시애틀 공기질 데이터에서 다변량 시계열 예측

이 튜토리얼에서는 다변량 시계열 모델(ARIMA_PLUS_XREG)을 만들어 epa_historical_air_quality 데이터 세트에서 다음 샘플 테이블을 사용하여 시계열 예측을 수행하는 방법을 알아봅니다.

epa_historical_air_quality 데이터 세트에는 여러 미국 도시에서 수집된 일일 PM 2.5, 기온, 풍속 정보가 포함됩니다.

목표

이 가이드에서는 다음을 사용합니다.

  • CREATE MODEL 문: 시계열 모델을 만듭니다.
  • ML.ARIMA_EVALUATE 함수: 모델의 ARIMA 관련 평가 정보를 검사합니다.
  • ML.ARIMA_COEFFICIENTS 함수: 모델 계수를 검사합니다.
  • ML.FORECAST 함수: 일일 PM 2.5를 예측합니다.
  • ML.EVALUATE 함수: 실제 데이터가 있는 모델을 평가합니다.
  • ML.EXPLAIN_FORECAST 함수: 예측 결과를 설명하는 데 사용할 수 있는 시계열의 다양한 구성요소 (예: 계절성, 트렌드, 특성 기여 분석)를 검색합니다.

비용

이 튜토리얼에서는 다음을 포함하여 Google Cloud의 청구 가능한 구성요소가 사용됩니다.

  • BigQuery
  • BigQuery ML

BigQuery 비용에 대한 자세한 내용은 BigQuery 가격 책정 페이지를 참조하세요.

BigQuery ML 비용에 대한 자세한 내용은 BigQuery ML 가격 책정을 참조하세요.

시작하기 전에

  1. Google Cloud 계정에 로그인합니다. Google Cloud를 처음 사용하는 경우 계정을 만들고 Google 제품의 실제 성능을 평가해 보세요. 신규 고객에게는 워크로드를 실행, 테스트, 배포하는 데 사용할 수 있는 $300의 무료 크레딧이 제공됩니다.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  3. Google Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다.

  4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  5. Google Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다.

  6. BigQuery는 새 프로젝트에서 자동으로 사용 설정됩니다. 기존 프로젝트에서 BigQuery를 활성화하려면 다음으로 이동합니다.

    BigQuery API 사용 설정

    API 사용 설정

1단계: 데이터세트 만들기

ML 모델을 저장할 BigQuery 데이터 세트를 만듭니다.

  1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

    BigQuery 페이지로 이동

  2. 탐색기 창에서 프로젝트 이름을 클릭합니다.

  3. 작업 보기 > 데이터 세트 만들기를 클릭합니다.

    데이터 세트 만들기

  4. 데이터 세트 만들기 페이지에서 다음을 수행합니다.

    • 데이터 세트 ID에 bqml_tutorial를 입력합니다.

    • 위치 유형에 대해 멀티 리전을 선택한 다음 US(미국 내 여러 리전)를 선택합니다.

      공개 데이터 세트는 US 멀티 리전에 저장됩니다. 편의상 같은 위치에 데이터 세트를 저장합니다.

    • 나머지 기본 설정은 그대로 두고 데이터 세트 만들기를 클릭합니다.

      데이터 세트 만들기 페이지

2단계: 추가 특성으로 시계열 테이블 만들기

PM2.5, 온도, 풍속 데이터는 별도의 테이블에 있습니다. 다음 쿼리를 단순화하기 위해 다음 열을 가진 테이블을 조인하여 새 테이블 bqml_tutorial.seattle_air_quality_daily를 만들 수 있습니다.

  • date: 관측 날짜
  • PM2.5: 일일 평균 PM2.5 값
  • wind_speed: 각 날짜의 평균 풍속
  • temperature: 일일 최고 기온

새 테이블에는 2009년 8월 11일부터 2022년 1월 31일까지의 일일 데이터가 포함됩니다.

다음 GoogleSQL 쿼리에서 FROM bigquery-public-data.epa_historical_air_quality.*_daily_summary 절은 epa_historical_air_quality 데이터 세트에서 *_daily_summary 테이블을 쿼리한다는 것을 나타냅니다. 이러한 테이블은 파티션을 나눈 테이블입니다.

#standardSQL
CREATE TABLE `bqml_tutorial.seattle_air_quality_daily`
AS
WITH
  pm25_daily AS (
    SELECT
      avg(arithmetic_mean) AS pm25, date_local AS date
    FROM
      `bigquery-public-data.epa_historical_air_quality.pm25_nonfrm_daily_summary`
    WHERE
      city_name = 'Seattle'
      AND parameter_name = 'Acceptable PM2.5 AQI & Speciation Mass'
    GROUP BY date_local
  ),
  wind_speed_daily AS (
    SELECT
      avg(arithmetic_mean) AS wind_speed, date_local AS date
    FROM
      `bigquery-public-data.epa_historical_air_quality.wind_daily_summary`
    WHERE
      city_name = 'Seattle' AND parameter_name = 'Wind Speed - Resultant'
    GROUP BY date_local
  ),
  temperature_daily AS (
    SELECT
      avg(first_max_value) AS temperature, date_local AS date
    FROM
      `bigquery-public-data.epa_historical_air_quality.temperature_daily_summary`
    WHERE
      city_name = 'Seattle' AND parameter_name = 'Outdoor Temperature'
    GROUP BY date_local
  )
SELECT
  pm25_daily.date AS date, pm25, wind_speed, temperature
FROM pm25_daily
JOIN wind_speed_daily USING (date)
JOIN temperature_daily USING (date)

쿼리를 실행하려면 다음 단계를 따르세요.

  1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

  2. 쿼리 편집기 텍스트 영역에 위의 GoogleSQL 쿼리를 입력합니다.

  3. 실행을 클릭합니다.

3단계(선택사항): 예측하려는 시계열 시각화

모델을 만들기 전에 입력 시계열의 모양을 확인하는 것이 좋습니다. Looker Studio를 사용하여 이를 수행할 수 있습니다.

다음 GoogleSQL 쿼리에서 FROM bqml_tutorial.seattle_air_quality_daily 절은 방금 만든 bqml_tutorial 데이터 세트에서 seattle_air_quality_daily 테이블을 쿼리 중임을 나타냅니다.

#standardSQL
SELECT
  *
FROM
  `bqml_tutorial.seattle_air_quality_daily`

쿼리를 실행하려면 다음 단계를 따르세요.

  1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

  2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

    #standardSQL
SELECT
 *
FROM
 `bqml_tutorial.seattle_air_quality_daily`

  3. 실행을 클릭합니다.

    쿼리가 실행된 다음 출력은 다음 스크린샷과 비슷합니다. 스크린샷에서는 이 시계열에 데이터 포인트가 3,960개 있는 것을 확인할 수 있습니다. 데이터 탐색 버튼을 클릭한 후 Looker Studio로 탐색을 클릭합니다. Looker Studio가 새 탭에서 열립니다. 새 탭에서 다음 단계를 완료합니다.

    쿼리 출력

    차트 패널에서 시계열 차트를 선택합니다.

    Time_series_chart

    차트 패널 아래의 설정 패널에서 측정항목 섹션으로 이동합니다. pm25, temperature, and wind_speed 필드를 추가한 후 기본 측정항목인 레코드 수를 삭제합니다. 커스텀 기간(예: 2019년 1월 1일부터 2021년 12월 31일까지)을 설정해 시계열을 줄일 수도 있습니다. 다음 그림을 참조하세요.

    Time_series_data_fields

    이 단계를 완료하면 다음 그래프가 표시됩니다. 이 그래프는 입력 시계열에 주별 계절성 패턴이 포함된 것을 보여줍니다.

    Result_visualization

4단계: 시계열 모델 만들기

이제 위의 공기질 데이터를 사용해서 시계열 모델을 만듭니다. 다음 GoogleSQL 쿼리는 pm25를 예측하는 데 사용되는 모델을 만듭니다.

CREATE MODEL 절은 bqml_tutorial.seattle_pm25_xreg_model이라는 모델을 만들고 학습시킵니다.

#standardSQL
CREATE OR REPLACE
  MODEL
    `bqml_tutorial.seattle_pm25_xreg_model`
  OPTIONS (
    MODEL_TYPE = 'ARIMA_PLUS_XREG',
    time_series_timestamp_col = 'date',
    time_series_data_col = 'pm25')
AS
SELECT
  date,
  pm25,
  temperature,
  wind_speed
FROM
  `bqml_tutorial.seattle_air_quality_daily`
WHERE
  date
  BETWEEN DATE('2012-01-01')
  AND DATE('2020-12-31')

OPTIONS(model_type='ARIMA_PLUS_XREG', time_series_timestamp_col='date', ...) 절은 외부 회귀 모델을 사용하여 ARIMA를 만들고 있음을 나타냅니다. 기본적으로 auto_arima=TRUE이므로 auto.ARIMA 알고리즘이 ARIMA_PLUS_XREG 모델에서 초매개변수를 자동으로 조정합니다. 이 알고리즘은 후보 모델 십여 개를 접합하고 Akaike 정보 기준(AIC)가 가장 낮은 최적 후보를 선택합니다. 또한 기본값이 data_frequency='AUTO_FREQUENCY'이므로 학습 프로세스가 입력 시계열의 데이터 빈도를 자동으로 추론합니다.

CREATE MODEL 쿼리를 실행하여 모델을 만들고 학습시킵니다.

  1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

  2. 쿼리 편집기 텍스트 영역에 위의 GoogleSQL 쿼리를 입력합니다.

  3. 실행을 클릭합니다.

    이 쿼리는 완료하는 데 약 20초가 소요되며 이후에는 모델(seattle_pm25_xreg_model)이 탐색 패널에 표시됩니다. 이 쿼리에서는 CREATE MODEL 문을 사용하여 모델을 만들므로 쿼리 결과가 표시되지 않습니다.

5단계: 모든 평가된 모델의 평가 측정항목 검사

모델을 만든 후에는 ML.ARIMA_EVALUATE 함수를 사용하여 자동 초매개변수 조정 과정 중에 평가된 모든 후보 모델의 평가 측정항목을 확인할 수 있습니다.

다음 GoogleSQL 쿼리에서 FROM 절은 bqml_tutorial.seattle_pm25_xreg_model 모델에 대해 ML.ARIMA_EVALUATE 함수를 사용합니다. 기본적으로 이 쿼리는 모든 후보 모델의 평가 측정항목을 반환합니다.

ML.ARIMA_EVALUATE 쿼리를 실행하려면 다음 단계를 수행합니다.

  1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

  2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

    #standardSQL
SELECT
 *
FROM
 ML.ARIMA_EVALUATE(MODEL `bqml_tutorial.seattle_pm25_xreg_model`)

  3. 실행을 클릭합니다.

  4. 쿼리가 완료되면 쿼리 텍스트 영역 아래의 결과 탭을 클릭합니다. 결과는 다음 스크린샷과 비슷하게 표시됩니다.

    ML.ARIMA_EVALUATE output.

    결과에 다음 열이 포함됩니다.

    • non_seasonal_p
    • non_seasonal_d
    • non_seasonal_q
    • has_drift
    • log_likelihood
    • AIC
    • variance
    • seasonal_periods
    • has_holiday_effect
    • has_spikes_and_dips
    • has_step_changes
    • error_message

    다음 열 4개(non_seasonal_{p,d,q} 및 has_drift)는 학습 파이프라인에서 ARIMA 모델을 정의합니다. 그 다음 측정항목 3개(log_likelihood, AIC, variance)는 ARIMA 모델 접합 프로세스와 관련된 측정항목입니다.

    auto.ARIMA 알고리즘은 먼저 KPSS 테스트를 사용하여 non_seasonal_d의 최적 값이 1인지 확인합니다. non_seasonal_d가 1이면 auto.ARIMA가 서로 다른 후보 ARIMA 모델 42개를 병렬로 학습시킵니다. non_seasonal_d가 1이 아니면 auto.ARIMA가 서로 다른 후보 모델 21개를 학습시킵니다. 이 예시에서는 42개 후보 모델이 모두 유효합니다. 따라서 출력에 42개 행이 포함되고, 각 행은 후보 ARIMA 모델과 연결되어 있습니다. 일부 시계열의 경우에는 반대로 적용할 수 없거나 비고정적이기 때문에 일부 후보 모델이 유효하지 않습니다. 이렇게 유효하지 않은 모델이 출력에서 제외되어, 출력에 42개 미만의 행이 포함됩니다. 이러한 후보 모델은 AIC에 따라 오름차순으로 정렬됩니다. 첫 번째 행의 모델은 AIC가 가장 낮으며 최적 모델로 간주됩니다. 이 최적 모델은 최종 모델로 저장되며 다음 단계와 같이 ML.FORECAST, ML.EVALUATE, ML.ARIMA_COEFFICIENTS를 호출할 때 사용됩니다.

    seasonal_periods 열은 입력 시계열 내 계절 패턴 정보입니다. 이 열은 ARIMA 모델링과 관계가 없으므로 모든 출력 행에서 동일한 값을 갖습니다. 위 2단계에 설명한 것처럼 예상 범위 내에 있는 주별 패턴을 보고합니다.

    has_holiday_effect, has_spikes_and_dips, has_step_changes 열은 decompose_time_series=TRUE인 경우에만 채워집니다. 이는 ARIMA 모델링과 관련 없는 입력 시계열 내 휴일 효과, 급증, 하락, 단계 변화와 관련됩니다. 따라서 실패한 모델을 제외하고 모든 출력 행에서 동일한 값을 갖습니다.

    error_message 열에서는 auto.ARIMA 접합 프로세스 중에 발생할 수 있는 오류를 보여줍니다. 선택한 non_seasonal_p, non_seasonal_d, non_seasonal_q, has_drift 열에서 시계열을 안정화하지 못하는 것이 원인일 수도 있습니다. 모든 후보 모델의 가능한 오류 메시지를 검색하려면 show_all_candidate_models=true를 설정합니다.

6단계: 모델 계수 검사

ML.ARIMA_COEFFICIENTS 함수는 ARIMA_PLUS 모델 bqml_tutorial.seattle_pm25_xreg_model의 모델 계수를 검색합니다. ML.ARIMA_COEFFICIENTS는 모델만 입력으로 사용합니다.

ML.ARIMA_COEFFICIENTS 쿼리 실행:

  1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

  2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

    #standardSQL
SELECT
 *
FROM
 ML.ARIMA_COEFFICIENTS(MODEL `bqml_tutorial.seattle_pm25_xreg_model`)

  3. 실행을 클릭합니다.

    다음과 같은 결과가 표시됩니다.

    ML.ARIMA_COEFFICIENTS 출력.

    결과에 다음 열이 포함됩니다.

    • ar_coefficients
    • ma_coefficients
    • intercept_or_drift
    • processed_input
    • weight
    • category_weights.category
    • category_weights.weight

    ar_coefficients는 ARIMA 모델의 자동 회귀(AR) 부분의 모델 계수를 보여줍니다. 이와 비슷하게 ma_coefficients는 이동 평균(MA) 부분의 모델 계수를 보여줍니다. 두 가지 모두 길이가 각각 non_seasonal_p 및 non_seasonal_q에 해당하는 배열입니다. ML.ARIMA_EVALUATE의 출력에서 최상위 행에 표시되는 최적 모델은 non_seasonal_p 0 및 non_seasonal_q 5를 포함합니다. 따라서 ar_coefficients는 빈 배열이고 ma_coefficients는 길이가 5인 배열입니다. intercept_or_drift는 ARIMA 모델의 상수 항입니다.

    processed_input 및 해당 weight와 category_weights 열은 선형 회귀 모델에서 각 특성 및 절편에 대한 가중치를 보여줍니다. 숫자 특성인 경우 가중치는 weight 열에 있습니다. 범주형 특성인 경우에는 category_weights가 STRUCT의 ARRAY이며 STRUCT에는 범주의 이름과 가중치가 포함됩니다.

7단계: 모델을 사용하여 시계열 예측

ML.FORECAST 함수는 모델 bqml_tutorial.seattle_pm25_xreg_model 및 미래의 특성 값을 사용하여 예측 구간과 함께 미래 시계열 값을 예측합니다.

다음 GoogleSQL 쿼리에서 STRUCT(30 AS horizon, 0.8 AS confidence_level) 절은 쿼리가 30개의 미래 시점을 예측하고 80% 신뢰 수준의 예측 구간을 생성함을 나타냅니다. ML.FORECAST는 모델, 미래의 특성 값, 몇 가지 선택적 인수를 사용합니다.

ML.FORECAST 쿼리를 실행하려면 다음 단계를 따르세요.

  1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

  2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

    #standardSQL
SELECT
*
FROM
ML.FORECAST(
MODEL `bqml_tutorial.seattle_pm25_xreg_model`,
STRUCT(30 AS horizon, 0.8 AS confidence_level),
(
  SELECT
    date,
    temperature,
    wind_speed
  FROM
    `bqml_tutorial.seattle_air_quality_daily`
  WHERE
    date > DATE('2020-12-31')
))

  3. 실행을 클릭합니다.

    다음과 같은 결과가 표시됩니다.

    ML.FORECAST 출력.

    결과에 다음 열이 포함됩니다.

    • forecast_timestamp
    • forecast_value
    • standard_error
    • confidence_level
    • prediction_interval_lower_bound
    • prediction_interval_upper_bound

    출력 행은 forecast_timestamp의 시간 순서로 정렬됩니다. 시계열 예측에서 하한 및 상한으로 캡처되는 예측 구간은 forecast_value만큼 중요합니다. forecast_value는 예측 구간의 중간 포인트입니다. 예측 구간은 standard_error 및 confidence_level에 따라 달라집니다.

8단계: 실제 데이터로 예측 정확성 평가

실제 데이터로 예측 정확성을 평가하려면 모델, bqml_tutorial.seattle_pm25_xreg_model 및 실제 데이터 테이블에서 ML.EVALUATE 함수를 사용하면 됩니다.

ML.EVALUATE 쿼리를 실행하려면 다음 단계를 따르세요.

  1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

  2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

    #standardSQL
SELECT
*
FROM
ML.EVALUATE(
MODEL `bqml_tutorial.seattle_pm25_xreg_model`,
(
  SELECT
    date,
    pm25,
    temperature,
    wind_speed
  FROM
    `bqml_tutorial.seattle_air_quality_daily`
  WHERE
    date > DATE('2020-12-31')
),
STRUCT(
  TRUE AS perform_aggregation,
  30 AS horizon))

    두 번째 매개변수는 미래의 특성이 포함된 실제 데이터이며 실제 데이터를 비교할 미래 값을 예측하는 데 사용됩니다. 세 번째 매개변수는 이 함수에 대한 매개변수 구조체입니다.

  3. 실행을 클릭합니다.

    다음과 같은 결과가 표시됩니다.

    ML.EVALUATE 출력

9단계: 예측 결과 설명

시계열이 예측되는 방식을 이해하기 위해 ML.EXPLAIN_FORECAST 함수는 모델 bqml_tutorial.seattle_pm25_xreg_model사용하여 예측 구간과 함께 미래 시계열 값을 예측하며 동시에 시계열의 모든 개별 구성요소를 반환합니다.

ML.FORECAST 함수와 마찬가지로 STRUCT(30 AS horizon, 0.8 AS confidence_level) 절은 쿼리가 미래 시점 30개를 예측하고 80% 신뢰도로 예측 구간을 생성함을 나타냅니다. ML.EXPLAIN_FORECAST 함수는 모델, 향후 특성 값, 몇 가지 선택적 인수를 입력으로 사용합니다.

ML.EXPLAIN_FORECAST 쿼리를 실행하려면 다음 단계를 따르세요.

  1. Google Cloud 콘솔에서 새 쿼리 작성 버튼을 클릭합니다.

  2. 쿼리 편집기 텍스트 영역에 다음 GoogleSQL 쿼리를 입력합니다.

    #standardSQL
SELECT
  *
FROM
  ML.EXPLAIN_FORECAST(
    MODEL `bqml_tutorial.seattle_pm25_xreg_model`,
    STRUCT(30 AS horizon, 0.8 AS confidence_level),
    (
      SELECT
        date,
        temperature,
        wind_speed
      FROM
        `bqml_tutorial.seattle_air_quality_daily`
      WHERE
        date > DATE('2020-12-31')
    ))

  3. 실행을 클릭합니다.

    이 쿼리는 완료되는 데 1초도 걸리지 않습니다. 다음과 같은 결과가 표시됩니다.

    ML.EXPLAIN_FORECAST output1. ML.EXPLAIN_FORECAST output2.

    결과에 다음 열이 포함됩니다.

    • time_series_timestamp
    • time_series_type
    • time_series_data
    • time_series_adjusted_data
    • standard_error
    • confidence_level
    • prediction_interval_lower_bound
    • prediction_interval_lower_bound
    • trend
    • seasonal_period_yearly
    • seasonal_period_quarterly
    • seasonal_period_monthly
    • seasonal_period_weekly
    • seasonal_period_daily
    • holiday_effect
    • spikes_and_dips
    • step_changes
    • residual
    • attribution_temperature
    • attribution_wind_speed
    • attribution___INTERCEPT__

    출력 행은 time_series_timestamp의 시간 순서로 정렬됩니다. 서로 다른 구성요소는 출력 열로 나열됩니다. 자세한 내용은 ML.EXPLAIN_FORECAST을 참조하세요.

삭제

이 튜토리얼에서 사용된 리소스 비용이 Google Cloud 계정에 청구되지 않도록 하려면 리소스가 포함된 프로젝트를 삭제하거나 프로젝트를 유지하고 개별 리소스를 삭제하세요.

  • 만든 프로젝트를 삭제할 수 있습니다.
  • 또는 프로젝트를 유지하고 데이터 세트를 삭제할 수 있습니다.

데이터 세트 삭제

프로젝트를 삭제하면 프로젝트의 데이터 세트와 테이블이 모두 삭제됩니다. 프로젝트를 다시 사용하려면 이 튜토리얼에서 만든 데이터 세트를 삭제할 수 있습니다.

  1. 필요한 경우 Google Cloud 콘솔에서 BigQuery 페이지를 엽니다.

    BigQuery 페이지로 이동

  2. 앞서 만든 bqml_tutorial 데이터 세트를 탐색에서 선택합니다.

  3. 창의 오른쪽에 있는 데이터 세트 삭제를 클릭합니다. 데이터 세트, 테이블, 모든 데이터가 삭제됩니다.

  4. 데이터 세트 삭제 대화상자에서 데이터 세트 이름(bqml_tutorial)을 입력하여 삭제 명령어를 확인한 후 삭제를 클릭합니다.

프로젝트 삭제

프로젝트를 삭제하는 방법은 다음과 같습니다.

  1. Google Cloud 콘솔에서 리소스 관리 페이지로 이동합니다.

    리소스 관리로 이동

  2. 프로젝트 목록에서 삭제할 프로젝트를 선택하고 삭제를 클릭합니다.
  3. 대화상자에서 프로젝트 ID를 입력한 후 종료를 클릭하여 프로젝트를 삭제합니다.

다음 단계