用于使时间序列基础模型适应区域干旱预报的轻量级包装器

大型\emph{时间序列基础模型}（TSFM）在不同领域展示了强大的零样本预测能力。然而，它们在区域气候预测中的应用面临着实际挑战：模型权重通常是专有的，本地训练记录有限，计算预算有限，使得传统的 微调 方法不可行。为了解决这些限制，我们引入了一个轻量级的黑盒适应框架（不需要访问主干参数，也不需要主干 微调），该框架通过两个即插即用包装器在推理时增强冻结的 TSFM： \textbf{SMR\textsuperscript{2}} （平稳性感知多分辨率残差），它将输入分解为多分辨率时间视图，学习捕获区域动态的跨步特定残差校正，然后自适应地将它们集成到单个预测中，以及 \textbf{MBB} （移动块引导），它通过块重采样和时间相干残差扰动的集成来保留时间依赖性以稳定点预测。两个包装器都实例化了相同的装袋风格原则：它们构建输入或其残差的不同视图，使用相同的冻结主干预测每个视图，然后进行聚合，因此所有适应都来自推理时间集成，而不是任何权重更新。我们的框架对南澳大利亚多个地点的标准化降水蒸散指数 (SPEI) 预测进行了一个月的评估，持续改进了多个骨干模型的预测性能，与相应的冻结骨干模型相比，均方误差 (MSE) 降低了 26%，同时能够在资源有限的区域预报系统中进行实际部署。