📊 statistics

Manifold Constrained Conformal Prediction for Spatial Events

Dit artikel introduceert een nieuwe variabele met een manifold-restrictie voor conformistische voorspelling die de Wasserstein-afstand en flow-gebaseerde bemonstering gebruikt om gekalibreerde, laag-energetische voorspellingssets te genereren voor ruimtelijke gebeurtenissen zoals tropische cyclonen en aardbevingen, waarbij het bestaande baselines overtreft in zowel dekking nauwkeurigheid als geometrische getrouwheid.

Oorspronkelijke auteurs: Collin Nill, Trevor Harris, Jason Adams

Gepubliceerd 2026-07-14

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Collin Nill, Trevor Harris, Jason Adams

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert te voorspellen waar een storm zal ontstaan, of waar de volgende aardbeving zal plaatsvinden. Je wilt niet alleen een enkel punt op een kaart; je wilt de hele "wolk" van mogelijkheden kennen. Zal er één grote storm zijn of tien kleine? Zullen ze zich dicht bij de evenaar concentreren of verspreid raken?

Lange tijd hebben wetenschappers geprobeerd een vangnet rond deze voorspellingen te tekenen. Ze willen kunnen zeggen: "We zijn 90% zeker dat de werkelijke gebeurtenis binnen dit net valt." Maar hier is het probleem: de netten die ze tot nu toe hebben gebruikt, zijn vaak te ruim. Ze bevatten plaatsen waar stormen wiskundig gezien zouden kunnen voorkomen, maar waar de natuur ze nooit zou sturen. Het is alsof je een veiligheidsnet rond een stad tekent dat ook de maan omvat omdat een raket daar technisch gezien zou kunnen gaan.

Dit artikel introduceert een nieuwe manier om dat net aan te spannen. De auteurs, Collin Nill, Trevor A. Harris en Jason Adams, stellen een methode voor genaamd Manifold Constrained Conformal Prediction.

Het "Wolk"-probleem

Beschouw een seizoen van tropische cyclonen of een reeks aardbevingen niet als een enkel punt, maar als een wolk van stippen die op een gigantische wereldbol zweeft. Sommige wolken hebben 50 stippen; andere hebben 200. Ze kunnen verspreid zijn of geclusterd.

Oude methoden probeerden de afstand tussen een voorspelde wolk en een echte wolk te meten door de ene van de andere af te trekken. Maar je kunt een wolk van 50 stippen niet gemakkelijk aftrekken van een wolk van 200 stippen. Het is alsof je een handvol knikkers probeert af te trekken van een emmer zand. De wiskunde wordt rommelig, en de resulterende "veiligheidsnet" eindigt als een gigantische, vage bal die bijna alles beslaat, inclusief plaatsen die fysiek geen zin hebben.

De Nieuwe Truc: Het Meten van de "Vorm"

De auteurs stellen een slimmere manier voor om de afstand tussen deze wolken te meten. In plaats van het tellen van stippen, behandelen ze de wolken als verdelingen van gewicht. Stel je voor dat je zand op een wereldbol giet om te representeren waar de stormen zouden kunnen zijn.

Ze gebruiken een wiskundig instrument genaamd de Spherical Sliced Wasserstein distance. Denk hierbij aan het nemen van een gigantische, onzichtbare snijder en het doorsnijden van de wereldbol in dunne plakken (zoals een brood). Ze vergelijken hoe het "zand" op elke plak is verdeeld. Als twee wolken op elkaar lijken, komen hun plakken overeen. Als ze verschillend zijn, zien de plakken er heel anders uit. Dit stelt hen in staat om de afstand tussen wolken van elke grootte of vorm te meten zonder in de war te raken.

De "Manifold"-beperking: Op de Rails Blijven

Hier gebeurt de echte magie. Zelfs met dit betere meetinstrument is het "veiligheidsnet" (de voorspellingsset) dat ze bouwen nog steeds te groot. Het bevat vreemde, onmogelijke vormen—zoals een stormwolk die zweeft in het midden van een oceaan waar geen oceaan bestaat, of een aardbeving in het midden van een massieve bergketen.

In de echte wereld volgen natuurlijke processen regels. Aardbevingen vinden plaats langs breuklijnen (scheuren in de aardkorst). Tropische cyclonen worden geboren in specifieke oceaanbekkens met warm water. Deze regels vormen een verborgen "spoor" of een manifold.

De methode van de auteurs voegt een speciale "rail" toe aan hun voorspelling. Ze zeggen: "We zullen ons veiligheidsnet bouwen, maar we laten het net alleen bestaan op de plekken waar de trainingsdata ons heeft laten zien dat de natuur daadwerkelijk naartoe gaat."

Ze doen dit door elke mogelijke voorspelling te controleren tegen de trainingsdata (de geschiedenis van eerdere stormen en bevingen). Als een voorspelde wolk te ver verwijderd is van elke wolk die in het verleden is gezien, gooien ze deze eruit. Dit dwingt de voorspelling om "op de rails" van de fysieke realiteit te blijven.

Wat Ze Vonden (En Wat Ze Niet Vonden)

De auteurs hebben deze methode op drie manieren getest:

Fictieve Data: Ze creëerden computersimulaties van willekeurige stippen, spiralen en zelf-exciterende patronen (zoals aardbevingen die meer aardbevingen triggeren).
Echte Stormen: Ze keken naar de genese van tropische cyclonen (waar stormen worden geboren) met behulp van data van 1980 tot 2025.
Echte Bevingen: Ze keken naar aardbevingen in Californië (magnitude 4.0 en hoger) van 1976 tot 2025.

De Resultaten:

Dekking: In hun simulaties slaagde de methode erin om de echte gebeurtenissen ongeveer 90% van de tijd te vangen (wanneer ze om een garantie van 90% vroegen). Dit komt perfect overeen met de theorie.
Beter dan de Rest: Wanneer ze hun methode vergeleken met andere populaire technieken (zoals "Highest Density Regions" of geavanceerde AI-modellen zoals Diffusion en VAEs), produceerde hun methode voorspellingssets die veel dichter bij de werkelijke data lagen.
- Voor de Californische aardbevingen had hun methode een "manifold afstand" (hoe ver de voorspelling van de breuklijnen af lag) van 0,19 (geschaald naar 100), terwijl een standaard flow-gebaseerde methode een score van 1,79 had. Dit betekent dat hun methode de voorspellingen strak langs de breuklijnen hield, terwijl anderen ze naar onmogelijke plekken liet afdrijven.
- Voor tropische cyclonen hield hun methode de voorspellingen geconcentreerd in de bekende oceaanbekkens, terwijl andere methoden de voorspellingen lieten verspreiden over land en koud water.

Wat Ze Uitsluiten:
Het artikel argumenteert expliciet tegen het gebruik van standaard "Highest Density Region" (HDR)-methoden of onbeperkte generatieve modellen voor deze specifieke taak. Ze vonden dat hoewel sommige van die modellen (zoals Diffusion) op papier statistisch accuraat kunnen lijken, ze vaak "fysiek onwaarschijnlijke" resultaten genereren—zoals het voorspellen van een orkaan die midden in de Sahara ontstaat. De auteurs laten zien dat zonder hun "manifold constraint", deze modellen de fysieke regels van de wereld niet respecteren.

Hoe Zeker Zijn Ze?

De auteurs zijn zeer vertrouwd met de wiskunde achter de dekking-garantie (het is een bewezen ondergrens), maar ze zijn voorzichtig in hun bewoordingen door te zeggen dat hun prestatieresultaten voortkomen uit experimenten en simulaties.

Ze beweren niet dat dit de "definitieve oplossing" is voor alle natuurlijke rampen.
Ze merken op dat hun methode in hun simulaties het beste werkt wanneer ze voldoende historische data hebben om de "rails" (de manifold) te definiëren.
Ze ontdekten dat als ze de "tolerantie" van de rails te strikt instellen, de methode de echte gebeurtenis misschien mist. Maar ze toonden aan dat door een tolerantie te kiezen die alle trainingsdata dekt, ze bijna perfecte dekking krijgen.

De Kernboodschap

Dit artikel zegt niet alleen: "We hebben een betere rekenmachine." Het zegt: "We hebben een manier om onze voorspellingen te dwingen de natuurwetten te respecteren."

Door een nieuwe manier te combineren om de afstand tussen gebeurteniswolken te meten met een regel die zegt "blijf dicht bij waar de natuur eerder is geweest", hebben ze een voorspellingsinstrument gecreëerd dat zowel statistisch betrouwbaar is (het vangt de waarheid 90% van de tijd) als fysiek zinvol (het voorspelt geen aardbevingen in de lucht). Het is een manier om ervoor te zorgen dat wanneer we naar de toekomst van natuurlijke gevaren kijken, onze veiligheidsnetten strak genoeg zijn om nuttig te zijn, maar niet zo los dat ze het onmogelijke bevatten.

Technische Samenvatting: Manifold Constrained Conformal Prediction voor Ruimtelijke Gebeurtenissen

Probleemstelling

Natuurlijke gevaren zoals tropische cyclonen, aardbevingen en bosbranden manifesteren zich als discrete, ruimtelijk georganiseerde configuraties van gebeurtenissen (puntenwolken) in plaats van continue velden. Het aantal, de posities en de ruimtelijke ordening van deze gebeurtenissen zijn cruciaal voor risicobeoordeling, met name voor samengestelde en extreme gevaren. Het voorspellen van deze fenomenen brengt echter unieke uitdagingen met zich mee:

Variabele Cardinaliteit: Het aantal gebeurtenissen in een configuratie varieert, waardoor standaard residu-gebaseerde conformiteitsscores (bijv. $y - \hat{y}$ ) slecht gedefinieerd zijn.
Gebrek aan Kalibratie: Moderne voorspellingssystemen (klimaatmodellen, deep learning ensembles) produceren distributies over configuraties, maar zijn niet gegarandeerd gekalibreerd; een 90e percentiel ensemble impliceert niet inherent 90% dekking van de werkelijke gebeurteniswolk.
Fysieke Onmogelijkheid: Standaard conformal prediction regio's, wanneer ze worden gedefinieerd over de ruimte van alle mogelijke distributies, bevatten vaak fysiek onmogelijke configuraties (bijv. aardbevingen midden in de oceaan of cyclonen die ontstaan in niet-tropische breedtegraden) omdat ze geen beperkingen hebben gebaseerd op de onderliggende data-manifold.

Bestaande methoden, zoals Highest Density Region (HDR) schatters of Bayesiaanse posteriors, falen ofwel in het bieden van post-hoc dekkinggaranties voor willekeurige modellen, of vereisen specifieke parametrische aannames die mogelijk niet standhouden.

Methodologie

De auteurs stellen een Manifold Constrained Conformal Prediction raamwerk voor dat opereert op de ruimte van waarschijnlijkheidsmaten om gekalibreerde voorspellingssets te genereren voor ruimtelijke puntenwolken.

1. Representatie en Scoring

Empirische Maten: Puntenwolken $Y$ worden gerepresenteerd als empirische maten $\mu_Y = \frac{1}{|Y|}\sum \delta_y$ , waarbij ze worden ingebed in de Wasserstein-ruimte $P_2(S^2)$ . Dit maakt het vergelijken van wolken met verschillende cardinaliteiten mogelijk.
Conformiteitsscore: De discrepantie tussen een geobserveerde target en een modelvoorspelling wordt gemeten met de Spherical Sliced Wasserstein (SSW) afstand, $SSW_2(\mu_Y, f(X))$ . Deze metriek respecteert de geodesische geometrie van de sfeer en is computationeel hanteerbaar ( $O(n \log n)$ ) via Monte Carlo-projectie op grootcirkels.
Ambiente Regio: Een standaard split conformal prediction regio wordt geconstrueerd als een SSW-bol met straal $\tau_\alpha$ rond de voorspelling: $C^{amb}_\alpha = \{Y : S(Y, f(X)) \leq \tau_\alpha\}$ . Dit garandeert dekking $P(Y_{n+1} \in C^{amb}_\alpha) \geq 1-\alpha$ onder exchangeability.

2. Manifold Restrictie

Om fysiek onmogelijke configuraties te elimineren, beperkt de methode de voorspellingsset tot een deelverzameling van de ruimte die ondersteund wordt nabij de trainingsdata-manifold $\mathcal{M}$ .

Empirische Manifold: Omdat de ware manifold onbekend is, wordt deze benaderd door de trainingsdoelen $D_0$ . Een "manifold discrepantie" $d_M(Y)$ wordt gedefinieerd als de minimale SSW-afstand van een kandidaat-wolk $Y$ tot een trainingswolk in $D_0$ .
Tube Constraint: Een tolerantie $\epsilon$ wordt geïntroduceerd om een empirische tube te definiëren. De uiteindelijke voorspellingsset is de intersectie van de ambiente conformal bol en deze tube:
$C_\alpha(X) = \{Y : S(Y, f(X)) \leq \tau_\alpha, \ d_M(Y) \leq \epsilon\}$
Dekkinggarantie: De auteurs leiden een ondergrens af voor de dekking van deze geïntersecteerde set. Hoewel de intersectie de setgrootte vermindert, is aangetoond dat de dekkingskloof klein is en exponentieel afneemt met de omvang van de trainingsset, mits $\epsilon$ zodanig wordt gekozen dat de trainingsdata adequaat wordt gedekt.

3. Constrained Flow-Based Sampling

Omdat de resulterende set $C_\alpha$ niet analytisch hanteerbaar is, introduceren de auteurs een constrained gradient flow om te samplen van de rand van de set.

Velocity Field: Een tijd-geïndexeerde kandidaat-wolk $Y(t)$ wordt geëvolueerd via een ODE. Het snelheidveld $v(y)$ wordt afgeleid om de conformiteitsscore $S(y)$ simultaan naar het kwantiel $\tau_\alpha$ te drijven en de manifold discrepantie $d_M(y)$ naar de grens $\epsilon$ (indien buiten de grens).
Optimalisatie: De snelheid is de oplossing met de minimale norm van een lineair systeem gedefinieerd door de gradiënten van de score en de manifold discrepantie, wat ervoor zorgt dat het traject convergeert naar de rand van de manifold-beperkte regio zonder onnodige drift te introduceren.
Ensemble Generatie: Door te marginaliseren over een sequentie van deze samplers, produceert de methode een gekalibreerde voorspellende distributie, gerepresenteerd als een ensemble van geofysisch coherente gebeurteniswolken.

Belangrijkste Bijdragen

Nieuw Conformal Raamwerk: De eerste conformal prediction methode die specifelijk is ontworpen voor ruimtelijke puntenwolken op een sfeer, gebruikmakend van optimal transport (SSW) voor scoring.
Manifold Constraint: De introductie van een empirische manifold constraint die voorspellingssets beperkt tot fysiek plausibele regio's, wat het probleem van "off-manifold" samples (veelvoorkomend bij onbeperkte distributionele voorspellingen) aanpakt.
Theoretische Garanties: Afleiding van een dekking-ondergrens voor de manifold-geconstraineerde sets, waarbij de afruil tussen de constraint-tolerantie $\epsilon$ en de dekkingwaarschijnlijkheid wordt gekwantificeerd.
Sampling Algoritme: Een aangepaste flow-gebaseerde sampling procedure die ensembles genereert die zowel de conformal dekking garantie als de manifold constraint voldoen.

Resultaten

De methode werd geëvalueerd op synthetische data (Homogene Poisson, Spiral, Inhomogeneous Poisson, Hawkes processen) en echte geofysische data (Tropische Cycloon genesis en Californische Aardbevingen).

Dekking: De methode bereikt bijna nominale dekking (bijv. ~90% voor $\alpha=0.1$ ) in alle synthetische en echte wereld settings. De empirische dekking is robuust ten op toe van het aantal SSW-slices en de kalibratiegrootte, mits $\epsilon$ conservatief wordt ingesteld om de trainingsdata te dekken.
Forecast Skill (Energy Distance): Het geconstraineerde snelheidveld (CVF) bereikt consequent een lagere Energy Distance (ED) vergeleken met onbeperkte flow-gebaseerde methoden (VF) en standaard baselines (HDR, Diffusion, Normalizing Flows, VAE).
Manifold Adherence: CVF vermindert de Manifold Distance (MD) aanzienlijk vergeleken met onbeperkte methoden.
- Bij de forecasting van Tropische Cyclonen concentreert CVF voorspellingen in geobserveerde bassins, terwijl onbeperkte methoden (zoals Diffusion) vaak massa in ongeldige regio's verspreiden (bijv. de midden-Atlantische Oceaan) om de ED te minimaliseren, wat resulteert in een hoge MD.
- Bij Aardbevingen forecasting, waarbij gebeurtenissen strikt beperkt zijn tot breuklijnen, behoudt CVF een lage MD (0.19) vergeleken met onbeperkte flows (1.79), wat ervoor zorgt dat voorspellingen geofysisch valide blijven.
Vergelijking met Baselines: Terwijl generatieve modellen (Diffusion) soms concurrerende ED bereiken, falen ze vaak om de fysieke manifold te respecteren. HDR-methoden bieden geldige regio's, maar missen de flexibiliteit en de kalibratiegaranties van de voorgestelde conformal aanpak.

Betekenis

Het artikel stelt dat het kwantificeren van onzekerheid voor ruimtelijke gebeurtenissen vereist dat men verder kijkt dan scalaire samenvattingen of onbeperkte distributionele voorspellingen. De voorgestelde methode biedt een post-hoc kalibratieprocedure die werkt met elk forecasting model, dekking garandeert onder exchangeability, en ervoor zorgt dat de resulterende voorspellingssets geofysisch coherent zijn. Door voorspellingen te beperken tot de data-manifold, produceert de methode onzekerheidssets die niet alleen statistisch valide zijn, maar ook actiegericht voor risicobeoordeling, door het vermijden van de inclusie van fysiek onmogelijke scenario's die de onbeperkte generatieve modellen teisteren. De aanpak overbrugt de kloof tussen rigoureuze statistische dekkinggaranties en de fysieke beperkingen die inherent zijn aan natuurlijke gevarenmodellering.