Le noeud Séries temporelles peut être utilisé avec des données dans un environnement local ou distribué. Avec ce noeud, vous pouvez indiquer d'estimer et de générer des modèles de lissage exponentiel, ARIMA (Autoregressive Integrated Moving Average) à 1 facteur ou ARIMA à plusieurs facteurs (ou fonction de transfert) pour les séries temporelles, et de générer des prévisions d'après les données des séries temporelles.

Lissage exponentiel est une méthode de prévision qui utilise des valeurs pondérées des observations de la série précédente pour prédire les valeurs futures. De part sa nature, le lissage exponentiel n'est pas basé sur une compréhension théorique des données. Cette méthode prévoit un point à la fois, ajuste ses prévisions au fur et à mesure de l'arrivée de nouvelles données. La technique permet de prévoir les séries qui présentent une tendance et/ou une saisonnalité. Vous pouvez choisir parmi divers modèles exponentiels qui diffèrent dans leur manière de traiter la tendance et la saison.

Les modèles ARIMA fournissent des méthodes plus sophistiquées pour modéliser les tendances et les composants saisonniers que les modèles de lissage exponentiel, et, en particulier, ils permettent l'avantage supplémentaire d'inclure des variables indépendantes (prédicteur) dans le modèle. Cela suppose la spécification explicite des ordres autorégressifs et de moyennes mobiles, ainsi que du degré de différenciation. Vous pouvez inclure des variables de prédicteur et définir des fonctions de transfert pour certaines ou pour toutes, et spécifier la détection automatique des valeurs extrêmes ou d'un ensemble explicite de valeurs extrêmes.

Une option Modélisateur expert est également disponible, qui tente d'identifier et d'estimer automatiquement le modèle ARIMA ou le modèle de lissage exponentiel le plus approprié pour une ou plusieurs variables cibles, éliminant ainsi la nécessité d'identifier un modèle approprié par le biais d'un essai et d'une erreur. En cas de doute, utilisez l'option Expert Modeler.

Si des variables de prédicteur sont spécifiées, Expert Modeler sélectionne celles qui présentent une relation significative d'un point de vue statistique avec la série dépendante afin de les inclure dans les modèles ARIMA. Les variables de modèle sont transformées le cas échéant à l'aide de transformation par différenciation, par racine carrée ou par log népérien. Par défaut, Expert Modeler prend en considération tous les modèles de lissage exponentiel et tous les modèles ARIMA, et sélectionne, parmi ceux-ci, le meilleur modèle pour chaque champ cible. Toutefois, vous pouvez faire en sorte que Expert Modeler ne sélectionne que le meilleur des modèles de lissage exponentiel ou que le meilleur des modèles ARIMA. Vous pouvez également indiquer la détection automatique des valeurs extrêmes.