【报告内容】

汇报人： 梁帅鹏

汇报单位：河海大学

主题：FITS: Conditional Diffusion Model for Irregular Time Series Forecasting with Pseudo-Future Exogenous Covariates

1、Introduction

2、Method

3、Experiments

4、Conclusion

【报告总结】

1、待解决的问题描述

本文针对不规则多变量时间序列（IMTS）预测中现有扩散模型无法处理稀疏采样、条件表示学习不充分、固定分块破坏局部语义三大问题，提出了 FITS 框架。

2、相关创新方案

该框架包含三个核心创新：

一是熵感知自适应分块，利用样本熵动态调整 patch 边界，避免信息碎片化；

二是跨变量注意力 Transformer，将协变量的伪未来段作为 Value，从外生变量中提取前瞻性先验知识；

三是条件扩散生成，将编码器输出的条件表示融入反向去噪过程，实现统一框架下的概率分布预测。

3、实验总结

实验在 7 个数据集上对比 7 个基线，FITS 在概率预测指标 CRPS/QICE 上全面领先，点预测平均排名第一（2.29），内存仅为 TMDM 的 1/160。消融实验验证了各组件的正向贡献。

局限性在于变量独立性较强的数据集（如 Weather）上跨变量注意力可能引入噪声。

4、未来工作

针对变量独立性较强的数据集（如 Weather），可以引入自

适应门控机制，让模型自动判断是否需要利用跨变量信息。当协变量贡献不大时，门控机制自动退化为单变量预测模式，避免跨变量注意力引入噪声。

报告时间：2026年07月24日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)