ForecastOps, ein Online-Transportunternehmen, benötigt probabilistische stündliche Nachfrageprognosen für Tausende von verschiedenen Routen. Jede Route weist korrelierte Muster auf (einige teilen sich Feiertags-/Kovariaten-Signale), und das Team möchte Vorhersageintervalle (Quantile) und die Möglichkeit, Routen-Metadaten und Feiertags-Kovariaten einzubeziehen. Welcher Amazon Forecast-Algorithmus passt am besten zu dieser Anforderung?

DeepAR+ ist die beste Wahl, da es speziell für die Prognose vieler verwandter Zeitreihen entwickelt wurde, was für die Tausenden von Routen von ForecastOps entscheidend ist. Es liefert probabilistische Prognosen mit Quantilen, die für Vorhersageintervalle erforderlich sind. Außerdem kann es Kovariaten (wie Feiertage) und Artikelmetadaten (Routeninformationen) einbeziehen, was den Anforderungen des Unternehmens entspricht. Prophet ist zwar gut für Zeitreihen mit Saisonalität, aber DeepAR+ ist besser für große Mengen korrelierter Zeitreihen geeignet. CNN-QR ist für einzelne Zeitreihen gedacht und unterstützt keine Metadaten oder Kovariaten auf Artikelebene. ARIMA ist eine klassische Methode, aber DeepAR+ übertrifft sie bei der Skalierung auf Tausende von verwandten Zeitreihen und der Integration komplexer Funktionen.