实值与计数时间序列预测的高效概率协调

层次时间序列在若干应用领域中十分常见。这些时间序列的预测要求具有一致性，即满足由层次结构给出的约束。最流行的强制一致性技术称为协调，其对为每个时间序列计算的基准预测进行调整。然而，近期关于概率协调的研究存在若干局限。在本文中，我们提出一种基于条件化的新方法来协调任意类型的预测分布。随后我们引入一种称为自底向上重要性采样的新算法，以从协调后的分布中高效采样。它可用于任意基准预测分布：离散、连续或样本形式，相较于现有方法实现了显著的加速。在多个时间层次上的实验表明，相较基准概率预测有显著改进。