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.......