Probabilistic Reconciliation of Count Time Series
计数时间序列的概率预测协调AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究计数时间序列的概率预测及时间聚合层级之间的预测协调。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
计数时间序列的概率预测协调
- 研究问题
- 论文研究如何使计数时间序列在不同聚合层级上的概率预测满足一致性，同时保留离散概率分布而非仅协调点预测。
- 方法与思路
- 作者定义适用于实值与计数变量的预测一致性及协调概率预测，并基于贝叶斯规则的推广构造方法，输出协调后的概率质量函数。
- 材料陈述的贡献
- 摘要称，提出计数概率预测协调的形式框架和可用方法；计数变量的时间聚合实验显示，相较高斯概率协调获得明显预测改善。
- 阅读关注点
- 应核对概率一致性的精确定义、贝叶斯规则推广的构造、计算可行性，以及时间聚合实验采用的评分指标和基线设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出计算细节和改善数值，实验表现不能保证适用于所有计数序列。
原文摘要
Forecast reconciliation is an important research topic. Yet, there is currently neither formal framework nor practical method for the probabilistic reconciliation of count time series. In this paper we propose a definition of coherency and reconciled probabilistic forecast which applies to both real-valued and count variables and a novel method for probabilistic reconciliation. It is based on a generalization of Bayes' rule and it can reconcile both real-value and count variables. When applied to count variables, it yields a reconciled probability mass function. Our experiments with the temporal reconciliation of count variables show a major forecast improvement compared to the probabilistic Gaussian reconciliation.