此工具接受通过聚合点创建时空立方体、通过已定义位置创建时空立方体以及通过多维栅格图层创建时空立方体和子集时空立方体工具创建的 netCDF 文件。

与时间序列预测工具集中的其他预测工具相比，此工具最复杂，但包含的数据假设最少。 对于其复杂的形状和趋势难以使用简单的数学函数进行建模的时间序列，或者在不满足其他方法的假设时，建议使用此方法。 如果您的时空立方体具有与正在预测的变量相关的其他变量，也建议执行此操作。 这些变量可以作为解释变量包括在内以改进预测。

此外，此工具是唯一允许您在不同地理范围内构建模型的预测工具。 无需在时空立方体的每个位置构建独立的预测模型，该工具允许您构建将每个位置用作训练数据的单个全局预测模型。 如果输入时空立方体的任意变量都有时间序列聚类结果，也可以为每个聚类建立不同的预测模型。

模型比例参数可用于指定用于估计基于森林的模型的比例。 该参数具有以下三个选项：

了解有关以不同比例估计模型的详细信息

可以使用按位置评估预测工具来比较和合并多个预测的时空立方体。由此即可使用不同的预测工具和参数来创建多个预测立方体，并且该工具将使用“预测均方根误差 (RMSE)”或“验证 RMSE”值来识别每个位置的最佳预测。

在预测未来值时，该工具将构建两个用于不同目的的模型。

了解有关预测模型、验证模型和 RMSE 统计数据的详细信息

输出要素参数值将添加到基于最终预测时间步进行渲染的内容窗格中。

该工具会创建地理处理消息和弹出图表，以用于了解和可视化预测结果。 这些消息将包含有关时空立方体结构以及 RMSE 值和季节长度汇总统计数据的信息。 使用浏览导航工具单击要素以在弹出窗格中显示一个折线图，图中会显示该时空立方体的值、拟合的森林值、预测值和该位置的置信界限。

您可以使用其他变量参数包括解释变量以改进预测。 如果提供了任何其他变量，则预测模型将为基于森林的多元预测。 每个解释变量都转换为每个时间窗内的时间滞后因素，用于训练森林模型。 这允许您估估算解释变量和分析变量之间的任何滞后（延迟）效应。 例如，大流行期间住院人数的增加可能会预测 14 天后的死亡人数，而住院人数可能无法预测未来 3 天的死亡人数。 时间滞后数等于时间步长窗口参数的值，因此时间窗必须比要捕获的任何滞后效应更宽。

输出重要性表参数将创建一个表，显示每个位置最重要的因素，并包括一个时间滞后重要性条形图，显示所有位置的最重要因素的计数，按时间窗内的时间滞后进行排序。 这允许您查看哪些变量在预测分析变量的值时很重要，并在因素最重要时可视化相关的滞后。 例如，如果住院人数与 14 天后的死亡人数相关，则时间步长窗口应至少为 14 天，并且应在时间窗结束前大约 14 天观察到大量住院人数。

在每个位置被视为重要的因素数量取决于重要性阈值参数值。 例如，如果使用了值 15，则每个位置的前 15% 的因素将包含在表格和图表中。

可使用异常值选项参数检测每个位置的时间序列值中具有统计意义的异常值。

了解有关检测时间序列异常值的详细信息

如果您选择异常值选项参数的识别异常值选项，建议您为时间步长窗口参数提供一个值，而不是将该参数留空，并在每个位置估算一个不同的时间步长窗口。 对于每个位置，森林模型使用第一个时间步窗中的时间步来训练预测模型，并且仅在剩余时间步中检测异常值。 如果不同的位置排除了不同数量的时间步进行训练，则汇总统计数据（例如每个时间步或每个位置的平均、最小和最大异常值数）可能会产生误导。

如果其他变量参数中包含任何解释变量，或者指定了模型比例参数的整个立方体或时间序列聚类选项，则仅按值构建模型选项可用于预测方法参数。 此外，使用任何这些选项时，处理时间都会增加。

确定针对验证排除的时间步长数是一项重要选择。排除的时间步长越多，则用于评估验证模型的时间步长越少。但是，如果排除的时间步长过少，则将使用少量数据来评估“验证 RMSE”，并且可能会产生误导。建议您排除尽可能多的时间步长，同时保持足够的时间步来估计验证模型。如果时空立方体具有足够的时间步长来执行此操作，则建议您至少保留与预测时间步长相同数量的验证时间步长。