Una empresa de servicios públicos pronosticará el uso de energía para clientes residenciales y comerciales utilizando 10 años de consumo histórico más características como el clima, la ocupación y los días festivos. Utilizando un servicio de pronóstico administrado, ¿qué algoritmo es el más apropiado para este escenario?

CNN-QR es el algoritmo más apropiado porque está diseñado para pronósticos de series temporales con grandes conjuntos de datos (10 años de datos históricos) y múltiples características (clima, ocupación, días festivos). Puede capturar patrones complejos y no lineales, y la regresión cuantil permite pronósticos probabilísticos, lo cual es útil para la gestión de riesgos en el uso de energía. ARIMA y ETS son modelos estadísticos más tradicionales que pueden tener dificultades con la escala y complejidad de los datos y características adicionales. Prophet es una buena opción para series temporales con estacionalidad, pero CNN-QR ofrece mayor flexibilidad y rendimiento con datos multivariados complejos.