コーフォーマル予測は、不確実性の定量化における強力な手法であり、分布に依存しないカバレッジ保証を提供しますが、これらの保証は交換可能性の仮定に依存しています。しかし、時系列データでは時間的依存性と分布の変化が頻繁に見られるため、交換可能性の仮定が根本的に破られています。このため、従来の分割コーフォーマル手法は名目上の有効性を維持できない予測区間を生成する可能性があります。本稿では、非交換可能なデータに対応するために特別に設計されたコーフォーマル予測法の最近の進展を統一的にレビューし、理論的基礎を提示します。また、残差分布を動的に更新したり、ターゲットカバレッジレベルをリアルタイムで適応的に調整したりするなどの手法を分類・調査します。最後に、これらの手法を比較する包括的なシミュレーション研究の結果を示し、実用的なトレードオフと今後の研究課題を強調しています。