研究人员开发了一个名为基于优化的在线一致性预测 (O2CP) 的新框架，以提高时间序列预测中的不确定性量化能力。该方法解决了多步预测中覆盖有效性与效率平衡的挑战。O2CP 模拟多步误差依赖性，并采用约束优化方法和新颖的采样策略，以实现更窄的预测区间和更低的遗憾。 AI
影响 为预测任务中更准确、更可靠的不确定性量化引入了一种新颖的方法。
排序理由 这是一篇详细介绍时间序列预测新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
新的 O2CP 框架通过一致性预测增强时间序列预测能力
报道来源 [1]
-
Optimization-based Online Conformal Prediction for Multi-step Forecasting
arXiv:2508.13362v2 Announce Type: replace Abstract: Conformal prediction (CP) is well-suited for uncertainty quantification in time series forecasting due to its distribution-free coverage guarantees. However, existing multi-step methods often struggle to balance coverage validit…