Ein Versorgungsunternehmen wird den Energieverbrauch für Privat- und Geschäftskunden unter Verwendung von 10 Jahren historischer Verbrauchsdaten sowie Merkmalen wie Wetter, Belegung und Feiertagen prognostizieren. Welcher Algorithmus ist für dieses Szenario am besten geeignet, wenn ein verwalteter Prognosedienst verwendet wird?

CNN-QR ist die beste Wahl, da es sich um einen Deep-Learning-Algorithmus handelt, der für die Prognose von Hunderttausenden von Zeitreihen gleichzeitig entwickelt wurde und sowohl saisonale Muster als auch die Auswirkungen von Kovariaten wie Wetter und Feiertagen effektiv modellieren kann. Es liefert auch Quantilprognosen, die für die Risikobewertung im Energieverbrauch nützlich sind. ARIMA und ETS sind traditionelle statistische Modelle, die für einzelne oder wenige Zeitreihen besser geeignet sind und die Komplexität vieler Kovariaten nicht so gut handhaben können. Prophet ist zwar flexibel, aber CNN-QR ist für große Mengen von Zeitreihen und die Nutzung von Kovariaten in einem verwalteten Dienst überlegen.