本文提出了一种新型关系性可信预测方法（CoRel），旨在解决时间序列预测中的不确定性量化问题。该方法基于图深度学习运算符，无需预知关系结构，适用于多种时间序列预测模型，并具备自适应能力。

本研究提出了一种新的度量标准——不确定性比率 $C_ρ$，用于评估分类器预测的可靠性。该指标综合考虑了可信预测与不确定预测对分类性能的影响，实验结果表明其能够更全面地评估分类器的可靠性，从而提升模型在复杂环境中的可信度。