受因果关系启发的安全残差校正，用于多元时间序列预测

本文解决了多元时间序列预测中的一个关键问题：事后校正方法在未见场景中可能降低性能。它提出了一个新颖的框架 CRC，旨在通过受因果关系启发的方法和严格的安全机制来提高准确性，同时保证非退化。这很重要，因为它解决了部署高级预测模型中的安全差距，确保了在实际应用中的可靠性。

• •提出了 CRC，一个用于多元时间序列预测中安全残差校正的框架。
• •采用了受因果关系启发的编码器和混合校正器。
• •包含一个四重安全机制，以防止性能下降。
• •在多个数据集上展示了改进的准确性和高非退化率。