控制预测不确定性的计算机模型校准方法

研究者提出一种直接控制预测失准率的双层校准框架，以解决计算机模型校准中传统方法无法有效控制预测误差的问题。该框架首先通过条件流匹配学习校准参数的摊销后验，再利用保形风险控制构建具有有限样本预测覆盖保证的区间带。合成基准测试显示其区间宽度仅为 KOH-MCMC 的约 20%，且失准率贴近 10% 目标；在 2010 年马拉维麻疹疫情的 SEIR 模型校准中也展现出更紧凑且接近标称水平的覆盖表现。