論文の概要: Forecast reconciliation with non-linear constraints

• arxiv url: http://arxiv.org/abs/2510.21249v1
• Date: Fri, 24 Oct 2025 08:33:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 06:57:23.403239
• Title: Forecast reconciliation with non-linear constraints
• Title（参考訳）: 非線型制約による予測整合
• Authors: Daniele Girolimetto, Anastasios Panagiotelis, Tommaso Di Fonzo, Han Li,
• Abstract要約: 本稿では,非線形制約時系列の開問題に対する予測整合性を拡張する。 NLCR(Non-linearly Constrained Reconciliation)を提案する。 これは、新しい予測が制約を満たすように、非直線的制約を満たさない予測を調整する。
• 参考スコア（独自算出の注目度）: 5.993084630848731
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Methods for forecasting time series adhering to linear constraints have seen notable development in recent years, especially with the advent of forecast reconciliation. This paper extends forecast reconciliation to the open question of non-linearly constrained time series. Non-linear constraints can emerge with variables that are formed as ratios such as mortality rates and unemployment rates. On the methodological side, Non-linearly Constrained Reconciliation (NLCR) is proposed. This algorithm adjusts forecasts that fail to meet non-linear constraints, in a way that ensures the new forecasts meet the constraints. The NLCR method is a projection onto a non-linear surface, formulated as a constrained optimisation problem. On the theoretical side, optimisation methods are again used, this time to derive sufficient conditions for when the NLCR methodology is guaranteed to improve forecast accuracy. Finally on the empirical side, NLCR is applied to two datasets from demography and economics and shown to significantly improve forecast accuracy relative to relevant benchmarks.
• Abstract（参考訳）: 線形制約に固執する時系列予測手法は近年,特に予測和解の出現とともに顕著な発展を遂げている。 本稿では,非線形制約時系列の開問題に対する予測整合性を拡張する。 非線形制約は、死亡率や失業率などの比率として形成される変数によって生じることがある。 方法論的側面から, 非線形拘束再調合(NLCR)を提案する。 このアルゴリズムは、新しい予測が制約を満たすことを保証する方法で、非線形制約を満たさない予測を調整する。 NLCR法は非線形表面への射影であり、制約付き最適化問題として定式化されている。 理論的には、NLCR法が保証され予測精度を向上させるのに十分な条件を導出するために、再び最適化法が用いられる。 最後に、NLCRをデモグラフィーと経済学の2つのデータセットに適用し、関連するベンチマークと比較して予測精度を大幅に向上させることを示した。

関連論文リスト

• Relational Conformal Prediction for Correlated Time Series [56.59852921638328]
  時系列における不確実性定量化の問題を相関配列を利用して解決する。 共形予測フレームワークと量子レグレッションに基づく分布自由な新しい手法を提案する。 我々の手法は正確なカバレッジを提供し、関連するベンチマークで最先端の不確実性定量化を実現する。
  論文  参考訳（メタデータ） (2025-02-13T16:12:17Z)
• Adaptive Conformal Inference by Betting [51.272991377903274]
  データ生成プロセスについて仮定することなく適応型共形推論の問題を考察する。 適応型共形推論のための既存のアプローチは、オンライン勾配勾配の変種を用いたピンボール損失の最適化に基づいている。 本稿では,パラメータフリーなオンライン凸最適化手法を利用した適応型共形推論手法を提案する。
  論文  参考訳（メタデータ） (2024-12-26T18:42:08Z)
• Calibrated Probabilistic Forecasts for Arbitrary Sequences [58.54729945445505]
  実際のデータストリームは、分散シフトやフィードバックループ、敵アクターによって予測不可能に変化する可能性がある。 データがどのように進化するかに関わらず、有効な不確実性推定を保証するための予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-27T21:46:42Z)
• Bayesian Inference for Consistent Predictions in Overparameterized Nonlinear Regression [0.0]
  本研究では,ベイズフレームワークにおける過パラメータ化非線形回帰の予測特性について検討した。 リプシッツ連続活性化関数を持つ一般化線形および単一ニューロンモデルに対して後部収縮が成立する。 提案手法は数値シミュレーションと実データアプリケーションを用いて検証した。
  論文  参考訳（メタデータ） (2024-04-06T04:22:48Z)
• Loss Shaping Constraints for Long-Term Time Series Forecasting [79.3533114027664]
  本稿では,長期時系列予測のための制約付き学習手法を提案する。 提案手法は, 予測ウィンドウ上でエラーを発生させながら, 時系列ベンチマークにおける競合平均性能を示すことを示すための, 実用的なプリマル・デュアルアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-14T18:20:44Z)
• Short-term prediction of Time Series based on bounding techniques [0.0]
  本稿では,新しい非パラメトリック手法を用いて時系列フレームワークの予測問題を再考する。 この革新は、予測誤差の上限を得るために、決定論的および決定論的確率的仮定の両方を考慮することである。 提案する予測器が予測スキームにおいて適切な結果を得ることができ、古典的非パラメトリック法に対する興味深い代替手段であることを示すためのベンチマークを含む。
  論文  参考訳（メタデータ） (2021-01-26T11:27:36Z)

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。