要在 BigQuery ML.FORECAST 中设置区域，需使用以下语句：

#standardSQL
CREATE OR REPLACE MODEL `project_id.dataset_name.model_name`
OPTIONS
  (model_type='ARIMA_PLUS',
   time_series_id_col='time',
   time_series_data_col='value',
   time_series_timestamp_col='timestamp',
   auto_arima=True,
   decomposition_model='multiplicative') AS
SELECT...
FROM...
WHERE...

其中，project_id.dataset_name.model_name代表项目、数据集和模型的名称，而 time_series_id_col、time_series_data_col 和 time_series_timestamp_col 代表时间序列数据集中的 ID、数据和时间戳列。您可以通过替换上面的选项来自定义 ARIMA 模型的设置以生成准确的预测。

注意：ARIMA_PLUS 模型只在以下区域可用：美国、欧盟、英国、澳大利亚和新加坡。如果您不在这些地区，则需使用 ARIMA 模型替代 ARIMA_PLUS。

您可以通过下面的示例代码来理解如何使用BigQuery ML.FORECAST函数：

#standardSQL
SELECT *
FROM ML.FORECAST(MODEL `myproject.mydataset.mymodel`,
  STRUCT(30 AS horizon, 0.7 AS confidence_level))

使用 STRUCT() 函数来设置 horizon 和 confidence_level 的值。这些是预测中使用的时间范围和置信度水平。 预测结果将作为表返回。

请注意，要使用上述代码示例，请先创建一个名为 myproject.mydataset.mymodel 的 BigQuery ML 模型。预测将根据这个模型生成。