Конечно, без проблем. Держи модель максимально легкой: просто фиксированный список последних N событий потребления, где-то по 50 на каждый тип. Каждое новое значение обновляет скользящее среднее и простейший линейный тренд – просто прибавляем новое значение и вычитаем самое старое. Получается скользящее среднее и наклон без хранения всего. Для кэша используй LRU-лист на устройстве, но ограничь размер рамками доступной памяти – выкидывай самый старый элемент, если достиг лимита. Когда появится соединение, отправляй только дельту: количество каждого элемента, временную метку и последнее значение тренда. На сервере эти дельты объединяются в глобальную модель, которая может возвращать более точный прогноз. Используй очень простой фильтр Калмана для каждого типа элемента – всего несколько умножений и обновление состояния. Вот и все, что нужно, чтобы остаться в пределах 1 МБ оперативной памяти и держать низкую задержку. Синхронизируйся при появлении Wi-Fi сигнала или по расписанию, но никогда не блокируй основной поток. Просто, быстро и предсказуемо.

Привет, слушай, батарея – это серьёзно. Замени фильтр Калмана на EWMA; одно умножение на каждый элемент, без матрицы состояния. Для радио – просто выведи кнопку синхронизации, которая отправляет текущий дельта-значение принимающей стороне. А по поводу сезонной корректировки – веди крошечную таблицу с месячными множителями, которые ты будешь подстраивать по ходу дела, всего несколько байт. Это даст фильтр для тренда, не тратя лишнюю энергию.

Окей, ставь флаг, чтобы синхронизацию отложить до подключения радио. Обнови коэффициенты за месяцы по воздуху, как только появится хоть какой-то участок видимости — просто отправь маленький файл с патчем. Так таблица будет актуальной, не загружая её целиком. Готово.