分叉不确定性:利用序列模型进行可靠预测和模型预测控制的符合风险控制
原文中文,约400字,阅读约需1分钟。发表于: 。在复杂动态和分叉轨迹的环境中,我们提出了一种新的后期校准方法 PTS-CRC,通过在任何预先设计的概率预测器的基础上生成可靠的误差范围,并且可以实现超出覆盖率的可靠性定义,用于解决预测与控制问题,特别是关于网络通信的使用案例。
该文介绍了一种基于符合性预测和控制理论的算法,用于时间序列预测的不确定性量化问题。该算法能够在在线环境中前瞻性地模拟符合性得分,并能适应由季节性、趋势性和一般分布变化引起的系统误差。作者在美国州级 COVID-19 死亡人数提前四周预测的实验中,与官方 CDC 通讯中使用的集合预测方法相比,覆盖范围有所改善。作者还使用自回归、Theta、Prophet 和 Transformer 模型对电力需求、市场回报和温度进行了实验预测,并提供了一个可扩展的代码库。