📊 statistics

Manifold Constrained Conformal Prediction for Spatial Events

Este artículo introduce un nuevo método de predicción conforme con restricciones de variedad que utiliza la distancia de Wasserstein y el muestreo basado en flujo para generar conjuntos de predicción calibrados y de baja energía para eventos espaciales como ciclones tropicales y terremotos, superando a los modelos de referencia existentes tanto en precisión de cobertura como en fidelidad geométrica.

Autores originales: Collin Nill, Trevor Harris, Jason Adams

Publicado 2026-07-14

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Collin Nill, Trevor Harris, Jason Adams

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás tratando de predecir dónde nacerá una tormenta o dónde ocurrirá el próximo terremoto. No quieres solo un punto en un mapa; quieres conocer toda la "nube" de posibilidades. ¿Habrá una gran tormenta o diez pequeñas? ¿Se agruparán cerca del ecuador o se dispersarán?

Durante mucho tiempo, los científicos han intentado dibujar una red de seguridad alrededor de estas predicciones. Quieren decir: "Estamos 90% seguros de que el evento real estará dentro de esta red". Pero aquí está el problema: las redes que han estado usando suelen ser demasiado amplias. Incluyen lugares donde las tormentas podrían ocurrir matemáticamente, pero donde la naturaleza nunca las enviaría. Es como dibujar una red de seguridad alrededor de una ciudad que incluye la luna porque, técnicamente, un cohete podría ir allá.

Este artículo introduce una nueva forma de ajustar esa red. Los autores, Collin Nill, Trevor A. Harris y Jason Adams, proponen un método llamado Predicción Conforme con Restricción de Variedad (Manifold Constrained Conformal Prediction).

El problema de la "Nube"

Piensa en una temporada de ciclones tropicales o una secuencia de terremotos no como un solo punto, sino como una nube de puntos flotando sobre un globo gigante. Algunas nubes tienen 50 puntos; otras tienen 200. Pueden estar dispersas o agrupadas.

Los métodos antiguos intentaban medir la distancia entre una nube predicha y una nube real restando una de la otra. Pero no puedes restar fácilmente una nube de 50 puntos de una nube de 200 puntos. Es como intentar restar un puñado de canicas de un cubo de arena. La matemática se vuelve complicada, y la "red de seguridad" resultante termina siendo una bola gigante y borrosa que cubre casi todo, incluyendo lugares que no tienen sentido físico.

El nuevo truco: Medir la "Forma"

Los autores sugieren una forma más inteligente de medir la distancia entre estas nubes. En lugar de contar puntos, tratan las nubes como distribuciones de peso. Imagina verter arena sobre un globo para representar dónde podrían estar las tormentas.

Utilizan una herramienta matemática llamada distancia de Wasserstein esférica por rebanadas (Spherical Sliced Wasserstein distance). Piensa en esto como tomar un rebanador gigante e invisible y cortar el globo en finas rodajas (como un pan de molde). Comparan cómo se distribuye la "arena" en cada rodaja. Si dos nubes se ven similares, sus rodajas coinciden. Si son diferentes, sus rodajas se ven muy distintas. Esto les permite medir la distancia entre nubes de cualquier tamaño o forma sin confundirse.

La restricción de la "Variedad" (Manifold): Mantenerse en los rieles

Aquí es donde ocurre la verdadera magia. Incluso con esta mejor herramienta de medición, la "red de seguridad" (el conjunto de predicción) que construyen sigue siendo demasiado grande. Incluye formas extrañas e imposibles, como una nube de tormenta flotando en medio de un océano donde no existe océano alguno, o un terremoto ocurriendo en medio de una cordillera sólida.

En el mundo real, la naturaleza sigue reglas. Los terremotos ocurren a lo largo de fallas (grietas en la corteza terrestre). Los ciclones tropicales nacen en cuencas oceánicas específicas con agua cálida. Estas reglas forman una "pista" oculta o una variedad (manifold).

El método de los autores añade un "riel" especial a su predicción. Dicen: "Construiremos nuestra red de seguridad, pero solo permitiremos que la red exista donde los datos de entrenamiento nos han mostrado que la naturaleza realmente transita".

Hacen esto verificando cada predicción posible contra los datos de entrenamiento (el historial de tormentas y sismos pasados). Si una nube predicha está demasiado lejos de cualquier nube vista en el pasado, la descartan. Esto obliga a la predicción a mantenerse "sobre los rieles" de la realidad física.

Lo que encontraron (y lo que no)

Los autores probaron esta idea de tres maneras:

Datos Falsos: Crearon simulaciones por computadora de puntos aleatorios, espirales y patrones autoexcitables (como terremotos que desencadenan más terremotos).
Tormentas Reales: Observaron la genésis de ciclones tropicales (donde nacen las tormentas) utilizando datos de 1980 a 2025.
Terremotos Reales: Observaron los terremotos en California (magnitud 4.0 o superior) de 1976 a 2025.

Los Resultados:

Cobertura: En sus simulaciones, el método capturó con éxito los eventos reales aproximadamente el 90% de las veces (cuando pedían una garantía del 90%). Esto coincide perfectamente con la teoría.
Mejor que el resto: Al comparar su método con otras técnicas populares (como las "Regiones de Máxima Densidad" o modelos generativos avanzados como Difusión y VAE), su método produjo conjuntos de predicción que estaban mucho más cerca de los datos reales.
- Para los terremotos de California, su método tuvo una "distancia de variedad" (qué tan lejos de las fallas estaba la predicción) de 0.19 (escalado por 100), mientras que un método estándar basado en flujo tenía 1.79. Esto significa que su método mantuvo las predicciones abrazando estrechamente las líneas de falla, mientras que otros dejaron que derivaran hacia lugares imposibles.
- Para los ciclones tropicales, su método mantuvo las predicciones concentradas en las cuencas oceánicas conocidas, mientras que otros métodos permitieron que las predicciones se dispersaran sobre la tierra y aguas frías.

Lo que descartan:
El artículo argumenta explícitamente en contra del uso de métodos estándar de "Región de Máxima Densidad" (HDR) o modelos generativos sin restricciones para este trabajo específico. Encontraron que, aunque algunos de esos modelos (como Difusión) podrían parecer estadísticamente precisos en el papel, a menudo generan resultados "físicamente implausibles", como predecir que un huracán se formará en medio del desierto del Sahara. Los autores demuestran que, sin su "restricción de variedad", estos modelos no respetan las reglas físicas del mundo.

¿Qué tan seguros están?

Los autores están muy seguros de la matemática detrás de la garantía de cobertura (es un límite inferior probado), pero son cuidadosos al decir que sus resultados de rendimiento provienen de experimentos y simulaciones.

No afirman que este sea la "solución final" para todos los desastres naturales.
Observan que, en sus simulaciones, el método funciona mejor cuando tienen suficientes datos históricos para definir los "rieles" (la variedad).
Descubrieron que si establecen la "tolerancia" de los rieles demasiado estricta, el método podría perder el evento real. Pero demostraron que, al elegir una tolerancia que cubra todos los datos de entrenamiento, obtienen una cobertura casi perfecta.

La conclusión

Este artículo no solo dice "tenemos una calculadora mejor". Dice: "Tenemos una forma de forzar nuestras predicciones a respetar las leyes de la física".

Al combinar una nueva forma de medir la distancia entre nubes de eventos con una regla que dice "mantente cerca de donde la naturaleza ha estado antes", crearon una herramienta de predicción que es tanto estadísticamente confiable (atrapa la verdad el 90% de las veces) como físicamente sensible (no predice terremotos en el cielo). Es una forma de asegurar que, cuando miremos el futuro de los peligros naturales, nuestras redes de seguridad sean lo suficientemente ajustadas para ser útiles, pero no tan laxas como para incluir lo imposible.

Resumen Técnico: Predicción Conforme Restringida por Variedad para Eventos Espaciales

Declaración del Problema

Los peligros naturales como los ciclones tropicales, los terremotos y los incendios forestales se manifiestan como configuraciones discretas y espacialmente organizadas de eventos (nubes de puntos) en lugar de campos continuos. El número, las posiciones y la disposición espacial de estos eventos son críticos para la evaluación de riesgos, particularmente para peligros compuestos y extremos. Sin embargo, pronosticar estos fenómenos presenta desafíos únicos:

Cardinalidad Variable: El número de eventos en una configuración varía, lo que hace que los puntajes de conformidad basados en residuos estándar (por ejemplo, $y - \hat{y}$ ) no estén bien definidos.
Falta de Calibración: Los sistemas de pronóstico modernos (modelos climáticos, conjuntos de aprendizaje profundo) producen distribuciones sobre configuraciones, pero no garantizan estar calibrados; un percentil 90 del conjunto no implica inherentemente una cobertura del 90% de la verdadera nube de eventos.
Imposibilidad Física: Las regiones de predicción conformal estándar, cuando se definen sobre el espacio de todas las distribuciones posibles, suelen incluir configuraciones físicamente imposibles (por ejemplo, terremotos ocurriendo en medio del océano o ciclones formándose en latitudes no tropicales) porque carecen de restricciones basadas en la variedad subyacente de los datos generadores.

Los métodos existentes, como los estimadores de Región de Máxima Densidad (HDR) o los posteriors Bayesianos, o bien fallan al no proporcionar garantías de cobertura post-hoc para modelos arbitrarios, o requieren supuestos paramétricos específicos que pueden no cumplirse.

Metodología

Los autores proponen un marco de Predicción Conformal Restringida por Variedad que opera en el espacio de las medidas de probabilidad para generar conjuntos de predicción calibrados para nubes de puntos espaciales.

1. Representación y Puntaje

Medidas Empíricas: Las nubes de puntos $Y$ se representan como medidas empíricas $\mu_Y = \frac{1}{|Y|}\sum \delta_y$ , incrustándolas en el espacio de Wasserstein $P_2(S^2)$ . Esto permite la comparación de nubes con diferentes cardinalidades.
Puntaje de Conformidad: La discrepancia entre un objetivo observado y una predicción del modelo se mide utilizando la distancia de Wasserstein Segmentada Esférica (SSW), $SSW_2(\mu_Y, f(X))$ . Esta métrica respeta la geometría geodésica de la esfera y es computacionalmente tratable ( $O(n \log n)$ ) mediante la proyección de Monte Carlo sobre grandes círculos.
Región Ambiente: Se construye una región de predicción conformal dividida estándar como una bola SSW de radio $\tau_\alpha$ alrededor de la predicción: $C^{amb}_\alpha = \{Y : S(Y, f(X)) \leq \tau_\alpha\}$ . Esto garantiza la cobertura $P(Y_{n+1} \in C^{amb}_\alpha) \geq 1-\alpha$ bajo intercambiabilidad.

2. Restricción de la Variedad

Para eliminar configuraciones físicamente implausibles, el método restringe el conjunto de predicción a un subconjunto del espacio soportado cerca de la variedad de los datos de entrenamiento $\mathcal{M}$ .

Variedad Empírica: Dado que la verdadera variedad es desconocida, se aproxima mediante los objetivos de entrenamiento $D_0$ . Se define una "discrepancia de variedad" $d_M(Y)$ como la distancia SSW mínima desde una nube candidata $Y$ hacia cualquier nube de entrenamiento en $D_0$ .
Restricción de Tubo: Se introduce una tolerancia $\epsilon$ para definir un tubo empírico. El conjunto de predicción final es la intersección de la bola conformal ambiente y este tubo:
$C_\alpha(X) = \{Y : S(Y, f(X)) \leq \tau_\alpha, \ d_M(Y) \leq \epsilon\}$
Garantía de Cobertura: Los autores derivan un límite inferior para la cobertura de este conjunto intersectado. Aunque la intersección reduce el tamaño del conjunto, se demuestra que la brecha de cobertura es pequeña y decrece exponencialmente con el tamaño del conjunto de entrenamiento, siempre que $\epsilon$ se elija para cubrir adecuadamente los datos de entrenamiento.

3. Muestreo Basado en Flujo Restringido

Debido a que el conjunto resultante $C_\alpha$ no es analíticamente tratable, los autores introducen un flujo de gradiente restringido para muestrear desde su frontera.

Campo de Velocidad: Una nube de puntos candidata $Y(t)$ evoluciona a través de una ODE. El campo de velocidad $v(y)$ se deriva para conducir simultáneamente el puntaje de conformidad $S(y)$ hacia el cuantil $\tau_\alpha$ y la discrepancia de la variedad $d_M(y)$ hacia el límite $\epsilon$ (si está fuera).
Optimización: La velocidad es la solución de norma mínima de un sistema lineal definido por los gradientes del puntaje y la discrepancia de la variedad, asegurando que la trayectoria converja a la frontera de la región restringida por la variedad sin introducir un desplazamiento innecesario.
Generación de Conjuntos: Al marginalizar sobre una secuencia de estos muestreadores, el método produce una distribución predictiva calibrada representada como un conjunto de nubes de eventos geofísicamente coherentes.

Contribuciones Clave

Nuevo Marco Conformal: El primer método de predicción conformal diseñado específicamente para nubes de puntos espaciales en una esfera, utilizando transporte óptimo (SSW) para el puntaje.
Restricción de Variedad: La introducción de una restricción de variedad empírica que restringe los conjuntos de predicción a regiones físicamente plausibles, abordando el problema de las muestras "fuera de la variedad" comunes en las predicciones distribucionales no restringidas.
Garantías Teóricas: Derivación de un límite inferior de cobertura para los conjuntos restringidos por la variedad, cuantificando la relación entre la tolerancia de la restricción $\epsilon$ y la probabilidad de cobertura.
Algoritmo de Muestreo: Un procedimiento de muestreo basado en flujo modificado que genera conjuntos que satisfacen tanto la garantía de cobertura conformal como la restricción de la variedad.

Resultados

El método fue evaluado con datos sintéticos (Poisson Homogéneo, Espiral, Poisson Inhomogéneo, procesos de Hawkes) y datos geofísicos reales (Génesis de Ciclones Tropicales y Terremotos en California).

Cobertura: El método logra una cobertura cercana a la nominal (por ejemplo, ~90% para $\alpha=0.1$ ) en todos los entornos sintéticos y del mundo real. Se demuestra que la cobertura empírica es robusta al número de cortes SSW y al tamaño de calibración, siempre que $\epsilon$ se establezca de manera conservadora para cubrir los datos de entrenamiento.
Habilidad de Pronóstico (Distancia de Energía): El campo de velocidad restringido (CVF) logra consistentemente una Distancia de Energía (ED) menor en comparación con los métodos de flujo no restringidos (VF) y los baselines estándar (HDR, Difusión, Flujos Normalizantes, VAE).
Adherencia a la Variedad: El CVF reduce significativamente la Distancia de la Variedad (MD) en comparación con los métodos no restringidos.
- En el pronóstico de Ciclones Tropicales, el CVF concentra las predicciones en las cuencas observadas, mientras que los métodos no restringidos (como la Difusión) a menudo dispersan la masa en regiones inválidas (por ejemplo, el Atlántico medio) para minimizar la ED, lo que resulta en una MD alta.
- En el pronóstico de Terremotos, donde los eventos están estrictamente confinados a las líneas de falla, el CVF mantiene una MD baja (0.19) en comparación con los flujos no restringidos (1.79), asegurando que las predicciones permanezcan geofísicamente válidas.
Comparación con Baselines: Aunque los modelos generativos (Difusión) a veces logran ED competitivos, a menudo fallan en respetar la variedad física. Los métodos HDR proporcionan regiones válidas pero carecen de la flexibilidad y las garantías de calibración del enfoque conformal propuesto.

Significancia

El artículo sostiene que cuantificar la incertidumbre para eventos espaciales requiere ir más allá de los resúmenes escalares o las predicciones distribucionales no restringidas. El método propuesto proporciona un procedimiento de calibración post-hoc que funciona con cualquier modelo de pronóstico, garantiza la cobertura bajo intercambiabilidad y asegura que los conjuntos de predicción resultantes sean geofísicamente coherentes. Al restringir las predicciones a la variedad de los datos, el método produce conjuntos de incertidumbre que no solo son estadísticamente válidos, sino también accionables para la evaluación de riesgos, evitando la inclusión de escenarios físicamente imposibles que plagan a los modelos generativos no restringidos. El enfoque cierra la brecha entre las garantías de cobertura estadística rigurosa y las restricciones físicas inherentes al modelado de peligros naturales.