# Forecast-Parameter im Detail verstehen

## Schlüsselparameter für die *Prognose-App*

In BuildingPro Suites's *Prognose-App*, bestimmen drei Parameter die Qualität und Aussagekraft Ihrer Zeitreihenprognosen. Nachfolgend finden Sie eine kompakte Beschreibung der wichtigsten Einstellungen für jeden davon:

***

## 1. Prognosehorizont

**Definition:** Die Anzahl der Zeitschritte, die das Modell in die Zukunft vorhersagen soll.

* **Berechnung der Zeitdistanz:** Die App ermittelt automatisch das durchschnittliche Zeitintervall Ihrer zuletzt gespeicherten Datenpunkte in BuildingPro Suites.
* **Beispiele:**
  * Bei 5-Minuten-Intervallen und `[forecast_length] = 3`entspricht die Prognose einem Horizont von 15 Minuten.
  * Bei täglich gemessenen Werten und `[forecast_length] = 5`werden fünf Tage vorhergesagt.

{% hint style="warning" %}
Achten Sie auf regelmäßige Datenintervalle. Bei unregelmäßiger Speicherung kann die Zeitachse nicht korrekt abgeleitet werden. Es wird empfohlen, die Option „always“ im Attribut zu aktivieren.
{% endhint %}

***

## 2. Kontextlänge

**Definition:** Die Anzahl der vergangenen Datenpunkte, die das Modell als historischen Kontext verwendet.

* **Kurzfristige Muster:** Kleine Werte (z. B. 24) eignen sich für Tageszyklen oder stündliche Trends.
* **Langfristige Effekte:** Größere Werte (z. B. 168 oder mehr) sind nützlich, wenn saisonale oder wöchentliche Muster erkannt werden sollen.
* **LSTM-Vorteil:** Dank der *Long Short-Term Memory* -Architektur merkt sich das Modell relevante Informationen auch über das ausgewählte Fenster hinaus, was in der Regel bedeutet, dass eine moderate Fenstergröße ausreicht.

{% hint style="warning" %}
Längere Kontextfenster erhöhen den Rechenaufwand und den Speicherbedarf erheblich.
{% endhint %}

***

## 3. Feature-Attribute

**Definition:** *Feature-Attribute* sind zusätzliche Eingabevariablen, die das Modell zur Berechnung der Prognose verwendet. Sie erweitern den Kontext und verbessern dadurch die Genauigkeit der Vorhersage.

### Automatische Zeitmerkmale:

Wenn kein anderes Feature ausgewählt ist, *Prognose-App* fügt automatisch die folgenden zeitbasierten Attribute hinzu:

* `minute_of_hour`
* `hour_of_day`
* `day_of_week`
* `month_of_year`

Diese Felder erscheinen automatisch im Formular, wenn ein Prognoseelement erstellt wird, und versorgen das Modell mit zyklischen Informationen über die aktuelle Zeitstruktur.

Die eigentliche Modellverarbeitung erfolgt intern über die transformierten Varianten dieser Werte (`_sin`/`_cos`), z. B.:

* `hour_of_day_sin` / `hour_of_day_cos`
* `day_of_week_sin` / `day_of_week_cos`
* `month_of_year_sin` / `month_of_year_cos`

Diese Transformation stellt sicher, dass zyklische Zeitmuster (z. B. der Übergang von Stunde 23 zu 0) mathematisch korrekt abgebildet werden.

### Optional: assetbezogene Merkmale

Sie können weitere Attribute desselben Assets hinzufügen, z. B.:

* Temperatur
* Luftfeuchtigkeit
* Energieverbrauch

Diese helfen dem Modell, Zusammenhänge zwischen verschiedenen Messvariablen zu erkennen.

### Bewährte Vorgehensweisen:

* **Verwenden Sie Zählerstände nicht direkt.** Stattdessen differenzierte oder relative Werte einfügen.
* **Erstellen Sie eigene Merkmale:** Verwenden Sie den *Eliona Calculator* um kombinierte oder abgeleitete Werte zu erzeugen (z. B. Flächenberechnung, Wachstumsraten).
* **Datenqualität sichern:** Verwenden Sie Filter, um Ausreißer zu entfernen oder verrauschte Signale zu glätten.