Detta är en modell primärt tänkt för att göra last- eller produktionsprognoser på serier som uppvisar en hög grad av slumpmässighet, exempelvis kan en serie innehålla slumpmässiga spikar som man inte vill ska påverka prognosen. Modellen använder medianvärden istället för medelvärden. Träningsperioden som Delphi använder ligger alltid omedelbart före prognosstart. Det är bara data i anslutning till denna period som används. Modellen kan antingen fås att försöka modellera ett dygnsmönster eller inte. I läget utan dygnsmönster bildar modellen medianvärden för de senaste 1,2,3,6,12,24,48,96 och 168 timmarna och sedan undersöks vilka av dessa som under träningsperioden har givit de bästa prognoserna. Varje prognostimme framåt undersöks separat, så att ifall vi vill bestämma den bästa medianen som prognos för timme 24 efter senast inkomna data, väljs den median som under träningsperioden har givitprognoser med det minsta medelabsolutfelet för just den timmen. I läget med dygnsmönster bildas även separata medianvärden för varje timme under dygnet, då bildas medianen för dygnets första timme de senaste 1,2,7,14,28,60 dygnen, medianen för andra timmen på samma sätt o.s.v. Dessa läggs till de vanliga medianerna, och den bästa medianen väljs ut från den ihopslagna mängden medianer. Slutligen prognostiseras varje timme utifrån ”sin” uppsättning medianer.
Ifall typdygnsurval, (2) i bilden sätts till något annat än SingleType kommer modellen att försöka skilja mellan vardag och helg, och skapa separata helg-medianer och vardags-medianer vid sidan av de vanliga medianerna.
Träningsperioden anger hur lång utvärderingsperiod som ska användas. För att kunna bilda de olika mediantyperna krävs olika mycket data innan träningsperiodens början. För att kunna fungera överhuvudtaget krävs:
•En träningsperiod på minst 8 dagar samt minst 16 dagars total data.
För att kunna använda dygnsmönster krävs:
•En träningsperiod på minst 30 dagar samt över 3 månaders total data.
För att kunna använda vardag/helg separation krävs (beroende på fördelning mellan helg och vardag):
•En träningsperiod på omkring 2 månader samt över 4 månaders data.
”Median types” styr ifall modellen ska försöka jobba med dygnsmönster, den ska vara 0 ifall inget dygnsmönster finns i lasten, annars sättas till 1. Är den 1 bör träningsperioden ökas till minst 30 dagar.