Salut Bhanu, en effet MAPA peut gérer la demande intermittente. Toutefois, le package MAPA n`appelle pas les méthodes intermittentes pour produire des prévisions. Vous pouvez utiliser le paquet tsintermittent pour R et la fonction IMAPType à cet effet. Alternativement, le paquet de voleur pourrait être utile, qui peut accepter n`importe quel type de prévision et effectuer l`agrégation temporelle de multple. Bonne chance! Les données de fréquence relativement élevée sont un problème très intéressant! J`ai trouvé l`erreur. Devrait e converti au format TS avant d`appliquer la fonction mapasimple Merci avec MAPA la route habituelle serait suivie, c.-à-d. commencer à partir de la plus haute fréquence des séries chronologiques et laisser l`algorithme faire le reste. Cependant, vous auriez besoin de passer à « w. Mean » ou « w. médiane » pour le type de combinaison-ces gérer de meilleures séries chronologiques haute fréquence. MAPA considérera toutes les agrégations possibles jusqu`au niveau annuel (tel que défini par l`argument PPY). Les prévisions que vous obtiendrez de MAPA ou de hiérarchies temporelles seraient à un niveau hebdomadaire, mais incluraient toutes les informations des niveaux les plus agrégés. Si vous voulez Construct les prévisions au niveau mensuel, alors vous auriez besoin de le faire en appelant la fonction tsaggr (paquet MAPA) ou tsagrégats (paquet voleur).

Un modèle de tendance amorti non saisonnier est monté sur les séries chronologiques dans ce cas. Étant donné que MAPA ne peut plus changer entre les modèles et choisir un plus simple, il est possible que le modèle présélectionné aura trop de degrés de liberté pour la version agrégée d`une série donnée. Dans ce cas, aucun modèle n`est monté. En outre, si un modèle saisonnier est sélectionné, pour tous les niveaux d`agrégation avec une saisonnalité non = entier, une version non saisonnière de ce modèle sera installée. Une autre nouvelle option est la capacité de calculer des intervalles de prédiction empiriques. Comme ils exigent la simulation de prévisions pour leur calcul, ils sont coûteux en calculs et ne sont pas fournis par défaut. Pour obtenir les intervalles de prédiction de 80%, 90%, 95% et 99%, vous pouvez utiliser: Si vous utilisez les hiérarchies temporelles (paquet de voleur dans R), alors cela dépend vraiment de la façon dont vous encodez la saisonnalité hebdomadaire. Supposons que vous utilisez un calendrier 4-4-5 (semaines dans les mois d`un trimestre), résultant en une saison fixe 52 semaines saisonnières, puis le voleur serait travailler entièrement automatiquement, mais il serait sauter le niveau mensuel, mais utiliser un niveau quasi-mensuel! Voir le diagramme interactif ici pour voir exactement quels niveaux d`agrégation seraient considérés. Si vous ne suivez pas un calendrier 4-4-5 et que vous auriez un nombre variable de semaines dans une année, alors vous auriez besoin d`encoder manuellement les règles d`agrégation, ce qui le rendra sensiblement plus compliqué-mais aussi très difficile à modéliser, même à l`esprit des données hebdomadaires originales h pas d`agrégation temporelle. Salut, je voudrais utiliser le paquet MAPA pour TS. Cependant, quand j`essaie d`utiliser comme suggéré ci-dessus en utilisant mapasimple je reçois le résultat comme « référence papier: Kourentzes N., Petropoulos F.

et Trapero J.R. (2014) ». Je ne suis pas sûr de ce qui manque. J`ai les données (MTM) au format TS Uni variable aléatoire TS (mensuel) autour de 60 observations. Pouvez-vous m`aider à l`utiliser? Merci Voici une démonstration rapide ce que vous pouvez faire avec le code. Le moyen le plus simple de produire une prévision avec MAPA est d`utiliser la fonction mapasimple. Vous aviez mentionné dans votre article que la technique MAPA peut être utilisée pour une demande intermittente.