Fugu-MT 論文翻訳(概要): Bidirectional Multimodal Fusion of Sky Images and Time-Series for Solar Forecasting with Large Language Models

論文の概要: Bidirectional Multimodal Fusion of Sky Images and Time-Series for Solar Forecasting with Large Language Models

arxiv url: http://arxiv.org/abs/2609.11135v1
Date: Thu, 10 Sep 2026 06:26:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.233062
Title: Bidirectional Multimodal Fusion of Sky Images and Time-Series for Solar Forecasting with Large Language Models
Title（参考訳）: 大規模言語モデルによる日射予測のためのスカイイメージと時系列の双方向多モード融合
Abstract要約: 短期太陽光発電(PV)パワーとグローバル水平照射(GHI)予測は、効率的なディスパッチ、予備的スケジューリング、グリッド運用に不可欠である。 LLMに基づくマルチモーダル予測フレームワークであるSolCloudLLMを提案する。
参考スコア（独自算出の注目度）: 5.367829077016888
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Short-term photovoltaic (PV) power and global horizontal irradiance (GHI) forecasts are essential for effective dispatch, reserve scheduling, and grid operations. At these forecasting horizons, errors are predominantly driven by cloud induced ramps: relying solely on historical numerical data may struggle to anticipate an incoming cloud, making ground-based sky images a crucial complementary physical signal. Furthermore, forecast performance is highly sensitive to location and local observing conditions, creating a strong need for site-specific data that are often scarce. Recently, large language models (LLMs) have demonstrated competitive performance and high data efficiency in time-series forecasting. Despite their success, existing LLM-based forecasting methods remain predominantly unimodal, relying primarily on historical numerical time-series data. Effectively incorporating sky imagery into an LLM-based forecasting framework remains under-explored and an open challenge. In this paper, we propose SolCloudLLM, an LLM-based multimodal forecasting framework. SolCloudLLM aligns sky-image patches with time-series patches and fuses their corresponding representations through bidirectional multimodal fusion, yielding a unified representation that is subsequently mapped into the embedding space of an LLM. Extensive experiments on the SIRTA and SKIPP'D datasets demonstrate that SolCloudLLM consistently outperforms the best baseline methods in MSE across all forecasting horizons, achieving a maximum relative MSE reduction of 25.4%. Stratified analysis further indicates that the benefits of multimodal fusion are concentrated primarily under cloudy conditions. Notably, SolCloudLLM achieves the best performance in nearly all few-shot settings, whereas other deep learning baselines experience substantial performance degradation and are frequently outperformed by the non-learning physical method.
Abstract（参考訳）: 短期太陽光発電(PV)パワーとグローバル水平照射(GHI)予測は、効率的なディスパッチ、予備的スケジューリング、グリッド運用に不可欠である。これらの予測地平線では、エラーは主に雲が引き起こす傾斜によって引き起こされる: 歴史的数値データのみに依存することは、入ってくる雲を予想するのに苦労し、地上の空像を重要な補完的な物理的信号にする。さらに、予測性能は、場所や局地的な観測条件に非常に敏感であり、しばしば不足するサイト固有のデータを必要とする。近年,大規模言語モデル (LLM) は時系列予測において競争性能と高いデータ効率を実証している。それらの成功にもかかわらず、既存のLLMベースの予測手法は、主に歴史的数値時系列データに依存して、主に単調なままである。スカイイメージをLLMベースの予測フレームワークに効果的に組み込むことは、まだ未調査であり、オープンな課題である。本稿では,LLMに基づくマルチモーダル予測フレームワークであるSolCloudLLMを提案する。 SolCloudLLMは、スカイイメージパッチを時系列パッチと整列し、双方向のマルチモーダル融合を通じて対応する表現を融合させ、後にLLMの埋め込み空間にマッピングされる統一された表現を生成する。 SIRTA と SKIPP'D データセットの大規模な実験により、SolCloudLLM は予測されるすべての地平線にわたって MSE の最高のベースライン法を一貫して上回り、最大で 25.4% の MSE 削減を実現している。さらに、成層解析により、マルチモーダル核融合の利点が主に曇り条件下で集中していることが示されている。特に、SolCloudLLMは、ほとんどすべてのショット設定で最高のパフォーマンスを達成する一方、他のディープラーニングベースラインは、大幅なパフォーマンス劣化を経験し、非学習物理メソッドによってしばしばパフォーマンスが向上する。

関連論文リスト

Evaluating Large Language Models for Forced Outage Risk Prediction: Benefits and Comparison to Machine Learning [0.16112718683989877]
本研究では,大規模言語モデルによる配電網における気象関連停電のリスク予測について検討した。この問題は6年間の停止記録と高解像度気象データを用いて二分重度分類タスクとして定式化されている。
論文参考訳（メタデータ） (2026-09-02T19:38:37Z)
FarSky: Task-Aware Latent-Space Coupling for Generative Intra-Hour Solar Forecasting [0.0]
FarSkyは、スカイイメージのタスク認識表現を学習する生成予測フレームワークである。予測能力は最大11ポイント向上し、決定的かつ確率的な予測性能を最高に達成している。既存の手法によるランプイベントの検出を大幅に改善し、F1スコアを60%以上達成した。
論文参考訳（メタデータ） (2026-08-06T08:32:56Z)
Distribution-Aware Diffusion-LLM for Robust Ultra-Long-Term Time Series Forecasting [8.2867621159451]
時系列予測は基本的な機械学習タスクである。最近の研究は、この目的のために、強力な一般化、パターン認識、ゼロショットまたは少数ショット機能のために、Large Language Models (LLMs)を探索している。 LLMに基づく予測パイプラインに条件付き拡散モデルを統合する新しいフレームワークDiffusion-LLMを提案する。
論文参考訳（メタデータ） (2026-06-22T14:18:28Z)
Step-adaptive multimodal fusion network with multi-scale cloud feature learning for ultra-short-term solar irradiance forecasting [0.0]
本稿では,超短距離照射予測のためのマルチソースデータ融合モデルを提案する。このモデルはまずInceptionNeXtを使って、地上のクラウド画像からマルチスケールで多方向の空間的特徴を抽出する。そして、ステップ適応型低周波補償ユニットを導入し、予測ステップに基づいてグローバル低周波情報を動的に変調する。
論文参考訳（メタデータ） (2026-06-04T12:42:52Z)
Nexus : An Agentic Framework for Time Series Forecasting [72.73790673303154]
時系列予測は、ニュースやイベントのような構造化されていないコンテキストデータによる推論を必要とする。予測を特殊なステージに分解するマルチエージェント予測フレームワークであるNexusを紹介します。本研究では,現在のLLMは,従来よりも強い固有予測能力を有することを示す。
論文参考訳（メタデータ） (2026-05-14T05:12:13Z)
LEAF: A Living Benchmark for Event-Augmented Forecasting [78.94019460534442]
LEAFは、イベント拡張予測タスクの最初の生きたベンチマークである。我々は最先端のプロプライエタリかつオープンウェイトなLLMを評価した。 LLMは、より予測し易いと自信を持って判断し、より優れたパフォーマンスを実現する。
論文参考訳（メタデータ） (2026-05-09T03:17:59Z)
ThinkJEPA: Empowering Latent World Models with Large Vision-Language Reasoning Model [53.15040805435013]
視覚言語モデル(VLM)は、一様にサンプリングされたフレームを解析することで、強力なセマンティックグラウンドと一般的な知識を提供する。本稿では,高密度フレーム・ダイナミックス・モデリングと長軸意味指導を組み合わせたVLM誘導型JEPA型潜在世界モデリングフレームワークを提案する。
論文参考訳（メタデータ） (2026-03-23T17:59:42Z)
Vision-LLMs for Spatiotemporal Traffic Forecasting [14.700408329373998]
大規模言語モデル(LLM)は、グリッドベースのトラフィックデータの複雑な空間的依存関係をモデル化するのに本質的に苦労する。本稿では,視覚言語融合問題として時間的予測を行う新しいフレームワークであるST-Vision-LLMを提案する。また,ST-Vision-LLMでは,長期予測精度が15.6%向上し,クロスドメインシナリオでは30.04%以上向上した。
論文参考訳（メタデータ） (2025-10-13T11:15:56Z)
LLM-PS: Empowering Large Language Models for Time Series Forecasting with Temporal Patterns and Semantics [56.99021951927683]
Time Series Forecasting (TSF) は、金融計画や健康モニタリングなど、多くの現実世界のドメインにおいて重要である。既存のLarge Language Models (LLM) は通常、時系列データ固有の特性を無視するため、非最適に実行する。時系列データから基本的なtextitPatterns と有意義な textitSemantics を学習し,TLF のための LLM-PS を提案する。
論文参考訳（メタデータ） (2025-03-12T11:45:11Z)
Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
コンテキスト is Key" (CiK) は、数値データを多種多様なテキストコンテキストと組み合わせた予測ベンチマークである。我々は,統計モデル,時系列基礎モデル,LLMに基づく予測モデルなど,さまざまなアプローチを評価する。提案手法は,提案するベンチマークにおいて,他の試験手法よりも優れる簡易かつ効果的なLCMプロンプト法である。
論文参考訳（メタデータ） (2024-10-24T17:56:08Z)
UniMix: Towards Domain Adaptive and Generalizable LiDAR Semantic Segmentation in Adverse Weather [55.95708988160047]
LiDARセマンティックセグメンテーション(LSS)は自動運転において重要な課題である。事前のLSS法は、晴れた天候下で同じ領域内のデータセットを調査・評価した。 LSSモデルの適応性と一般化性を高める普遍的手法UniMixを提案する。
論文参考訳（メタデータ） (2024-04-08T02:02:15Z)
Contextualizing MLP-Mixers Spatiotemporally for Urban Data Forecast at Scale [54.15522908057831]
本稿では,STTD予測を大規模に行うためのコンピュータ・ミクサーの適応版を提案する。我々の結果は、この単純な効率の良いソリューションが、いくつかのトラフィックベンチマークでテストした場合、SOTAベースラインに匹敵する可能性があることを驚くほど示している。本研究は, 実世界のSTTD予測において, 簡便な有効モデルの探索に寄与する。
論文参考訳（メタデータ） (2023-07-04T05:19:19Z)

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。