空间依赖数据保形预测：序贯白化方法

2026年10月8日，arXiv 统计学机器学习栏目发布论文《面向空间依赖数据的保形预测：通过序贯白化提升区间效率》。该研究提出一种面向空间依赖数据的保形预测方法，在分割保形预测基础上序贯条件化校准残差，并用近邻近似扩展到大规模网络。论文称，在工作协方差正确且残差服从椭圆分布的条件下，该方法在任意空间设计下具有精确有限样本覆盖率，并进一步达到渐近 oracle 效率。模拟数据显示其区间比全局与局部 SOTA 方法更窄更稳；在全国 PM2.5 应用中也得到更窄区间，并识别出覆盖率失效风险区域。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。