Тхакур является архитектором решений в Amazon Web Services. Он работает с клиентами и партнерами AWS, предоставляя рекомендации по внедрению, миграции и стратегии корпоративного облака. Он увлечен технологиями и любит строить и экспериментировать в области аналитики и AI/ML.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/build-a-water-consumption-forecasting-solution-for-a-water-utility-agency-using-amazon-forecast/
- 1
- 11
- a
- О нас
- Принять
- доступ
- точность
- точный
- точно
- приобретать
- через
- добавленный
- дополнительный
- Дополнительно
- адрес
- Добавляет
- Принятие
- влиять на
- агентствах
- агентство
- сельское хозяйство
- впереди
- AI / ML
- AIR
- Все
- альтернатива
- всегда
- Amazon
- Прогноз Амазонки
- Amazon Web Services
- среди
- анализ
- аналитика
- анализировать
- и
- Квартира
- апартаменты
- API
- отношение
- примерно
- архитектура
- ПЛОЩАДЬ
- около
- связанный
- избежать
- AWS
- Баланс
- Использование темпера с изогнутым основанием
- основанный
- Базовая линия
- , так как:
- становиться
- до
- верить
- Лучшая
- между
- Beyond
- строить
- строитель
- Строительство
- строит
- бизнес
- бизнес
- кнопка
- Захват
- осторожно
- случаев
- случаев
- определенный
- сложные
- изменения
- изменения
- расходы
- Выберите
- облако
- принятие облака
- облачная инфраструктура
- улавливается
- сочетание
- сочетании
- обязательство
- Общий
- сравнить
- сравненный
- сравнив
- дополнительный
- полный
- вычисление
- Проводить
- проведение
- Рассматривать
- Консоли
- потребитель
- Потребители
- потребление
- содержит
- контракт
- контрактов
- контроль
- Корреляция
- соответствующий
- рентабельным
- Создайте
- создали
- Создающий
- Критерии
- критической
- клиент
- Клиенты
- приборная панель
- данным
- Наборы данных
- Время
- день
- По умолчанию
- Определяет
- определяющий
- Спрос
- Прогнозирование спроса
- убивают
- Застройщик
- Разработка
- различный
- размеры
- непосредственно
- не
- домен
- Dont
- скачать
- в течение
- динамический
- каждый
- Ранее
- Экономические
- Экономическое развитие
- фактически
- эффективно
- электричество
- включен
- позволяет
- поощрять
- впритык
- окончания поездки
- энергетика
- Энергопотребление
- достаточно
- Enter
- Предприятие
- Эфир (ETH)
- оценивать
- пример
- существующий
- ожидаемый
- дорогим
- опыт
- Объяснять
- экспорт
- расширение
- Лицо
- быстрее
- Особенность
- Комисии
- Файл
- Файлы
- фильтр
- фильтрация
- Найдите
- First
- фокусируется
- следовать
- после
- Прогноз
- частота
- от
- полностью
- Функции
- будущее
- ГАЗ
- порождать
- получающий
- данный
- график
- группы
- Группы
- Рост
- Управляемость
- Сбор урожая
- помощь
- помогает
- высший
- очень
- исторический
- горизонт
- ЧАСЫ
- домохозяйства
- дома
- Как
- How To
- Однако
- HTML
- HTTPS
- IAM
- идеи
- идентификатор
- Личность
- Влияние
- Импортировать
- важную
- улучшать
- улучшенный
- in
- включены
- включает в себя
- В том числе
- Увеличение
- расширились
- Увеличивает
- указывает
- промышленность
- информация
- Инфраструктура
- размышления
- инструкции
- инвентаризация
- Управление запасами
- исследовать
- IT
- пункты
- Сохранить
- Основные
- Знать
- известный
- УЧИТЬСЯ
- изучение
- уход
- линия
- Живет
- жизнью
- расположение
- Длинное
- Низкий
- Низкие цены
- машина
- обучение с помощью машины
- сделать
- управлять
- управляемого
- управление
- обязательный
- вручную
- механизм
- Встречайте
- Меню
- Метаданные
- может быть
- миграция
- минимальный
- ML
- модель
- Модели
- БОЛЕЕ
- утро
- самых
- с разными
- имя
- имена
- натуральный
- Откройте
- Необходимость
- Новые
- ноутбук
- номер
- ONE
- операция
- Операционный отдел
- оператор
- Опция
- Опции
- заказ
- Другие контрактные услуги
- общий
- пар
- особенно
- партнеры
- страстный
- мимо
- путь
- паттеранами
- ОПЛАТИТЬ
- Люди
- процент
- выполнять
- выполнения
- Разрешения
- выбирать
- план
- планирование
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- Точка
- население
- После
- потенциал
- предсказывать
- предсказанный
- прогнозирования
- Predictor
- подготовленный
- цена
- Цены
- первичный
- Предварительный
- Продукт
- Прогресс
- обеспечивать
- Недвижимости
- поставщики
- приводит
- обеспечение
- обеспечение
- САЙТ
- ассортимент
- причины
- Red
- область
- Связанный
- соответствующие
- удаление
- замещать
- представляющий
- запросить
- упругий
- ресурс
- Полезные ресурсы
- в результате
- Итоги
- повышение
- Роли
- Run
- то же
- Сценарии
- легко
- Раздел
- выбранный
- выбор
- Серии
- обслуживание
- Услуги
- набор
- установка
- несколько
- Шоу
- просто
- So
- Решение
- Решения
- Источники
- южный
- Space
- конкретный
- указанный
- стабильный
- этапы
- Начало
- и политические лидеры
- Шаги
- диск
- магазин
- Стратегия
- Структура
- достаточный
- лето
- поставка
- Спрос и предложение
- система
- взять
- цель
- Технологии
- Ассоциация
- Местоположение
- Будущее
- их
- следовательно
- три
- Через
- по всему
- время
- Временные ряды
- раз
- отметка времени
- в
- инструментом
- трек
- Train
- специалистов
- Обучение
- Transform
- трансформация
- путешествовать
- правда
- истинное значение
- Типы
- неопределенности
- под
- лежащий в основе
- созданного
- единиц
- Применение
- использование
- прецедент
- утилита
- ценностное
- разнообразие
- прохождение
- Вода
- Погода
- Web
- веб-сервисы
- Что
- Что такое
- который
- в то время как
- широкий
- будете
- Зима
- в
- без
- Трудовые ресурсы
- работает
- ВАШЕ
- зефирнет