研究人员提出拓扑无关时空预测模型OmniST
Start here
2026年11月4日，arXiv发布关于拓扑无关时空预测模型OmniST的研究。该模型的计算完全不依赖节点数量，并结合归纳式分裂共形校准，可在任意及未见传感器位置提供具备覆盖保证的预测区间。实验显示，在德里空气质量数据上，OmniST的30天PM2.5 MAE为31.0 ug/m3，且在移除40%站点时性能降幅至多1.1%。此外，其在未见站点的归纳预测性能比IGNNK高出约21%，并在节点丢失30%至50%的情况下覆盖率仍保持在90%以上。
AI-generated from reports · Updated 19 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习OmniST：未见传感器位置下具覆盖保证的拓扑无关时空预测模型
OmniST 是一种计算完全不依赖节点数量的拓扑无关时空预测模型，结合归纳式分裂共形校准，可在任意及未见传感器位置提供具备覆盖保证的预测区间。在德里空气质量数据上，该模型 30 天 PM2.5 MAE 为 31.0 ug/m3，且在移除 40% 站点时性能降幅至多 1.1%。其在未见站点的归纳预测比 IGNNK 高出约 21%，在节点丢失 30-50% 时覆盖率仍保持在 90% 以上。
Story heat trend
Current heat 6·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.