我之前曾要求this question尝试使用hts套件预测比例预测重组。那里的解决方案适用于多级层次结构，但是当我尝试在两级层次结构上使用该解决方案时，我发现了一个错误。
library(hts)
# Create the hierarchy
newhts <- hts(htseg1$bts, list(ncol(htseg1$bts)))
# forecast creation adapted from the `combinef()` example
h <- 12
ally <- aggts(newhts)
allf <- matrix(NA, nrow = h, ncol = ncol(ally))
for(i in 1:ncol(ally))
allf[,i] <- forecast(auto.arima(ally[,i]), h = h, PI = FALSE)$mean
allf <- ts(allf, start = 51)
# Earo Wang's solution to my previous question
hts:::TdFp(allf, nodes = htseg1$nodes)
* .default（fcasts [，1L]，prop）出错：时间序列/向量长度不匹配
问题似乎出现了，因为两级层次结构会跳过条件if的最后一个if (l.levels > 2L)条件。此条件乘法的最后一个陈述包括prop乘以时间序列flist[[k + 1L]]的片段，它将prop转换为时间序列矩阵。如果跳过此语句，prop仍然是一个常规矩阵，当时间序列向量fcasts[, 1L]乘以矩阵prop时会导致错误。
我理解TdFp是一个非导出函数，因此可能不像包中的其他函数那样健壮，但有没有解决这个问题的方法？由于这是一个相对简单的案例，我可以自己编写解决方案，但由于hts::forecast.hts()可以处理method = "tdfp"的两个级别层次结构，我认为可能有一个很好的清洁解决方案。