!--a11y-->
Sélection automatique d'un modèle 
Si vous ne voulez pas sélectionner manuellement un modèle de prévision, vous devez exécuter une sélection automatique. Dans ce cas, le système analyse les données historiques et sélectionne le modèle le plus approprié. Les modèles suivants sont disponibles :
Si les données historiques ne révèlent pas de caractéristiques, le modèle de consommation constante est automatiquement sélectionné.

Le nombre de valeurs historiques requis varie selon le test effectué. Pour plus d'informations, reportez-vous à l'
Procédures de sélection d'un modèle
Vous avez le choix entre deux procédures pour la sélection automatique d'un modèle :
Procédure 1
Divers tests statistiques et combinaisons de tests sont à votre disposition pour la détermination du modèle approprié. Le test effectué dépend du niveau d'information dont vous disposez (voir le tableau ci-après).
Test de tendance
Dans le test de tendance, les valeurs historiques sont soumises à une analyse de régression pour savoir s'il existe une tendance nette.
Test de saisonnalité
Dans le test de saisonnalité, le système élimine toutes tendances possibles dans les valeurs historiques, puis exécute un test d'autocorrélation.
Niveau d'information |
Test effectué |
Aucune information |
Tests de tendance et de saisonnalité |
Aucune tendance |
Test de saisonnalité |
Aucune saisonnalité |
Test de tendance |
Tendance |
Test de saisonnalité |
Saisonnalité |
Test de tendance |
Si vous savez qu'il existe ou qu'il n'existe pas telle ou telle caractéristique avant que le système sélectionne un modèle, vous pouvez demander que la série chronologique de données historiques soit soumise à un test de tendance ou de saisonnalité.
Si vous ne savez pas du tout ce que reflètent les données historiques, le système effectue un test de tendance et un test de saisonnalité. Le modèle de prévision sélectionné dépend alors du test qui produit les résultats les plus significatifs (voir le tableau ci-dessous).

Procédure 2
Le système calcule les modèles à tester à partir de différentes combinaisons de coefficients alpha, bêta et gamma. Les coefficients de lissage appliqués varient entre 0,1 et 0,5, par incréments de 0,1. Le modèle sélectionné est celui qui produit l'écart moyen absolu le plus faible. La procédure 2 est plus précise que la procédure 1, mais elle est beaucoup plus longue.
Pour appliquer la procédure 2 dans le cadre d'un traitement en masse, spécifiez la stratégie de prévision 56 dans le profil de prévision. Si vous exécutez la prévision en mode interactif et si vous choisissez Sélection modèle automatique dans la boîte de dialogue de sélection d'un modèle, une autre boîte de dialogue s'affiche. Dans cette dernière, vous pouvez activer la procédure 2 comme paramètre de prévision.