想象电网每分钟收到一条新的全天用电曲线：数据越积越多，却不能全存下来反复计算。更麻烦的是，系统不仅要预测，还得说明结果有多不确定。Jiang、Liu 与 Sang 提出一套单遍方案，用输入曲线预测输出曲线，并在数据持续到达时同步完成估计与区间推断。
方法的关键是两条计算线并行推进。主线用函数型随机梯度下降（SGD——每来一个观测就更新一次）估计回归关系；旁边再运行多条加入随机权重的更新路径，也就是在线 multiplier bootstrap。它用这些扰动路径近似估计结果的波动，不必保存旧数据，也绕开了对无限维协方差结构的直接估计。步长则通过加权滚动验证选择。
作者证明了点位推断的条件有效性，并称其预测与曲面估计的收敛速度可匹配离线方法；论文还在 ERA5 风浪场和心电图数据上测试。边界也很明确：核心保证首先针对“以偏差为中心”的点位误差；若要直接覆盖真实回归曲面，还需额外假设偏差足够小。