ForecastOps, онлайн-транспортная компания, нуждается в вероятностных почасовых прогнозах спроса для тысяч различных маршрутов. Каждый маршрут имеет коррелированные паттерны (некоторые имеют общие признаки праздников/ковариат), и команда хочет получить интервалы прогнозирования (квантили), а также возможность включать метаданные маршрута и ковариаты праздников. Какой алгоритм Amazon Forecast лучше всего соответствует этому требованию?

DeepAR+ идеально подходит для этой задачи, поскольку он специально разработан для прогнозирования множества связанных временных рядов, что соответствует требованию ForecastOps к тысячам различных маршрутов с коррелированными паттернами. Он поддерживает вероятностное прогнозирование, предоставляя интервалы прогнозирования (квантили), что критически важно для оценки неопределенности спроса. Кроме того, DeepAR+ может эффективно использовать ковариаты (например, праздники) и метаданные на уровне элементов (метаданные маршрута), что позволяет модели учитывать уникальные характеристики каждого маршрута и внешние факторы. Prophet не является алгоритмом Amazon Forecast и не предназначен для работы с тысячами связанных временных рядов в таком масштабе. CNN-QR (Convolutional Neural Network - Quantile Regression) в Amazon Forecast поддерживает вероятностное прогнозирование и ковариаты, но его основное преимущество в работе с высокочастотными данными и он не так оптимален для тысяч связанных рядов с метаданными, как DeepAR+. ARIMA (Autoregressive Integrated Moving Average) — это классический статистический метод, который плохо масштабируется до тысяч связанных временных рядов и неэффективно обрабатывает метаданные или сложные корреляции между рядами.