A ForecastOps, uma empresa de transporte online, precisa de previsões probabilísticas de demanda por hora para milhares de rotas distintas. Cada rota tem padrões correlacionados (algumas compartilham sinais de feriados/covariáveis), e a equipe deseja intervalos de previsão (quantis) e a capacidade de incluir metadados de rota e covariáveis de feriados. Qual algoritmo do Amazon Forecast é o mais adequado para este requisito?

DeepAR+ é o algoritmo mais adequado porque é otimizado para prever milhares de séries temporais relacionadas, como as rotas da ForecastOps. Ele gera previsões probabilísticas com quantis, essenciais para intervalos de previsão, e pode incorporar covariáveis (feriados) e metadados de item (metadados de rota), que são requisitos explícitos. Prophet é bom para séries temporais com tendências e sazonalidades, mas DeepAR+ se destaca com múltiplas séries correlacionadas e covariáveis. CNN-QR é inadequado porque é para séries temporais únicas e não suporta metadados ou covariáveis no nível do item. ARIMA é um modelo estatístico clássico, mas não é a melhor escolha para milhares de séries temporais correlacionadas e não suporta metadados de item de forma nativa como DeepAR+.