論文の概要: Climate-Invariant Conformal Prediction Intervals for Multi-Horizon Solar and Wind Forecasting

• arxiv url: http://arxiv.org/abs/2607.11470v1
• Date: Mon, 13 Jul 2026 12:23:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.461984
• Title: Climate-Invariant Conformal Prediction Intervals for Multi-Horizon Solar and Wind Forecasting
• Title（参考訳）: マルチ水平太陽・風速予測のための気候不変な等角予測区間
• Abstract要約: 本稿ではブートストラップ・ディバースXGBoostアンサンブル上に構築された非対称・非対称・グループ条件スプリット・コンフォーマル・フレームワークを提案する。 片方の固定された仕様は、太陽の照度と風速の両方において、両半球にまたがる4つの気候学的に異なる場所、地平線を1時間から12時間にわたって評価する。 このフレームワークは、両方のターゲットについてほぼノーミナルなカバレッジを持ち、競合ベースラインと比較して、インターバルスコアを最大35%削減する。
• 参考スコア（独自算出の注目度）: 1.338174941551702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable uncertainty quantification is essential for integrating solar and wind generation into modern power systems, where operators must weigh risk rather than act on point forecasts alone. Existing probabilistic methods, however, often either lack finite-sample validity or require per-site recalibration, so a single model rarely transfers across the diverse climates of a dispersed generation fleet. This paper proposes a heteroscedastic, asymmetric, group-conditional split-conformal framework built on a bootstrap-diverse XGBoost ensemble, producing prediction intervals that adapt in width to local difficulty while retaining distribution-free coverage guarantees. A single fixed specification, with no per-site or per-horizon tuning, is evaluated across four climatologically distinct sites spanning both hemispheres, at horizons of 1 to 12 hours, for both solar irradiance and wind speed. The framework holds near-nominal coverage on both targets and reduces the Interval Score by up to 35% relative to competitive baselines, with the calibration and sharpness of its intervals shown to be properties of the method rather than of site-specific tuning.
• Abstract（参考訳）: 太陽光発電と風力発電を現代の電力システムに統合するためには、信頼性の高い不確実性定量化が不可欠である。 しかし、既存の確率論的手法は、しばしば有限サンプルの妥当性を欠いているか、サイトごとの再校正を必要とするため、単一のモデルが分散世代艦隊の多様な気候をまたぐことは滅多にない。 本稿では,ブートストラップ・ディバースXGBoostアンサンブル上に構築された非対称な非対称な非対称なスプリットコンフォーマル・フレームワークを提案する。 太陽の照度と風速の両方で、両半球にまたがる4つの気候学的に異なる場所を1時間から12時間の地平線で評価する。 このフレームワークは、両方の目標に対してほぼ最小のカバレッジを持ち、サイト固有のチューニングではなく、メソッドのキャリブレーションとシャープネスによって、競合するベースラインと比較して、インターバルスコアを最大35%削減する。

関連論文リスト

• SPACE: Sample-cloud Predictive Adaptive Conformal Ellipsoids for Multivariate Time-Series Forecasting [0.42056926734482064]
  SPACEはサンプル生成型多変量予測器のための共形ラッパーである。 現在の予測サンプル雲から直接時間-局所共分散の幾何を推定することにより楕円形の関節予測領域を構築する。 達成された関節と転がりのカバーを名目上の目標に近づける。
  論文  参考訳（メタデータ） (2026-08-18T03:44:32Z)
• SPECTRA: State-Space Exogenous Context and Temporal-Frequency Resolution Architecture for Probabilistic Energy Forecasting [5.384896571539134]
  再生可能断続性、フレキシブルな需要、市場のボラティリティ、気象に依存した発生といった不確実性と相互作用する中で、現代の電力システムは確率的予測をますます要求している。 本稿では,一般確率エネルギー予測のための状態空間外在的コンテキストと時間周波数分解アーキテクチャを提案する。 負荷、価格、太陽、風速予測の実験は18設定中14項目で最高の連続的な順位の確率スコアを達成し、CRPSの平均は5.74%、上尾の量子リスクは7.27%減少する。
  論文  参考訳（メタデータ） (2026-07-22T13:58:17Z)
• TSCoNet: A Two-Stage Copula CNN-LSTM for Uncertainty-Aware Spatio-Temporal Forecasting [7.191212864694664]
  TSCoNetは2段階の畳み込みリカレントモデルであり、空間と時間の複数の変数を共同で予測するガウスのコプラと結合している。 本研究では,2000～2020年の50都市を対象に,球面上の非定常空間場と月降水量と気温の実際のデータセットについて検討した。
  論文  参考訳（メタデータ） (2026-07-11T17:28:53Z)
• Online Conformal Prediction for Non-Exchangeable Panel Data [0.0]
  交換不能なパネルデータのための簡単なオンラインコンフォメーションフレームワークを提案する。 この手法はオンラインパネル予測の重要な特徴を生かし、1つのユニットに予測が必要な場合、関連ユニットからの同時結果がすでに観測されている。
  論文  参考訳（メタデータ） (2026-05-18T00:02:11Z)
• Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting [48.263481135566316]
  我々は,効率的な確率的天気予報のための一段階条件付き流れモデルであるTycheを提案する。 ERA5の1.5ドル(約1万2000円)と6時間の解像度での実験では、たった1つのNFEを使って、最先端の多段階生成ベースラインの予測スキルとキャリブレーションを一致または超過していることが示されています。
  論文  参考訳（メタデータ） (2026-05-07T20:25:28Z)
• Deep Time-series Forecasting Needs Kernelized Moment Balancing [56.619037429652984]
  深層時系列予測は、予測と地上の真実の分布を整合させることを目的とした分布バランス問題として定式化することができる。 我々は、カーネル化されたモーメントバランス(KMB-DF)による直接予測を提案する。 複数のモデルとデータセットにわたる実験により、KMB-DFは予測精度を一貫して改善し、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-01-31T13:20:18Z)
• Adaptive Regime-Switching Forecasts with Distribution-Free Uncertainty: Deep Switching State-Space Models Meet Conformal Prediction [38.37518767859008]
  適応等角推論(Adaptive Conformal Inference, ACI)と集約変種(AgACI)を結合したDeep Switching State Space Modelsによるレシエーションスイッチング予測の分布自由不確実性について検討する。 また、S4, MC-Dropout GRU, スパースガウス過程を含む強力なシーケンスベースライン上に位置する統一型コンフォメーションラッパーを導入し、非定常性とモデル不特定性の下で有限サンプルの限界保証付きオンライン予測バンドを生成するための変更点局所モデルを提案する。
  論文  参考訳（メタデータ） (2025-12-02T23:21:01Z)
• Optimal Look-back Horizon for Time Series Forecasting in Federated Learning [26.070107882914844]
  本稿では,フェデレート時系列予測における適応的地平面選択の原理的枠組みを提案する。 我々は予測損失をベイズ項に分解し、既約不確実性を反映する。 予測損失の総和は、既約損失が飽和し始める最小の地平線で最小化され、近似損失は増加し続けることを示す。
  論文  参考訳（メタデータ） (2025-11-16T21:46:54Z)
• DistDF: Time-Series Forecasting Needs Joint-Distribution Wasserstein Alignment [92.70019102733453]
  トレーニング時系列予測モデルは、モデル予測の条件分布とラベルシーケンスの条件分布の整合性を必要とする。 本研究では,条件予測とラベル分布との差を最小限に抑えてアライメントを実現するDistDFを提案する。
  論文  参考訳（メタデータ） (2025-10-28T16:09:59Z)
• Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
  将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。 本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T21:14:07Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)
• Distribution-free binary classification: prediction sets, confidence intervals and calibration [106.50279469344937]
  分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。 固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。 我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
  論文  参考訳（メタデータ） (2020-06-18T14:17:29Z)

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。