在forecast.gts中添加Theet和mlp.Theet预测函数（即fmethod=c（“ets”）、“arima”、“rw”、“Theet”、“mlp.Theet”、“elm.Theet”）？

我有一个分层的数据。数据具有以下级别（从上到下）：

生产设施

工业

顾客

产品组

SKU

我正在使用

r

库

hts

进行预测。为了提高准确性，我想使用

thift

库（同时使用

nnfor:：mlp.thift

和

nnfor:：elm.thift

函数）。我以以下方式将这些函数添加到

forecast.hts（）

loopfn <- function(x, ...) {
    out <- list()
    if (is.null(FUN)) {
      if (fmethod == "ets") {
        models <- forecast::ets(x, lambda = lambda, ...)
        out$pfcasts <- forecast::forecast(models, h = h, PI = FALSE)$mean
      } else if (fmethod == "arima") {


        models <- forecast::auto.arima(x, lambda = lambda, xreg = xreg,
                             parallel = FALSE, ...)
        out$pfcasts <- forecast::forecast(models, h = h, xreg = newxreg)$mean


      } else if (fmethod == "rw") {
        models <- forecast::rwf(x, h = h, lambda = lambda, ...)
        out$pfcasts <- models$mean
      } else if (fmethod == "thief"){

        models <- thief::thief(x, h = h , usemodel = usemodel, ...)
        out$pfcasts <- models$mean
      }else if (fmethod == "mlp.thief"){

        models <- nnfor::mlp.thief(x, h = h , ...)
        out$pfcasts <- models$mean
      } else if (fmethod == "elm.thief"){

        models <- nnfor::elm.thief(x, h = h , ...)
        out$pfcasts <- models$mean
      }


    } else { # user defined function to produce point forecasts
      models <- FUN(x, ...)
      if (is.null(newxreg)) {
        out$pfcasts <- forecast(models, h = h)$mean
      } else {
        out$pfcasts <- forecast(models, h = h, xreg = newxreg)$mean
      }
    }
    if (keep.fitted) {
      out$fitted <- stats::fitted(models)
    }
    if (keep.resid) {
      out$resid <- stats::residuals(models)
    }
    return(out)
  }

---

loopfn我可以使用带有参数
FUN=
该函数必须是预测对象
 在新冠肺炎爆发之前，我使用了一种类似的方法来预测巴西的财政收入（但我使用的是
nnetar
函数，理论上是一种MLP）

分层预测完全独立于您使用的模型

您甚至可以使用判断预测（但在这种情况下，您必须使用
n系列
对账）

所以用“elm.小偷”没问题