論文の概要: Tractable Probabilistic Models for Investment Planning

• arxiv url: http://arxiv.org/abs/2511.13888v1
• Date: Mon, 17 Nov 2025 20:23:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.782492
• Title: Tractable Probabilistic Models for Investment Planning
• Title（参考訳）: 投資計画のためのトラクタブル確率モデル
• Authors: Nicolas M. Cuadrado A., Mohannad Takrouri, Jiří Němeček, Martin Takáč, Jakub Mareček,
• Abstract要約: 発電や送電の拡充などの電力事業への投資計画には、深刻な不確実性の下で10年にわたる予測が必要である。 本稿では, トラクタブル確率モデル(TPM), 特にサプライズネットワーク(SPN)を用いた代替手法を提案する。 TPMは、シナリオ可能性、限界、条件付き確率などの重要な量の正確でスケーラブルな推論を可能にする。
• 参考スコア（独自算出の注目度）: 0.8916762347908103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Investment planning in power utilities, such as generation and transmission expansion, requires decade-long forecasts under profound uncertainty. Forecasting of energy mix and energy use decades ahead is nontrivial. Classical approaches focus on generating a finite number of scenarios (modeled as a mixture of Diracs in statistical theory terms), which limits insight into scenario-specific volatility and hinders robust decision-making. We propose an alternative using tractable probabilistic models (TPMs), particularly sum-product networks (SPNs). These models enable exact, scalable inference of key quantities such as scenario likelihoods, marginals, and conditional probabilities, supporting robust scenario expansion and risk assessment. This framework enables direct embedding of chance-constrained optimization into investment planning, enforcing safety or reliability with prescribed confidence levels. TPMs allow both scenario analysis and volatility quantification by compactly representing high-dimensional uncertainties. We demonstrate the approach's effectiveness through a representative power system planning case study, illustrating computational and reliability advantages over traditional scenario-based models.
• Abstract（参考訳）: 発電や送電の拡充などの電力事業への投資計画には、深刻な不確実性の下で10年にわたる予測が必要である。 何十年にもわたってエネルギー混合とエネルギー利用の予測は簡単ではない。 古典的なアプローチは、シナリオ固有のボラティリティに関する洞察を制限し、堅牢な意思決定を妨げる、有限個のシナリオ(統計理論におけるディラックの混合としてモデル化される)を生成することに重点を置いている。 本稿では, トラクタブル確率モデル(TPM), 特にサプライズネットワーク(SPN)を用いた代替手法を提案する。 これらのモデルは、シナリオの確率、限界、条件付き確率といった重要な量の正確でスケーラブルな推論を可能にし、堅牢なシナリオ拡張とリスクアセスメントをサポートする。 この枠組みは、リスク制約のある最適化を直接投資計画に組み込むことを可能にし、所定の信頼度で安全性や信頼性を強制する。 TPMは、高次元の不確かさをコンパクトに表現することで、シナリオ分析とボラティリティ定量化の両方を可能にする。 提案手法の有効性を,従来のシナリオベースモデルよりも計算的・信頼性的に優れていることを示す,代表的電力系統計画ケーススタディを通じて実証する。

関連論文リスト

• Diffusion-Based Scenario Tree Generation for Multivariate Time Series Prediction and Multistage Stochastic Optimization [16.795461001108098]
  Diffusion Scenario Tree (DST) は多変量予測タスクのためのシナリオツリーを構築するための一般的なフレームワークである。 ニューヨーク州の日頭電力市場におけるエネルギー仲裁の最適化に関する枠組みを評価する。
  論文  参考訳（メタデータ） (2025-09-18T10:49:05Z)
• Probabilistic Forecasting Cryptocurrencies Volatility: From Point to Quantile Forecasts [1.8352113484137627]
  本稿では,幅広いベースモデルからの点予測を利用する確率的予測手法を提案する。 我々の知る限りでは、暗号通貨市場におけるばらつきの確率論的予測を提案し、体系的に評価する文献としては、これが初めてである。 Bitcoinの実証的な結果は、QRS(Quantile Estimation through Residual Simulation)メソッドが、より高度な代替手段を一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-08-21T18:42:11Z)
• Uncertainty-Aware Strategies: A Model-Agnostic Framework for Robust Financial Optimization through Subsampling [0.7916373508978822]
  本稿では,定量的ファイナンスにおけるモデル不確実性の問題に対処する。 ポートフォリオ割り当て、デリバティブ価格、リスク管理の決定は、限られたデータからモデルを推定することに依存する。 従来の金融リスク対策によって動機付けられた外的「不確実性尺度」をモデル空間に重ね合わせます。
  論文  参考訳（メタデータ） (2025-06-08T21:55:00Z)
• End-to-End Probabilistic Framework for Learning with Hard Constraints [43.297232073870866]
  ProbHardE2Eは,ハード操作・物理制約を組み込んだ確率予測フレームワークである。 我々の手法は、幅広いニューラルネットワークアーキテクチャと組み合わせられる新しい微分可能確率射影層(DPPL)を用いている。
  論文  参考訳（メタデータ） (2025-06-08T05:29:50Z)
• Efficient Risk-sensitive Planning via Entropic Risk Measures [51.42922439693624]
  動的プログラミングにより,エントロピーリスク対策(EntRM)のみを効率的に最適化できることを示す。 エントロピーリスクの新たな構造解析と滑らかさ特性により, この最適性を効果的に計算できることを実証する。
  論文  参考訳（メタデータ） (2025-02-27T09:56:51Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• A Probabilistic Forecast-Driven Strategy for a Risk-Aware Participation in the Capacity Firming Market [30.828362290032935]
  本稿では,グリッド接続型再生可能発電プラントとキャパシティホルディング市場における蓄電池装置のエネルギー管理について述べる。 近年開発された「正規化フロー」と呼ばれる深層学習モデルを用いて再生可能生成の定量的予測を生成する。
  論文  参考訳（メタデータ） (2021-05-28T13:13:07Z)
• Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
  確率的時系列予測は、その歴史に基づいて将来の分布を推定する。 本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。 実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
  論文  参考訳（メタデータ） (2021-01-31T06:49:33Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)

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。