reports/PackageR.gj

   1 -----
   2 # Package R "talweg"
   3
   4 Le package $-$ Time-series sAmpLes forecasted With ExoGenous variables $-$ contient le
   5 code permettant de lancer les expériences numériques décrites dans le chapitre suivant.
   6 Les fonctions principales sont respectivement
   7
   8  * **getData()** pour construire un objet R contenant les données à partir de fichiers
   9 CSV (extraits de bases de données). Le format choisi en R est une classe R6 (du package
  10 du même nom) exposant en particulier les méthodes *getSerie(i)* et *getExo(i)* qui
  11 renvoient respectivement la $i^{eme}$ série de 24h et les variables exogènes (mesurées)
  12 correspondantes. Voir ?Data pour plus d'information, une fois le package chargé.
  13  * **computeForecast()** pour calculer des prédictions sur une certaine plage temporelle
  14 contenue dans *data <- getData(...)*
  15  * **computeError()** pour évaluer les erreurs commises par différentes méthodes.
  16
  17 Le package contient en outre diverses fonctions graphiques *plotXXX()*, utilisées dans la
  18 partie suivante.
  19 -----r
  20 # Chargement de la librairie (après compilation, "R CMD INSTALL .")
  21 library(talweg)
  22
  23 # Acquisition des données (depuis les fichiers CSV)
  24 ts_data <- read.csv(system.file("extdata","pm10_mesures_H_loc.csv",
  25     package="talweg"))
  26 exo_data <- read.csv(system.file("extdata","meteo_extra_noNAs.csv",
  27     package="talweg"))
  28 data <- getData(ts_data, exo_data,
  29     date_format="%d/%m/%Y %H:%M", limit=120)
  30 # Plus de détails à la section 1 ci-après.
  31
  32 # Prédiction de 10 courbes (jours 102 à 111)
  33 pred <- computeForecast(data, 101:110, "Persistence", "Zero",
  34     predict_from=8, memory=50, horizon=24, ncores=1)
  35 # Plus de détails à la section 2 ci-après.
  36
  37 # Calcul des erreurs (sur un horizon arbitraire <= horizon de prédiction)
  38 err <- computeError(data, pred, predict_from=8, horizon=20)
  39 # Plus de détails à la section 3 ci-après.
  40
  41 # Puis voir ?plotError et les autres plot dans le paragraphe 'seealso'
  42 -----
  43 ${"##"} getData()
  44
  45 Les arguments de cette fonction sont, dans l'ordre :
  46
  47  1. **ts_data** : séries temporelles (fichier CSV avec entête ou data.frame) ; la
  48 première colonne contient les heures, la seconde les valeurs.
  49  2. **exo_data** : variables exogènes (fichier CSV avec entête ou data.frame) ; la
  50 première colonne contient les jours, les $m$ suivantes les variables mesurées pour ce
  51 jour, et les $m$ dernières les variables prédites pour ce même jour. Dans notre cas $m=4$
  52 : pression, température, gradient de température, vitesse du vent.
  53  3. **date_format** : format des heures dans ts_data (défaut : "%d/%m/%Y %H:%M", format
  54 du fichier transmis par Michel Bobbia).
  55  4. **limit** : nombre de séries à récupérer.
  56 -----r
  57 print(data)
  58 #?Data
  59 -----
  60 ${"##"} computeForecast()
  61
  62 Les arguments de cette fonction sont, dans l'ordre :
  63
  64  1. **data** : le jeu de données renvoyé par getData()
  65  2. **indices** : l'ensemble de jours dont on veut prévoir les "lendemains" (prochains
  66 blocs de 24h) ; peut être donnée sous forme d'un vecteur de dates ou d'entiers
  67 (correspondants aux numéros des jours).
  68  3. **forecaster** : le nom du prédicteur principal à utiliser ; voir ?computeForecast
  69  4. **pjump** : le nom du prédicteur de saut d'une série à l'autre ; voir
  70 ?computeForecast
  71  5. **memory** : le nombre de jours à prendre en compte dans le passé pour chaque
  72 prévision (par défaut : Inf, c'est-à-dire tout l'historique pris en compte).
  73  6. **predict_from** : première heure de prévision. Les séries prévues démarrent
  74 cependant toutes à 1h du matin (en reprenant les premières valeurs connues).
  75  7. **horizon** : dernière heure de prévision ; maximum 24 == minuit (valeur par défaut).
  76 pred`$`getForecast(i) retourne une journée complète de 01:00 à 00:00 si horizon=24.
  77  8. **ncores** : le nombre de processus parallèles (utiliser 1 pour une exécution
  78 séquentielle)
  79 -----r
  80 print(pred)
  81 #?computeForecast
  82 -----
  83 ${"##"} computeError()
  84
  85 Les arguments de cette fonction sont, dans l'ordre :
  86
  87  1. **data** : le jeu de données renvoyé par getData()
  88  2. **pred** : les prédictions renvoyées par computeForecast()
  89  3. **predict_from** : première heure de prévision ; peut être différente de l'analogue
  90 dans l'appel à *computeForecast()*.
  91  4. **horizon** : dernière heure de prévision à considérer pour le calcul de l'erreur ;
  92 inférieure ou égale à la valeur de l'argument analogue dans *computeForecast()*
  93 -----r
  94 summary(err)
  95 summary(err$abs)
  96 summary(err$MAPE)
  97 -----
  98 ${"##"} Graphiques
  99
 100 Voir ?plotError : les autres fonctions graphiques sont dans la section 'seealso' :
 101
 102     ‘plotCurves’, ‘plotPredReal’, ‘plotSimils’, ‘plotFbox’,
 103     ‘computeFilaments’, ‘plotFilamentsBox’, ‘plotRelVar’
 104
 105 ?plotXXX, etc.