본 논문은 시계열 데이터의 불확실성 정량화를 위한 일반적이고 효율적인 방법으로 탐구되어 온 Conformal Prediction의 한계를 극복하고자, 변화점(change point)을 갖는 시계열 데이터를 처리하는 새로운 알고리즘인 CPTC(Conformal Prediction for Time-series with Change points)를 제안한다. CPTC는 변화점을 예측하는 모델과 온라인 Conformal Prediction을 통합하여 비정상 시계열의 불확실성을 모델링한다. 최소한의 가정 하에서 CPTC의 유효성과 적응성을 증명하고, 6개의 합성 및 실제 데이터셋에서 기존 방법론 대비 향상된 성능을 입증한다.
