-Le package $-$ Time-series sAmpLes forecasted With ExoGenous variables $-$ contient le
-code permettant de (re)lancer les expériences numériques décrites dans cette partie et la
-suivante. Les fonctions principales sont respectivement
-
- * **getData()** pour construire un objet R contenant les données à partir de fichiers
-CSV (extraits de bases de données). Le format choisi en R est une classe R6 (du package
-du même nom) exposant en particulier les méthodes *getSerie(i)* et *getExo(i)* qui
-renvoient respectivement la $i^{eme}$ série de 24h et les variables exogènes (mesurées)
-correspondantes. Voir ?Data pour plus d'information, une fois le package chargé.
- * **computeForecast()** pour calculer des prédictions sur une certaine plage temporelle
-contenue dans *data <- getData(...)*
- * **computeError()** pour évaluer les erreurs commises par différentes méthodes.
-
-Le package contient en outre diverses fonctions graphiques *plotXXX()*, utilisées dans la
-partie suivante.
------r
-# Chargement de la librairie (après compilation, "R CMD INSTALL .")
-library(talweg)
-
-# Acquisition des données (depuis les fichiers CSV)
-ts_data <- read.csv(system.file("extdata","pm10_mesures_H_loc.csv",
- package="talweg"))
-exo_data <- read.csv(system.file("extdata","meteo_extra_noNAs.csv",
- package="talweg"))
-data <- getData(ts_data, exo_data, input_tz="GMT",
- date_format="%d/%m/%Y %H:%M", working_tz="GMT",
- predict_at=7, limit=120)
-# Plus de détails à la section 1 ci-après.
-
-# Prédiction de 10 courbes (jours 102 à 111)
-pred <- computeForecast(data, 101:110, "Persistence", "Zero", memory=50,
- horizon=12, ncores=1)
-# Plus de détails à la section 2 ci-après.
-
-# Calcul des erreurs (sur un horizon arbitraire <= horizon de prédiction)
-err <- computeError(data, pred, horizon=6)
-# Plus de détails à la section 3 ci-après.
-
-# Puis voir ?plotError et les autres plot dans le paragraphe 'seealso'
------
-${"##"} getData()
-
-Les arguments de cette fonction sont, dans l'ordre :
-
- 1. **ts_data** : séries temporelles (fichier CSV avec entête ou data.frame) ; la
-première colonne contient les heures, la seconde les valeurs.
- 2. **exo_data** : variables exogènes (fichier CSV avec entête ou data.frame) ; la
-première colonne contient les jours, les $m$ suivantes les variables mesurées pour ce
-jour, et les $m$ dernières les variables prédites pour ce même jour. Dans notre cas $m=4$
-: pression, température, gradient de température, vitesse du vent.
- 3. **input_tz** : zone horaire pour ts_data (défaut : "GMT").
- 4. **date_format** : format des heures dans ts_data (défaut : "%d/%m/%Y %H:%M", format
-du fichier transmis par Michel).
- 5. **working_tz** : zone horaire dans laquelle on souhaite travailler avec les données
-(défaut : "GMT").
- 6. **predict_at** : heure à laquelle s'effectue la prévision $-$ et donc dernière heure
-d'un bloc de 24h, relativement à working_tz. data`$`getSerie(3) renvoit ainsi les 24
-valeurs de 8h à 7h pour le $3^{eme}$ bloc de 24h présent dans le jeu de données.
------r
-print(data)
-#?Data
------
-${"##"} computeForecast()
-
-Les arguments de cette fonction sont, dans l'ordre :
-
- 1. **data** : le jeu de données renvoyé par getData()
- 2. **indices** : l'ensemble de jours dont on veut prévoir les "lendemains" (prochains
-blocs de 24h) ; peut être donnée sous forme d'un vecteur de dates ou d'entiers
-(correspondants aux numéros des jours).
- 3. **forecaster** : le nom du prédicteur principal à utiliser ; voir ?computeForecast
- 4. **pjump** : le nom du prédicteur de saut d'une série à l'autre ; voir
-?computeForecast
- 5. **memory** : le nombre de jours à prendre en compte dans le passé pour chaque
-prévision (par défaut : Inf, c'est-à-dire tout l'historique pris en compte).
- 6. **horizon** : le nombre d'heures à prédire ; par défaut "data`$`getStdHorizon()",
-c'est-à-dire le nombre d'heures restantes à partir de l'instant de prévision + 1 jusqu'à
-minuit (17 pour predict_at=7 par exemple).
- 7. **ncores** : le nombre de processus parallèles (utiliser 1 pour une exécution
-séquentielle)
------r
-print(pred)
-#?computeForecast
------
-${"##"} computeError()
-
-Les arguments de cette fonction sont, dans l'ordre :
-
- 1. **data** : le jeu de données renvoyé par getData()
- 2. **pred** : les prédictions renvoyées par computeForecast()
- 3. **horizon** : le nombre d'heures à considérer pour le calcul de l'erreur ; doit être
-inférieur ou égal à l'horizon utilisé pour la prédiction (même valeur par défaut :
-"data`$`getStdHorizon()")
------r
-summary(err)
-summary(err$abs)
-summary(err$MAPE)
------
-${"##"} Graphiques
-
-Voir ?plotError : les autres fonctions graphiques sont dans la section 'seealso' :
-
- ‘plotCurves’, ‘plotPredReal’, ‘plotSimils’, ‘plotFbox’,
- ‘computeFilaments’, ‘plotFilamentsBox’, ‘plotRelVar’
-
-?plotXXX, etc.
-## $\clearpage$ How to do that?
------
-# Expérimentations
-
-Cette partie montre les résultats obtenus via des variantes de l'algorithme décrit à la
-section 2, en utilisant le package présenté à la section 3. Cet algorithme est
projects / talweg.git / blobdiff