EviHyper：基于不规则采样多通道信号的查询条件化超图预测

《Digital Signal Processing》：EviHyper: Query-Conditioned Hypergraph Forecasting from Irregularly Sampled Multichannel Signals

　　

# EviHyper 论文总结

## 研究问题

EviHyper 解决的是**不规则多通道环境时间序列预测**中的"查询-支撑不匹配"(query-support mismatch)问题：填充缺失值后得到的是有限数值的数组，但并没有回答"哪些已采集的测量应该支撑某一次特定预测"。不同通道可能有不同的缺失模式，一个通道在预测时可能是新鲜的，另一个可能已经过期。

---

## 核心方法

### 1. 查询条件化超图 (Query-Conditioned Hypergraph)
- **顶点**：仅由采集掩码 $M$ 允许的记录通道-时间样本构成
- **对每个查询 $q=(h, n)$（目标通道 $n$ + 预测步长 $h$）重新构建超图**
- 不依赖永久传感器图，incidence 随查询和当前掩码变化

### 2. 四路 Top-K 选择
对每个查询独立排名，选出四类支撑：
| 排名维度 | 含义 |
|---|---|
| Recency | 最近的时间样本 |
| Phase-match | 周期相位匹配 |
| Cross-channel | 跨通道关联 |
| Local change | 局部变化附近的样本 |

### 3. 四分量耦合与边界控制
- 选出的状态通过值、相位、通道关联、可靠性四个特征块表示
- **目标尺度边界**：对选定值的读出和神经残差施加截断，当目标通道陈旧/弱观测/近乎恒定时限制影响
- 候选混合提供参照预测

### 4. 双历史维护
- **对齐载体**：因果前向填充，供局部差分和参照预测用
- **超图**：仅使用采集掩码允许的样本，填充不创建顶点

---

## 实验设置

| 项目 | 内容 |
|---|---|
| 数据集 | NOAA, USHCN, USCRN + ETTh1 (辅助基准) |
| 条件数 | 9 个采集条件 + 12 个连续缺失损失条件 |
| 模型数 | 17 个配置的完整流水线 |
| 随机种子 | 原始比较 5 个，补充比较 15 个 |

---

## 主要结果

### 原始 5-run 比较
- EviHyper 在 **9 个条件中的 8 个**取得最低平均 MSE 和 MAE
- 例外：**USCRN**（近乎完整数据），TimesNet 和 PatchTST 更优

### 补充 15-seed 比较
- EviHyper 在 **USHCN + 3 个 NOAA 条件**上均值最低
- USCRN 和辅助基准上时间模型领先

### 统计显著性
- NOAA 上 MSE 比最强基线低 **3.8%–4.7%**
- Holm 校正后，配对训练种子检验中两项指标均显著优于所有基线

### 连续损失条件
- 12 个条件下 EviHyper 在 NOAA 和 USHCN 上 MAE 最低，但 5-seed 检验未建立显著性

### 消融实验
- 等参数对照显示选定状态耦合有适度收益

---

## 四项贡献

1. **分离数值对齐与结构许可**：数组提供有限值，但只有采集掩码决定哪些样本可为某个输出接收 incidence
2. **逐查询重建超图**：四路独立 Top-K 排名，不施加永久传感器图
3. **选择与预测校正分离**：成员确定后再做全状态传输，目标尺度边界约束读出和残差
4. **全面评估**：9 个采集条件 + 12 个连续损失条件 + 连通路径消融 + 等参数对照 + 运行时测量

---

## 局限性

- 比较基于固定数据分割，不估计新站点、新年份或新故障分布下的性能
- 在近乎完整的数据上（USCRN），传统时间模型（TimesNet, PatchTST）仍然更强
- 连续损失条件的显著性尚未通过 5-seed 检验确认