6.3 不确定性量化

文档摘要

6.3 不确定性量化 6.3 不确定性量化在深度学习时间序列预测中，仅仅提供一个点预测值往往不足以满足实际应用的需求。现实世界的数据充满了固有的随机性、测量误差和模型局限性，这些因素共同导致了预测的不确定性。不确定性量化（Uncertainty Quantification, UQ）旨在评估和表达这些不确定性，从而提供更具信息量和鲁棒性的预测结果。理解并量化不确定性对于风险管理、决策制定、模型可靠性评估以及下游任务（如异常检测、控制系统）至关重要。 6.3.1 不确定性的来源在时间序列预测中，不确定性通常可以分为两大类：偶然不确定性（Aleatoric Uncertainty）：也称为数据不确定性或固有不确定性。它源于数据本身固有的随机性和不可约减的噪声。