Yo creo que sí podría usarse adaptando el dataset de validación. En series temporales y cogiendo el ejemplo más simple en el que quieres medir la incertidumbre de tu predicción en t+1, en lugar de tomar un conjunto seleccionado al azar de los datos disponibles (supongamos que tu dataset completo es de tamaño N), se toman K datasets que vayan desde la primera observación hasta la (N-K)-ésima, desde la primera hasta la (N-K+1)-ésima, y así sucesivamente, de manera que al final entrenas K modelos y los evalúas en la siguiente observación, teniendo así un conjunto de validación de tamaño K sobre el que ya sí podrías trabajar como si fuese una situación cualquiera en CP.

En forecasting las ARIMAs de toda la vida y los GARCH incluyen medidas de incertidumbre, aunque si ya andas con CP me imagino que te quieres alejar de los modelos "clásicos". Quizá podrías considerar también otras técnicas como el jackknife y el bootstrap... sobre todo el jackknife creo que no sería tan sensible a la falta de intercambiabilidad, pero no estoy seguro al 100%