Abstract
<jats:p>У потокових інтелектуальних системах підтримки прийняття рішень мультимодальні часові ряди аналізуються в умовах каузальності, обмеженої латентності та нестаціонарності. Практична проблема полягає в тому, що тимчасова деградація окремих модальностей (пропуски, підвищений шум, масштабні зсуви) викликає стрибки похибки та може бути помилково інтерпретована як зміна режиму або як аномалія. Це створює потребу в явному керувальному сигналі якості модальності, придатному для онлайн-інтеграції з модулями прогнозування, адаптації та детекції. У статті розглянуто задачу онлайн-оцінювання надійності модальності як ймовірнісної оцінки того, що модальність перебуває в недеградованому стані, та запропоновано легкий метод із явним контролем калібрування. Метод використовує набір «дешевих» каузальних ознак деградації (частка пропусків, варіативність похибки прогнозу, проксі ентропії прогнозу, проксі шуму та проксі лаг-кореляції) і формує сирий скор на основі онлайн-оновлюваної логістичної моделі з монотонним апріорі. Для забезпечення інтерпретованості шкали у вигляді коректної ймовірності виконується постфактум ізотонічне калібрування. Оцінювання проведено на контрольованому мультимодальному потоці з відомою «істинною» міткою деградації та детермінованими ін’єкціями пропусків/шуму/масштабного зсуву; застосовано 10 фіксованих сідів і bootstrap 95% довірчі інтервали (5000 повторів). Запропонована калібрована модель досягає ROC-AUC 0.86 0.07 та BalancedAcc 0.84 0.05 у виявленні деградації, водночас істотно зменшуючи похибку калібрування: ECE = 0.085 (95% ДІ 0.063-0.110) проти ECE = 0.184 (0.145-0.224) для некаліброваної онлайн-моделі та ECE = 0.319 (0.299-0.341) для базової лінії лише за часткою пропусків. Мікробенчмарк латентності показує, що середній час оцінювання надійності для запропонованої моделі становить близько 150 μ s (p99: 479 μ s), що відповідає вимогам низької затримки у потокових конвеєрах. Абляційний аналіз демонструє критичність сигналу пропусків: вилучення ознаки частки пропусків знижує середнє значення ROC-AUC з 0.875 до 0.747. Отримані результати підтверджують, що поєднання легких онлайн-ознак деградації з явним калібруванням формує інтерпретовану шкалу надійності, придатну як керувальний інтерфейс для робастного потокового аналізу мультимодальних часових рядів.</jats:p>