Zeitliche Aggregation
Durch zeitliche Aggregation wird eine Zeitreihe in eine neue Zeitreihe mit gröberer Granularität umgewandelt. Ziel der Aggregation ist das Herausfiltern von Mustern, etwa eines Saisonmusters. Dies ist vor allem dann hilfreich, wenn diese Muster für die benötigte Vorhersage keine Rolle spielen. Das Herausfiltern unterstützt den Prognosealgorithmus dann dahingehend, dass dieser die herausgefilterte Struktur vor der Vorhersage nicht mehr ermitteln muss. Da ein aus Daten ermitteltes Muster immer einen Schätzfehler aufweist, reduziert die vorherige Herausfilterung irrelevanter Muster nicht nur Rechenzeit, sondern verbessert auch die Genauigkeit des Ergebnisses.
Die folgende Grafik zeigt im oberen Teil die mittlere Lufttemperatur pro Stunde an der Wetterstation in Würzburg für die letzten 30 Jahre. Darunter sind diese Daten für die letzten zwei Jahre sowie die letzten drei Tage dargestellt. Letztere Grafiken illustrieren, dass die stündliche Temperaturzeitreihe ein wiederkehrendes Muster (eine Saisonalität) jeweils innerhalb eines Tages sowie innerhalb eines Jahres aufweist.
Eine Vorhersage der mittleren Monatstemperatur kann durch eine Vorhersage der stündlichen Temperaturen für alle Stunden des folgenden Monats erfolgen; die Monatsvorhersage ergibt sich dann als Mittel der Vorhersagen für die einzelnen Stunden.
Bei diesem Ansatz muss der Prognosealgorithmus allerdings sowohl das unten links gezeigte Jahreszeitenmuster als auch das unten rechts gezeigte Tagesmuster aus den Daten ermitteln. Die Ermittlung des Tagesmusters ist für die Vorhersage eines Monatsmittels nicht notwendig. Genauere Prognosen ergeben sich zumeist, wenn durch zeitliche Aggregation zunächst eine monatliche Zeitreihe der mittleren Temperaturen (jeweils über einen Monat) gewonnen wird. Diese ist im linken Teil der folgenden Grafik gezeigt.
Die monatliche Zeitreihe enthält nur das für die Vorhersage von mittleren Monatstemperaturen relevante Jahreszeitenmuster; dieses ist nach der Aggregation auch klarer zu erkennen und leichter für den Prognosealgorithmus zu quantifizieren. Der rechte Teil enthält die auf mittlerer Temperaturen eines Jahres aggregierte Zeitreihe. Diese weist keine Saisonalität mehr auf. Dafür zeigt sich ein Trend, der in den Monatswerte weniger klar hervortritt. Die so ermittelten langfristigen Entwicklungen können insbesondere bei Vorhersagen mit langem Horizont zur Verbesserung der Vorhersage auf Monatsbasis genutzt werden.