論文の概要: Incorporating High-Frequency Weather Data into Consumption Expenditure
Predictions
- arxiv url: http://arxiv.org/abs/2211.01406v1
- Date: Thu, 6 Oct 2022 15:32:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 15:18:14.547517
- Title: Incorporating High-Frequency Weather Data into Consumption Expenditure
Predictions
- Title(参考訳): 消費支出予測への高周波気象データの導入
- Authors: Anders Christensen, Joel Ferguson, Sim\'on Ram\'irez Amaya
- Abstract要約: 消費支出などの不揮発性福祉対策の予測は, 時間分解能の高いデータソースの導入による大きな利益が期待できる。
日々の天気データをトレーニングや予測に取り入れることで、衛星画像のみを利用するモデルと比較して消費予測精度を著しく向上させる。
- 参考スコア(独自算出の注目度): 1.2891210250935146
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent efforts have been very successful in accurately mapping welfare in
datasparse regions of the world using satellite imagery and other
non-traditional data sources. However, the literature to date has focused on
predicting a particular class of welfare measures, asset indices, which are
relatively insensitive to short term fluctuations in well-being. We suggest
that predicting more volatile welfare measures, such as consumption
expenditure, substantially benefits from the incorporation of data sources with
high temporal resolution. By incorporating daily weather data into training and
prediction, we improve consumption prediction accuracy significantly compared
to models that only utilize satellite imagery.
- Abstract(参考訳): 近年、衛星画像や他の非伝統的なデータソースを用いて、世界のデータ不足地域における福祉の正確なマッピングに成功している。
しかし、これまでの文献では、短期的な幸福の変動に比較的敏感な特定の福祉措置、資産指数の予測に焦点が当てられている。
消費支出などの揮発性福祉対策の予測は, 時間分解能の高いデータソースの導入による大きなメリットがあると考えられる。
日々の天気データをトレーニングや予測に取り入れることで、衛星画像のみを利用するモデルと比較して消費予測精度を著しく向上させる。
関連論文リスト
- Enhancing Mean-Reverting Time Series Prediction with Gaussian Processes:
Functional and Augmented Data Structures in Financial Forecasting [0.0]
本稿では,ガウス過程(GP)を基礎構造を持つ平均回帰時系列の予測に適用する。
GPは、平均予測だけでなく、将来の軌道上の確率分布全体を予測する可能性を提供する。
これは、不正なボラティリティ評価が資本損失につながる場合、正確な予測だけでは十分でない金融状況において特に有益である。
論文 参考訳(メタデータ) (2024-02-23T06:09:45Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather
Forecast [61.138475638813354]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,ExEnsembleという名称のトレーニングフリーな極値拡張戦略を導入し,画素値のばらつきを増大させ,予測ロバスト性を向上させる。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳(メタデータ) (2024-02-02T10:34:13Z) - When Rigidity Hurts: Soft Consistency Regularization for Probabilistic
Hierarchical Time Series Forecasting [69.30930115236228]
確率的階層的時系列予測は時系列予測の重要な変種である。
ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。
ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
論文 参考訳(メタデータ) (2023-10-17T20:30:16Z) - Long-term drought prediction using deep neural networks based on
geospatial weather data [78.63225885697149]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
多様な時間的ニューラルネットワークモデルを用いたエンドツーエンドアプローチを導入することで、干ばつデータに対処する。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - Predicting Temporal Aspects of Movement for Predictive Replication in
Fog Environments [0.0]
ブラインドまたはリアクティブデータは、フォグコンピューティングのポテンシャルを利用するには不十分である。
時間的予測のためのHolt-Winterの指数平滑化を用いた新しいモデルを提案する。
実際のユーザトラジェクトリによるフォグネットワークシミュレーションでは,データ利用率を1%に抑えながら,余剰データの15%削減を実現している。
論文 参考訳(メタデータ) (2023-06-01T11:45:13Z) - Pedestrian Trajectory Forecasting Using Deep Ensembles Under Sensing
Uncertainty [125.41260574344933]
エンコーダ・デコーダをベースとした深層アンサンブルネットワークは,認識と予測の不確実性の両方を同時に捕捉する。
全体として、深層アンサンブルはより堅牢な予測を提供し、上流の不確実性の考慮により、モデルの推定精度をさらに高めた。
論文 参考訳(メタデータ) (2023-05-26T04:27:48Z) - GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。
全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。
我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
論文 参考訳(メタデータ) (2022-12-24T18:15:39Z) - A case study of spatiotemporal forecasting techniques for weather
forecasting [0.0]
本稿では,地域データによる気象予報の様々な手法,すなわち時間的相関を捉えるために,複数の経度点にまたがる予測手法について検討する。
その結果, 列車の動的分解モードに基づく予測モデルでは, トレーニングを必要とせず, ほぼ同等の精度で予測できることがわかった。
論文 参考訳(メタデータ) (2022-09-29T13:47:02Z) - DeepVol: Volatility Forecasting from High-Frequency Data with Dilated
Causal Convolutions [78.6363825307044]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。
拡張畳み込みフィルタは日内財務データから関連情報を抽出するのに最適であることを示す。
論文 参考訳(メタデータ) (2022-09-23T16:13:47Z) - Using maps to predict economic activity [0.8460698440162889]
経済統計を体系的に予測するために,歴史地図と現代地図を活用する新しい機械学習手法を導入する。
我々の単純なアルゴリズムは, 色組成に基づいて, 地図から有意義な特徴を抽出する。
本手法によるグリッドレベルの個体群予測は,従来のCNNによる生の地図画像による予測よりも優れていた。
論文 参考訳(メタデータ) (2021-12-27T14:13:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。