ForecastOps, een online transportbedrijf, heeft probabilistische uurlijkse vraagvoorspellingen nodig voor duizenden verschillende routes. Elke route heeft gecorreleerde patronen (sommige delen vakantie-/covariaatsignalen), en het team wil voorspellingsintervallen (kwantielen) en de mogelijkheid om routemetadata en vakantiecovariaten op te nemen. Welk Amazon Forecast-algoritme past het beste bij deze vereiste?

DeepAR+ is de meest geschikte keuze omdat het specifiek is ontworpen voor het voorspellen van duizenden gerelateerde tijdreeksen, wat essentieel is voor de vele routes van ForecastOps. Het ondersteunt probabilistische voorspellingen met kwantielen, wat nodig is voor voorspellingsintervallen. Bovendien kan het covariaten (zoals vakantiesignalen) en item metadata (route-informatie) opnemen, wat cruciaal is voor de vereisten van het team. Prophet is minder geschikt omdat het primair is ontworpen voor enkele tijdreeksen en minder efficiënt is voor duizenden gerelateerde reeksen. CNN-QR is onjuist omdat het juist wel covariaten en item metadata kan gebruiken en ook geschikt is voor meerdere tijdreeksen, maar DeepAR+ is vaak beter voor probabilistische voorspellingen over veel gerelateerde reeksen. ARIMA is een statistisch model dat minder schaalbaar is voor duizenden tijdreeksen en minder goed omgaat met complexe correlaties en externe covariaten dan DeepAR+.