'update'
[talweg.git] / reports / PackageR.gj
... / ...
CommitLineData
1-----
2# Package R "talweg"
3
4Le package $-$ Time-series sAmpLes forecasted With ExoGenous variables $-$ contient le
5code permettant de lancer les expériences numériques décrites dans le chapitre suivant.
6Les fonctions principales sont respectivement
7
8 * **getData()** pour construire un objet R contenant les données à partir de fichiers
9CSV (extraits de bases de données). Le format choisi en R est une classe R6 (du package
10du même nom) exposant en particulier les méthodes *getSerie(i)* et *getExo(i)* qui
11renvoient respectivement la $i^{eme}$ série de 24h et les variables exogènes (mesurées)
12correspondantes. Voir ?Data pour plus d'information, une fois le package chargé.
13 * **computeForecast()** pour calculer des prédictions sur une certaine plage temporelle
14contenue dans *data <- getData(...)*
15 * **computeError()** pour évaluer les erreurs commises par différentes méthodes.
16
17Le package contient en outre diverses fonctions graphiques *plotXXX()*, utilisées dans la
18partie suivante.
19-----r
20# Chargement de la librairie (après compilation, "R CMD INSTALL .")
21library(talweg)
22
23# Acquisition des données (depuis les fichiers CSV)
24ts_data <- read.csv(system.file("extdata","pm10_mesures_H_loc.csv", package="talweg"))
25exo_data <- read.csv(system.file("extdata","meteo_extra_noNAs.csv", package="talweg"))
26data <- getData(ts_data, exo_data, date_format="%d/%m/%Y %H:%M", limit=120)
27# Plus de détails à la section 1 ci-après.
28
29# Prédiction de 10 courbes (jours 102 à 111)
30pred <- computeForecast(data, 101:110, "Persistence", "Zero", predict_from=8, memory=50,
31 horizon=24, ncores=1)
32# Plus de détails à la section 2 ci-après.
33
34# Calcul des erreurs (sur un horizon arbitraire <= horizon de prédiction)
35err <- computeError(data, pred, predict_from=8, horizon=20)
36# Plus de détails à la section 3 ci-après.
37
38# Puis voir ?plotError et les autres plot dans le paragraphe 'seealso'
39-----
40${"##"} getData()
41
42Les arguments de cette fonction sont, dans l'ordre :
43
44 1. **ts_data** : séries temporelles (fichier CSV avec entête ou data.frame) ; la
45première colonne contient les heures, la seconde les valeurs.
46 2. **exo_data** : variables exogènes (fichier CSV avec entête ou data.frame) ; la
47première colonne contient les jours, les $m$ suivantes les variables mesurées pour ce
48jour, et les $m$ dernières les variables prédites pour ce même jour. Dans notre cas $m=4$
49: pression, température, gradient de température, vitesse du vent.
50 3. **date_format** : format des heures dans ts_data (défaut : "%d/%m/%Y %H:%M", format
51du fichier transmis par Michel Bobbia).
52 4. **limit** : nombre de séries à récupérer.
53-----r
54print(data)
55#?Data
56-----
57${"##"} computeForecast()
58
59Les arguments de cette fonction sont, dans l'ordre :
60
61 1. **data** : le jeu de données renvoyé par getData()
62 2. **indices** : l'ensemble de jours dont on veut prévoir les "lendemains" (prochains
63blocs de 24h) ; peut être donnée sous forme d'un vecteur de dates ou d'entiers
64(correspondants aux numéros des jours).
65 3. **forecaster** : le nom du prédicteur principal à utiliser ; voir ?computeForecast
66 4. **pjump** : le nom du prédicteur de saut d'une série à l'autre ; voir
67?computeForecast
68 5. **memory** : le nombre de jours à prendre en compte dans le passé pour chaque
69prévision (par défaut : Inf, c'est-à-dire tout l'historique pris en compte).
70 6. **predict_from** : première heure de prévision. Les séries prévues démarrent
71cependant toutes à 1h du matin (en reprenant les premières valeurs connues).
72 7. **horizon** : dernière heure de prévision ; maximum 24 == minuit (valeur par défaut).
73pred`$`getForecast(i) retourne une journée complète de 01:00 à 00:00 si horizon=24.
74 8. **ncores** : le nombre de processus parallèles (utiliser 1 pour une exécution
75séquentielle)
76-----r
77print(pred)
78#?computeForecast
79-----
80${"##"} computeError()
81
82Les arguments de cette fonction sont, dans l'ordre :
83
84 1. **data** : le jeu de données renvoyé par getData()
85 2. **pred** : les prédictions renvoyées par computeForecast()
86 3. **predict_from** : première heure de prévision ; peut être différente de l'analogue
87dans l'appel à *computeForecast()*.
88 4. **horizon** : dernière heure de prévision à considérer pour le calcul de l'erreur ;
89inférieure ou égale à la valeur de l'argument analogue dans *computeForecast()*
90-----r
91summary(err)
92summary(err$abs)
93summary(err$MAPE)
94-----
95${"##"} Graphiques
96
97Voir ?plotError : les autres fonctions graphiques sont dans la section 'seealso' :
98
99 ‘plotCurves’, ‘plotPredReal’, ‘plotSimils’, ‘plotFbox’,
100 ‘computeFilaments’, ‘plotFilamentsBox’, ‘plotRelVar’
101
102?plotXXX, etc.