时序预测的共形 PID 控制

Jul, 2023

Conformal PID Control for Time Series Prediction

Anastasios N. Angelopoulos, Emmanuel J. Candes, Ryan J. Tibshirani

TL;DR我们研究了时间序列预测的不确定性量化问题，旨在提供易于使用且具有形式保证的算法。我们提出的算法基于符合性预测和控制理论的思想，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。我们的理论简化和加强了现有的在线符合性预测分析。在美国州级 COVID-19 死亡人数提前四周预测的实验中，我们与官方 CDC 通讯中使用的集合预测方法相比，覆盖范围有所改善。我们还使用自回归、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。我们提供了一个可扩展的代码库，用于测试我们的方法以及集成新算法、数据集和预测规则。

Abstract

We study the problem of uncertainty quantification for time series prediction, with the goal of providing easy-to-use algorithms with formal guarantees. The algorithms we present build upon ideas from conformal prediction and control theory, are able to prospectively model conformal sc

uncertainty quantification time series prediction conformal prediction systematic errors forecasting

发现论文，激发创造

使用现代 Hopfield 网络进行时间序列的共形预测

该研究提出了一种新的基于时间序列的投影置信预测方法 HopCPT，它不仅解决了时间序列的时间结构问题，而且利用了时间结构，实验表明，该方法在多个真实数据集中的表现优于现有的基于时间序列的投影置信预测方法。

Mar, 2023

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

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。

Oct, 2023

基于 Transformer 的时间序列符合预测

利用 Transformer 架构的符合预测方法通过捕捉长期记忆和长程依赖，以 Transformer 解码器作为条件分位数估计器来预测预测残差的分位数，从而估计预测区间，并通过综合实验证明该方法在模拟和真实数据上相较于现有的符合预测方法具有更好的性能。

Jun, 2024

形式风险控制

本文扩展了符合预测的范畴，使其可以控制任何单调损失函数的期望值，并提出了符合风险控制过程。从计算机视觉和自然语言处理方面的实例证明了我们算法在限制误差率，图距离和标牌级别 F1 得分方面的应用。

Aug, 2022

单轨迹形式预测

我们通过对未知随机动力系统的单个时间相关数据轨迹进行风险控制预测集（RCPS）性能的研究，使用封锁技术展示了数据遵循渐进稳定性和收缩性动态时，RCPS 获得类似于独立同分布情况下的性能保证；接着，我们使用解耦技术来描述 RCPS 性能保证在数据生成过程偏离稳定性和收缩性时的优雅退化；最后，我们讨论这些工具如何用于统一在线和离线形式预测算法的分析，目前这些算法的分析工具差异较大。

Jun, 2024

电力市场中光伏发电的随机决策的一致性预测

该论文研究了使用符合性预测（CP）这种新兴的概率预测方法对光伏发电功率进行次日预测，以提高其参与电力市场的效果。研究结果表明，将 CP 与最近邻和 / 或 Mondrian binning 相结合优于线性分位数回归器，将 CP 与特定的竞标策略相结合，可以在最小化能量不平衡的同时获得高利润。

Mar, 2024

符合性预测：理论和新挑战的统一综述

本文综述了关于符合预测的基本思想和新发展 —— 一种革新的无分布、非参数预测方法，基于最少的假设，能够以一种非常简单的方式得出在统计意义上的预测集，本文详细讨论了符合预测的理论基础，然后列举了原始思想的更高级的发展和适应方法。

May, 2020

使用线性互补规划的时间序列同伦预测区域

提出了基于优化的方法，将预测误差参数化处理以减小保守性，扩展了应用 Conformal prediction 算法于使用学习器的时间序列预测模型的应用场景，并且在行人轨迹预测方面证明了其有效性。

Apr, 2023

符合性预测教程

该论文介绍了通过使用过去的经验来确定新预测的置信水平的改造预测方法，该方法可以应用于任何生成标签预测的方法，并且包括一些数值示例。

Jun, 2007

异质轨迹的合拟可调预测

本文介绍了一种新的符合方法，用于生成能够以足够高的概率覆盖新的随机轨迹整个路径的同时预测带。在需要可靠的不确定性估计的运动规划应用中，我们结合了在线符合单个和多个时间序列的不同技术，以及解决回归异方差性的思想。这种解决方案既是有原则的，提供了精确的有限样本保证，又是有效的，通常比先前方法提供更多信息的预测。

Feb, 2024