論文の概要: Liquid Neural Network Models for Natural Gas Spot Price Time-Series Forecasting

• arxiv url: http://arxiv.org/abs/2604.24788v1
• Date: Fri, 24 Apr 2026 21:37:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.493076
• Title: Liquid Neural Network Models for Natural Gas Spot Price Time-Series Forecasting
• Title（参考訳）: 天然ガススポット価格時系列予測のための液体ニューラルネットワークモデル
• Authors: Yiqian Liu, Jiayi Niu, Adam Kelleher, Subhabrata Das,
• Abstract要約: 液体ニューラルネットワーク(LNN)は、動的内部状態更新を通じて時間的パターンの進化に継続的に適応するように設計されている。 この研究は、エネルギー取引および電力市場アプリケーション間の不確実性を低減し、意思決定支援を強化することを目的としている。
• 参考スコア（独自算出の注目度）: 0.2896444463539256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Natural gas is undoubtedly an essential component of the global energy system. Accurate short-term forecasting of natural gas price is challenging due to pronounced volatility driven by seasonal demand patterns, geopolitical developments, and shifting macroeconomic conditions. The nonlinear dynamics and frequent regime changes can limit the effectiveness of traditional time-series models. In this study, we explore the use of Liquid Neural Networks (LNNs) for short-horizon forecasting of the Henry Hub spot price, a primary benchmark for pricing. LNNs are designed to adapt continuously to evolving temporal patterns through dynamic internal state updates, making them well suited for nonstationary price behavior. By improving forecast accuracy in volatile market conditions, this work aims to reduce uncertainty and enhance decision support across energy trading and power market applications.
• Abstract（参考訳）: 天然ガスは間違いなく地球規模のエネルギーシステムの本質的な構成要素である。 天然ガス価格の正確な短期予測は、季節的な需要パターン、地政学的展開、マクロ経済状況の変化によって引き起こされるボラティリティの顕著な変動によって困難である。 非線形力学と頻繁な状態変化は、伝統的な時系列モデルの有効性を制限することができる。 本研究では,Henry Hubスポット価格の短期予測にLiquid Neural Networks (LNN) を用いることを検討した。 LNNは動的内部状態更新を通じて時間的パターンの進化に継続的に適応するように設計されており、非定常的な価格変動に適している。 本研究は、揮発性市場条件における予測精度を向上させることにより、不確実性を低減し、エネルギー取引および電力市場アプリケーション間の意思決定支援を強化することを目的とする。

関連論文リスト

• Bayesian Neural Networks with Monte Carlo Dropout for Probabilistic Electricity Price Forecasting [0.0]
  本研究は,モンテカルロ(MC)ドロップアウトを用いたベイズニューラルネットワーク(BNN)を用いた確率的電力価格予測の枠組みを提案する。 一般化自己回帰的条件付きヘテロスケダスティック性(GARCHX)とLASSO推定自己回帰モデル(LEAR)のベンチマークモデルに対する批判的評価と比較
  論文  参考訳（メタデータ） (2025-11-12T13:33:28Z)
• Echo State Networks for Bitcoin Time Series Prediction [4.938209986258856]
  本研究では,Echo State Networks (ESNs) が短時間の株式市場の動きを効果的にモデル化し,動的データの非線形パターンを捉えることができることを示す。 また,カオス期におけるLyapunov指数によるカオス解析を行い,既存の機械学習手法よりも有意差があることを実証した。
  論文  参考訳（メタデータ） (2025-08-07T14:08:45Z)
• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• Interval Forecasts for Gas Prices in the Face of Structural Breaks -- Statistical Models vs. Neural Networks [0.0]
  ニューラルネットワークのような現代の機械学習手法が、このような変化に対してより耐性があるかどうかを検討する。 衝撃期においては、ほとんどのモデルでは、余震期における分散を過大評価しながら、分散を過小評価している。 興味深いことに、広く使われている長短のニューラルネットワークは、競合他社よりも優れています。
  論文  参考訳（メタデータ） (2024-07-23T11:34:13Z)
• Multivariate Scenario Generation of Day-Ahead Electricity Prices using Normalizing Flows [0.0]
  本研究では, 正規化フローと呼ばれる完全データ駆動型深部発電モデルを用いて, 日頭電力価格の確率的予測手法を提案する。 その結果,正規化フローは真の価格分布を再現し,正確な予測を行う高品質なシナリオを生成することがわかった。
  論文  参考訳（メタデータ） (2023-11-23T14:38:10Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Tipping Point Forecasting in Non-Stationary Dynamics on Function Spaces [78.08947381962658]
  タップポイントは急激で、急激で、しばしば非定常力学系の進化における不可逆的な変化である。 我々は、関数空間間のマッピングを学習する新しいリカレントニューラル演算子(RNO)を用いて、そのような非定常系の進化を学習する。 本稿では,物理制約から逸脱をモニタリングすることで,チップ点の予測を行う共形予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-17T05:42:27Z)
• Forecasting large-scale circulation regimes using deformable convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
  変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討 今後1～15日にわたって北大西洋-欧州の気象条件を予測した。 より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
  論文  参考訳（メタデータ） (2022-02-10T11:37:00Z)
• Low-Rank Temporal Attention-Augmented Bilinear Network for financial time-series forecasting [93.73198973454944]
  ディープラーニングモデルは、金融時系列データの予測問題など、さまざまな領域から来る多くの問題において、大幅なパフォーマンス改善をもたらしている。 近年,制限順序書の時系列予測の効率的かつ高性能なモデルとして,時間的注意強化バイリニアネットワークが提案されている。 本稿では,モデルの低ランクテンソル近似を提案し,トレーニング可能なパラメータの数をさらに削減し,その速度を向上する。
  論文  参考訳（メタデータ） (2021-07-05T10:15:23Z)

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。