NOTE: (Michel)
La prévision ARPEGE pour le jour J est disponible dès 4h10 TU, soit 6h10 en été et 5h10 en hiver.
 --> donc prévis utilisables à 7 et 13h mais pas à 0h
Donc si 7h ou 13h on utilise les prévis du jour courant (à compléter),
sinon (0h) les mesures du dernier jour (la veille)

predict heure != moyenner 4 predict 1/4 heure
plusieurs capteurs, moyennés pour indice ATMO
moyenne spatiale sur les capteurs d'une ville ?
règle pr calculer moyenne horaire : >= 75% de données

Dates typiques (Michel):
19/01 : pollution chauffage
23/02 : pas pollué
16/03 : pollution épandage

#TODO:
#indexer axe des temps avec vraies dates
#==> tricher en regardant le lendemain, puis chercher paires consécutives similaires dans le
#passé, ,,,, si aucune semblable : on va se planter !
#--> retourner un indice de confiance ?!
#fichier texte qui affiche le top 20 des + proches (genre sam 20 janvier 2010........)
#fonction indices <---> dates
systématiquement horizon == 12h comme plumelabs ?
Courbes considérées comme objets ts (package R) ? (Sans doute inutile)
Sur exo on doit prédire moyenne du jour au lieu de courbe --------> analyser (?!)

--> javascript visualisation.................. + tard
--> soft predict: ne pas virer les séries à NA

--> use R6 class: https://cran.r-project.org/web/packages/R6/vignettes/Introduction.html
    https://cran.r-project.org/web/packages/R6/vignettes/Performance.html

Attention shift data exo hat : PM10(J+1) = f(PM10(j), meteo(j+1)) [contexte apprentissage]
  --> hat PM10(j+1) = hat f(PM10(j), hat meteo(j+1)) [contexte previ]

Variables meteo : NAs ?

Neighbors:
 - enlever mix_strategy (oujours mult), et simthresh après tests éventuels
 - same_season --> same_day(?)

data : carrément supprimer les bouts tronqués au début et à la fin --> ça simplifie beaucoup

shiny --> visualisation courbes, clic shift date sur 24h.......