Прогноз Amazon – це повністю керований сервіс, який використовує машинне навчання (ML) для створення високоточних прогнозів, не вимагаючи попереднього досвіду ML. Прогноз можна застосовувати в багатьох випадках використання, включаючи оцінку попиту та пропозиції для управління запасами, прогнозування попиту на подорожі, планування робочої сили та використання обчислювальної хмарної інфраструктури.
Ви можете використовувати Forecast, щоб безперешкодно проводити аналізи "що, якщо" на 80% швидше, щоб проаналізувати та кількісно визначити потенційний вплив важелів бізнесу на ваші прогнози попиту. Аналіз «що, якщо» допоможе вам дослідити та пояснити, як різні сценарії можуть вплинути на базовий прогноз, створений Forecast. Завдяки Forecast не потрібно налаштовувати сервери або створювати моделі ML вручну. Крім того, ви платите лише за те, що використовуєте, і немає мінімальної комісії чи авансових зобов’язань. Щоб використовувати Прогноз, вам потрібно лише надати історичні дані для того, що ви хочете спрогнозувати, і, за бажанням, будь-які додаткові дані, які, на вашу думку, можуть вплинути на ваші прогнози.
Постачальники водопостачання мають кілька варіантів прогнозування, але основним серед них є прогнозування споживання води в районі чи будівлі для задоволення попиту. Крім того, для постачальників комунальних послуг важливо прогнозувати зростання споживчого попиту через збільшення кількості квартир у будинку або будинків у цьому районі. Точне прогнозування споживання води має вирішальне значення, щоб уникнути перебоїв у обслуговуванні клієнта.
У цьому дописі розглядається використання Forecast для вирішення цього випадку використання за допомогою історичних даних часових рядів.
Огляд рішення
Вода є природним ресурсом і дуже важливим для промисловості, сільського господарства, домогосподарств і нашого життя. Точне прогнозування споживання води має вирішальне значення для того, щоб агентство могло виконувати повсякденні операції ефективно. Прогнозування споживання води є особливо складним, оскільки попит є динамічним і можуть впливати сезонні зміни погоди. Точне прогнозування споживання води є важливим, щоб клієнти не зіткнулися з перебоями в обслуговуванні та щоб забезпечити стабільне обслуговування при збереженні низьких цін. Покращене прогнозування дає змогу планувати наперед, щоб структурувати економічно ефективніші майбутні контракти. Нижче наведено два найпоширеніші випадки використання:
- Краще управління попитом – Як агентство, що надає комунальні послуги, ви повинні знайти баланс між попитом на воду та її пропозицією. Агентство збирає таку інформацію, як кількість людей, які проживають у квартирі, і кількість квартир у будинку перед наданням послуг. Як комунальне агентство, ви повинні збалансувати сукупний попит і пропозицію. Вам потрібно зберігати достатню кількість води, щоб задовольнити потребу. Крім того, прогнозування попиту стало більш складним через такі причини:
- Попит не є стабільним у будь-який час і змінюється протягом дня. Наприклад, споживання води опівночі набагато менше, ніж вранці.
- Погода також може вплинути на загальне споживання. Наприклад, у північній півкулі влітку споживання води вище, ніж взимку, а в південній – навпаки.
- Немає достатньої кількості опадів або механізмів зберігання води (озера, водосховища), або недостатня фільтрація води. Влітку попит не завжди встигає за пропозицією. Водогосподарські агентства повинні ретельно прогнозувати, щоб придбати інші джерела, які можуть бути дорожчими. Тому для комунальних установ надзвичайно важливо знайти альтернативні джерела води, такі як збір дощової води, уловлювання конденсату з установок обробки повітря або регенерація стічних вод.
- Проведення аналізу «що-якщо» для підвищення попиту – Попит на воду зростає з багатьох причин. Це включає поєднання зростання населення, економічного розвитку та зміни моделей споживання. Уявімо сценарій, коли існуючий багатоквартирний будинок будує прибудову, і кількість домогосподарств і людей збільшується на певний відсоток. Тепер вам потрібно зробити аналіз, щоб спрогнозувати пропозицію для збільшення попиту. Це також допоможе вам укласти рентабельний контракт для підвищення попиту.
Прогнозування може бути складним завданням, оскільки вам спочатку потрібні точні моделі для прогнозування попиту, а потім швидкий і простий спосіб відтворення прогнозу в різних сценаріях.
Ця публікація присвячена рішенню для прогнозування споживання води та аналізу «що, якщо». Ця публікація не враховує дані про погоду для підготовки моделей. Однак ви можете додати дані про погоду, враховуючи їх кореляцію зі споживанням води.
Передумови
Перш ніж почати, ми налаштували наші ресурси. Для цієї публікації ми використовуємо регіон us-east-1.
- створити Служба простого зберігання Amazon (Amazon S3) для зберігання історичних даних часового ряду. Інструкції див Створіть своє перше відро S3.
- Завантажте файли даних із GitHub репо і завантажити в щойно створене відро S3.
- Створіть новий Управління ідентифікацією та доступом AWS (Я Є) роль. Інструкції див Налаштування дозволів для Amazon Forecast. Обов’язково вкажіть назву свого відра S3.
Створіть групу набору даних і набори даних
Ця публікація демонструє два варіанти використання, пов’язані з прогнозом попиту на воду: прогнозування попиту на воду на основі споживання води в минулому та проведення аналізу «що буде, якщо» для підвищення попиту.
Прогноз може приймати три типи наборів даних: цільовий часовий ряд (TTS), пов’язаний часовий ряд (RTS) і метадані елемента (IM). Дані цільового часового ряду визначають історичний попит на ресурси, які ви прогнозуєте. Цільовий набір даних часового ряду є обов’язковим. Пов’язаний набір даних часових рядів містить дані часових рядів, які не входять до цільового набору даних часових рядів і можуть підвищити точність вашого прогнозу.
У нашому прикладі цільовий набір даних часового ряду містить параметри item_id і timestamp, а додатковий пов’язаний набір даних часового ряду включає no_of_consumer. Важлива примітка щодо цього набору даних: TTS закінчується 2023, а RTS – 01. Під час виконання сценаріїв «що-якщо» важливо маніпулювати змінними RTS за межами відомого часового горизонту в TTS.
Щоб провести аналіз «що, якщо», нам потрібно імпортувати два файли CSV, що представляють дані цільового часового ряду та пов’язані дані часового ряду. Наш приклад файлу цільового часового ряду містить item_id, timestamp і попит, а наш відповідний файл часового ряду містить product item_id, timestamp і no_of consumer.
Щоб імпортувати дані, виконайте такі дії:
- На консолі прогнозу виберіть Перегляд груп наборів даних.
- Вибирати Створити групу набору даних.
- для Назва групи набору даних, введіть ім'я (для цієї публікації,
water_consumption_datasetgroup
). - для Область прогнозування, виберіть домен прогнозування (для цієї публікації, виготовлений на замовлення).
- Вибирати МАЙБУТНІ.
- на Створіть цільовий набір даних часових рядів введіть назву набору даних, частоту ваших даних і схему даних.
- на Деталі імпорту набору даних введіть назву імпорту набору даних.
- для Тип файлу імпортувиберіть CSV і введіть місце розташування даних.
- Виберіть роль IAM, яку ви створили раніше, як попередню умову.
- Вибирати Start.
Вас буде перенаправлено на інформаційну панель, за допомогою якої можна відстежувати прогрес.
- Щоб імпортувати пов’язаний файл часових рядів, виберіть на інформаційній панелі Імпортувати.
- на Створіть пов’язаний набір даних часових рядів сторінки, введіть назву набору даних і схему даних.
- на Деталі імпорту набору даних введіть назву імпорту набору даних.
- для Тип файлу імпортувиберіть CSV і введіть місце розташування даних.
- Виберіть роль IAM, яку ви створили раніше.
- Вибирати Start.
Тренувати провісника
Далі тренуємо провісника.
- На інформаційній панелі виберіть Start при Тренувати провісника.
- на Провісник поїздів введіть ім’я для свого предиктора.
- Укажіть, як довго в майбутньому ви хочете робити прогноз і з якою частотою.
- Укажіть кількість квантилів, для яких потрібно зробити прогноз.
Прогноз використовує AutoPredictor для створення предикторів. Для отримання додаткової інформації див Тренувальні прогнози.
- Вибирати Створювати.
Створіть прогноз
Після навчання нашого провісника (це може зайняти приблизно 3.5 години) ми створюємо прогноз. Ви дізнаєтеся, що ваш провісник навчений, коли побачите Переглянути предиктори кнопку на панелі керування.
- Вибирати Start при Створення прогнозів на приладовій панелі.
- на Створіть прогноз введіть назву прогнозу.
- для Прогноз, виберіть створений вами предиктор.
- За бажанням укажіть квантилі прогнозу.
- Укажіть елементи, для яких потрібно створити прогноз.
- Вибирати Start.
Запитайте свій прогноз
Ви можете запитати прогноз за допомогою Прогноз запиту варіант. За замовчуванням повертається повний діапазон прогнозу. Ви можете запитати певний діапазон дат у повному прогнозі. Коли ви запитуєте прогноз, ви повинні вказати критерії фільтрації. Фільтр — це пара ключ-значення. Ключ — це одне з імен атрибутів схеми (включаючи параметри прогнозу) з одного з наборів даних, які використовуються для створення прогнозу. Значення є дійсним значенням для вказаного ключа. Ви можете вказати кілька пар ключ-значення. Повернений прогноз міститиме лише елементи, які задовольняють усі критерії.
- Вибирати Прогноз запиту на приладовій панелі.
- Укажіть критерії фільтра для дати початку та дати завершення.
- Укажіть ключ і значення прогнозу.
- Вибирати Отримати прогноз.
На наступному скріншоті показано прогнозне споживання енергії для тієї самої квартири (ідентифікатор елемента A_10001) за допомогою моделі прогнозу.
Створіть аналіз "що-якщо".
На даний момент ми створили наш базовий прогноз і тепер можемо проводити аналіз "що буде, якщо". Уявімо сценарій, коли існуючий багатоквартирний будинок прибудовується, а кількість домогосподарств і людей збільшується на 20%. Тепер вам потрібно провести аналіз, щоб спрогнозувати збільшення пропозиції на основі збільшення попиту.
Існує три етапи проведення аналізу «що-якщо»: налаштування аналізу, створення прогнозу «що-якщо» шляхом визначення змін у сценарії та порівняння результатів.
- Щоб налаштувати аналіз, виберіть Дослідіть аналіз "що якщо". на приладовій панелі.
- Вибирати Створювати.
- Введіть унікальну назву та виберіть базовий прогноз.
- Виберіть елементи у своєму наборі даних, для яких ви хочете провести аналіз "що, якщо". У вас є два варіанти:
- Виберіть усі елементи це значення за замовчуванням, яке ми обираємо в цій публікації.
- Якщо ви хочете вибрати конкретні елементи, виберіть Виберіть елементи за допомогою файлу та імпортуйте файл CSV, що містить унікальний ідентифікатор для відповідного елемента та будь-які пов’язані розміри.
- Вибирати Створіть аналіз "що якщо"..
Створіть прогноз "що якщо".
Далі ми створюємо прогноз, що буде, щоб визначити сценарій, який ми хочемо проаналізувати.
- У Що-якщо прогноз розділ, вибрати Створювати.
- Введіть назву сценарію.
- Ви можете визначити свій сценарій за допомогою двох варіантів:
- Використовуйте функції перетворення – Використовуйте конструктор трансформацій, щоб трансформувати пов’язані дані часових рядів, які ви імпортували. У цьому покроковому керівництві ми оцінюємо, як змінюється попит на товар у нашому наборі даних, коли кількість споживачів збільшується на 20% порівняно з ціною в базовому прогнозі.
- Визначте прогноз "що якщо" за допомогою набору даних для заміни – Замініть відповідний набір даних часового ряду, який ви імпортували.
Для нашого прикладу ми створюємо сценарій, де збільшуємо no_of_consumer
на 20% для ідентифікатора товару A_10001
та no_of_consumer
є функцією в наборі даних. Вам потрібен цей аналіз, щоб спрогнозувати та задовольнити водопостачання для підвищеного попиту. Цей аналіз також допоможе вам укласти економічно ефективний контракт на основі прогнозу попиту на воду.
- для Що-якщо метод визначення прогнозувиберіть Використовуйте функції перетворення.
- Вибирати Розмножуватися як наш оператор, no_of_consumer як наш часовий ряд і введіть 1.2.
- Вибирати Додати умову.
- Вибирати Так само як операцію та введіть A_10001 для item_id.
- Вибирати Створювати.
Порівняйте прогнози
Тепер ми можемо порівняти прогнози «що буде, якщо» для обох наших сценаріїв, порівнюючи збільшення споживачів на 20% із базовим попитом.
- На сторінці статистики аналізу перейдіть до Порівняйте прогнози «що-якщо». .
- для item_id, введіть елемент для аналізу (у нашому сценарії введіть
A_10001
). - для Що-якщо прогнозивиберіть
water_demand_whatif_analyis
. - Вибирати Порівняйте що-якщо.
- Ви можете вибрати базовий прогноз для аналізу.
На наступному графіку показано кінцевий попит для нашого сценарію. Червона лінія показує прогноз майбутнього споживання води для населення, яке збільшиться на 20%. Тип прогнозу P90 вказує, що справжнє значення, як очікується, буде нижчим за прогнозоване значення в 90% випадків. Ви можете використовувати цей прогноз попиту, щоб ефективно керувати водопостачанням для збільшення попиту та уникнути будь-яких перебоїв у наданні послуг.
Експортуйте свої дані
Щоб експортувати дані у формат CSV, виконайте наведені нижче дії.
- Вибирати Створити експорт.
- Введіть назву файлу експорту (для цієї публікації
water_demand_export
). - Укажіть сценарії, які потрібно експортувати, вибравши сценарії на Що-якщо прогноз спадне меню.
Ви можете експортувати кілька сценаріїв одночасно в об’єднаний файл.
- для Місце експорту, вкажіть розташування Amazon S3.
- Щоб почати експорт, виберіть Створити експорт.
- Щоб завантажити експортований файл, перейдіть до місця розташування файлу S3 на консолі Amazon S3, виберіть файл і виберіть Завантажити.
Файл експорту міститиме timestamp
, item_id
та forecasts
для кожного квантиля для всіх вибраних сценаріїв (включаючи базовий сценарій).
Очистіть ресурси
Щоб уникнути майбутніх витрат, видаліть ресурси, створені цим рішенням:
- Видаліть ресурси прогнозу ви створили.
- Видаліть сегмент S3.
Висновок
У цьому дописі ми показали вам, як легко використовувати Forecast і його основну архітектуру системи для прогнозування попиту на воду за допомогою даних про споживання води. Аналіз сценарію «що, якщо» є критично важливим інструментом, який допомагає зорієнтуватися в невизначеності бізнесу. Він забезпечує передбачення та механізм для стрес-тестування ідей, роблячи бізнес більш стійким, краще підготовленим і контролюючим своє майбутнє. Інші постачальники комунальних послуг, як-от постачальники електроенергії чи газу, можуть використовувати Forecast для створення рішень і задоволення попиту на комунальні послуги економічно ефективним способом.
Кроки в цьому дописі продемонстрували, як створити рішення на Консоль управління AWS. Щоб напряму використовувати Forecast API для створення рішення, дотримуйтеся блокнота в нашому GitHub репо.
Ми радимо вам дізнатися більше, відвідавши сайт Посібник розробника Amazon Forecast і спробуйте наскрізне рішення, яке підтримується цими службами, з набором даних, що відповідає KPI вашого бізнесу.
Про автора
Дхірадж Тхакур є архітектором рішень Amazon Web Services. Він співпрацює з клієнтами та партнерами AWS, щоб надати вказівки щодо впровадження корпоративної хмари, міграції та стратегії. Він захоплений технологіями та любить будувати та експериментувати в аналітиці та просторі AI/ML.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. Доступ тут.
- джерело: https://aws.amazon.com/blogs/machine-learning/build-a-water-consumption-forecasting-solution-for-a-water-utility-agency-using-amazon-forecast/
- 1
- 11
- a
- МЕНЮ
- Прийняти
- доступ
- точність
- точний
- точно
- набувати
- через
- доданий
- Додатковий
- Додатково
- адреса
- Додає
- Прийняття
- впливати
- агентства
- агентство
- сільське господарство
- попереду
- AI / ML
- AIR
- ВСІ
- альтернатива
- завжди
- Amazon
- Прогноз Amazon
- Amazon Web Services
- серед
- аналіз
- аналітика
- аналізувати
- та
- квартира
- апартаменти
- Інтерфейси
- застосовно
- приблизно
- архітектура
- ПЛОЩА
- навколо
- асоційований
- уникнути
- AWS
- Balance
- база
- заснований
- Базова лінія
- оскільки
- ставати
- перед тим
- Вірити
- Краще
- між
- За
- будувати
- будівельник
- Створюємо
- Будує
- бізнес
- підприємства
- button
- захопивши
- обережно
- випадок
- випадків
- певний
- складні
- Зміни
- заміна
- вантажі
- Вибирати
- хмара
- прийняття хмари
- інфраструктура хмари
- збирає
- поєднання
- комбінований
- зобов'язання
- загальний
- порівняти
- порівняний
- порівняння
- взаємодоповнюючі
- повний
- обчислення
- Проводити
- Проведення
- Вважати
- Консоль
- споживач
- Споживачі
- споживання
- містить
- контракт
- контрактів
- контроль
- Кореляція
- Відповідний
- рентабельним
- створювати
- створений
- створення
- Критерії
- критичний
- клієнт
- Клієнти
- приладова панель
- дані
- набори даних
- Дата
- день
- дефолт
- Визначає
- визначаючи
- Попит
- Прогнозування попиту
- продемонстрований
- Розробник
- розробка
- різний
- розміри
- безпосередньо
- Ні
- домен
- Не знаю
- скачати
- під час
- динамічний
- кожен
- Раніше
- Економічний
- Економічний розвиток
- фактично
- продуктивно
- електрика
- включений
- дозволяє
- заохочувати
- кінець в кінець
- закінчується
- енергія
- Енергоспоживання
- досить
- Що натомість? Створіть віртуальну версію себе у
- підприємство
- Ефір (ETH)
- оцінювати
- приклад
- існуючий
- очікуваний
- дорогий
- досвід
- Пояснювати
- експорт
- розширення
- Особа
- швидше
- особливість
- плата
- філе
- Файли
- фільтрувати
- фільтрація
- знайти
- Перший
- фокусується
- стежити
- після
- Прогноз
- частота
- від
- повністю
- Функції
- майбутнє
- ГАЗ
- породжувати
- отримання
- даний
- графік
- Group
- Групи
- Зростання
- Обробка
- збирання врожаю
- допомога
- допомагає
- вище
- дуже
- історичний
- горизонт
- ГОДИННИК
- домашні господарства
- будинку
- Як
- How To
- Однак
- HTML
- HTTPS
- IAM
- ідеї
- ідентифікатор
- Особистість
- Impact
- імпорт
- важливо
- удосконалювати
- поліпшений
- in
- включені
- includes
- У тому числі
- Augmenter
- збільшений
- Збільшує
- вказує
- промисловість
- інформація
- Інфраструктура
- розуміння
- інструкції
- інвентаризація
- Управління запасами
- дослідити
- IT
- пунктів
- тримати
- ключ
- Знати
- відомий
- УЧИТЬСЯ
- вивчення
- догляд
- Лінія
- Місце проживання
- життя
- розташування
- Довго
- низький
- низькі ціни
- машина
- навчання за допомогою машини
- зробити
- управляти
- вдалося
- управління
- обов'язковий
- вручну
- механізм
- Зустрічатися
- Меню
- метадані
- може бути
- міграція
- мінімальний
- ML
- модель
- Моделі
- більше
- ранок
- найбільш
- множинний
- ім'я
- Імена
- Природний
- Переміщення
- Необхідність
- Нові
- ноутбук
- номер
- ONE
- операція
- операції
- оператор
- варіант
- Опції
- порядок
- Інше
- загальний
- пар
- особливо
- партнери
- пристрасний
- Минуле
- шлях
- моделі
- Платити
- Люди
- відсоток
- виконувати
- виконанні
- Дозволи
- вибирати
- план
- планування
- plato
- Інформація про дані Платона
- PlatoData
- точка
- населення
- пошта
- потенціал
- передбачати
- передвіщений
- прогнозування
- Прогноз
- підготовлений
- price
- ціни
- первинний
- попередній
- Product
- прогрес
- забезпечувати
- Постачальник
- провайдери
- забезпечує
- забезпечення
- забезпечення
- Швидко
- діапазон
- Причини
- червоний
- регіон
- пов'язаний
- доречний
- видаляти
- замінювати
- представляє
- запросити
- пружний
- ресурс
- ресурси
- в результаті
- результати
- підвищення
- Роль
- прогін
- то ж
- сценарії
- плавно
- розділ
- обраний
- вибирає
- Серія
- обслуговування
- Послуги
- комплект
- установка
- кілька
- Шоу
- простий
- So
- рішення
- Рішення
- Джерела
- Південний
- Простір
- конкретний
- зазначений
- стабільний
- етапи
- старт
- почалася
- заходи
- зберігання
- зберігати
- Стратегія
- структура
- достатній
- літо
- поставка
- Попит та пропозиція
- система
- Приймати
- Мета
- Технологія
- Команда
- Площа
- Майбутнє
- їх
- отже
- три
- через
- по всьому
- час
- Часовий ряд
- times
- відмітка часу
- до
- інструмент
- трек
- поїзд
- навчений
- Навчання
- Перетворення
- Перетворення
- подорожувати
- правда
- справжнє значення
- Типи
- невизначеності
- при
- що лежить в основі
- створеного
- одиниць
- Використання
- використання
- використання випадку
- утиліта
- значення
- різноманітність
- покрокове керівництво
- вода
- погода
- Web
- веб-сервіси
- Що
- Що таке
- який
- в той час як
- широкий
- волі
- Зима
- в
- без
- Трудові ресурси
- працює
- вашу
- зефірнет