Een nutsbedrijf gaat het energieverbruik voor particuliere en commerciële klanten voorspellen met behulp van 10 jaar aan historische verbruiksgegevens plus kenmerken zoals weer, bezetting en feestdagen. Welk algoritme is, gebruikmakend van een beheerde forecasting service, het meest geschikt voor dit scenario?

CNN-QR is het meest geschikt omdat het een diep leeralgoritme is dat complexe niet-lineaire relaties in grote tijdreeksgegevens kan vastleggen en externe kenmerken (zoals weer en feestdagen) effectief kan integreren. De kwantielregressiecomponent maakt het mogelijk om voorspellingsintervallen te genereren, wat cruciaal is voor risicobeheer in nutsbedrijven. ARIMA en ETS zijn traditionele statistische methoden die minder goed presteren bij complexe, multivariabele tijdreeksen en minder geschikt zijn voor het integreren van veel externe kenmerken. Prophet is ook een goede optie voor tijdreeksen, maar CNN-QR is vaak superieur voor zeer grote datasets met veel externe kenmerken en complexe patronen, zoals hier het geval is met 10 jaar aan gegevens.