Una herramienta avanzada para la previsión de demanda sobre series temporales diarias

Abstract

[ES] El objetivo del TFM es desarrollar una herramienta de software para para la previsión de demanda sobre series temporales diarias utilizando el lenguaje de programación Python y la librería de código abierto Prophet, que incluye procedimientos para pronosticar datos de series temporales basados en un modelo aditivo donde las tendencias no lineales se ajustan a la estacionalidad anual, semanal y diaria y considera los efectos de los días festivos. La herramienta se validará mediante la realización de experimentos con series temporales sintéticas y reales.

[EN] In this master’s thesis, an interactive tool for daily demand forecasting has implemented in Python. The forecasting method employed in this tool is Prophet, a time series model released by Facebook. Prediction experiments have conducted on different datasets and, the mean absolute percentage error (MAPE) has used as an indicator of forecast accuracy. After comparing the results obtained by the Prophet method with the obtained using exponential smoothing methods, it has found that the Prophet method can improve forecasting accuracy, especially for daily data with seasonal effects