利用事件建模调用 ATT 预测引擎

本主题描述当 Perform Event Modeling = TRUE 时调用 ATT 预测引擎并为选定货品和库位生成事件预测所需的条件。事件被视为在历史期间内因为营销和推广等活动而在历史数据之外发生的特定效果。

注意：建议您不要为了统计模型拟合而维护历史中的事件效果。引擎将尝试估计平均事件大小，并在模型拟合前删除此效果，而从生成基线历史。在模型拟合和预测后，引擎将事件效果连接到基线预测。

功能和条件：

当引擎的类型为 “ATT”，并且 Perform Event Modeling = TRUE 时，则除了选定的技术（算法）外，预测引擎将使用定义的事件并执行事件建模。
系统将在预测引擎周期级别上针对每一货品和库位检索和处理映射到事件的度量，以生成存储“事件量级”的历史和预测周期的数组。
- 对于“事件”度量，检索循环周期历史范围中的每一货品和库位的值，并将每个非零值添加到“历史事件量级”数组中。这表示周期和事件量级的索引。
- 时间周期从 0 开始索引，零表示最早历史周期的索引。每个时间周期仅允许一个条目。
- 事件量级代表与事件单位相关的事件大小，而不是以货品单位计算的事件大小。
- “历史事件量级”数组用于为每个时间存储一个条目（即，循环周期历史范围中事件的非零值）。
- 如果不指定历史事件量级数组，即，循环周期历史范围中“事件”度量不存在非零值，则两个数组都以无值形式进行传输。引擎不通过事件建模处理该货品或库位，但根据指定的算法来使用“正常拟合”选项。
- 如果指定了历史事件量级数组，则检索循环周期未来范围中“事件”度量的值，并将每个非零值添加到“预测事件量级”数组中。
引擎将为事件建模生成平均事件大小，并在映射时根据指定的度量进行存储。这是与时间无关的值，写入到 PCONST 中。其他结果将按照指定算法由正常 ATT 引擎进行处理。
注意：当预测引擎使用 Holt-Winters 或“最佳”算法时，将在进行稳健 Holt-Winters 历史调整之前移除事件。在无事件历史前提下生成“模型拟合历史”。

带有历史及预测事件量级的事件示例：

循环周期历史范围为 12，并且循环周期未来范围为 12（月数）。预测引擎周期级别 = 月。

“事件”度量历史值：

0, 0, 0, 0, 1, 2, 1, 1, 0, 0, 0, 0

“事件”度量未来值：

0, 0, 2, 2, 2, 1, 0, 0, 0, 0, 0, 0

表 1. 历史事件量级数组
索引	量级
4	1
5	2
6	1
7	1

表 2. 预测事件量级数组
索引	量级
2	2
3	2
4	2
5	1

注意：带有事件量级值的周期不需要为顺序值，也不需要历史和预测周期的数字或大小相同。事件值也可包含小数值。