論文の概要: GateFormer: Forecast-Space Decomposition for Intra-Hour Solar Irradiance Prediction from Sky Images

• arxiv url: http://arxiv.org/abs/2610.30942v1
• Date: Thu, 22 Oct 2026 08:58:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.291771
• Title: GateFormer: Forecast-Space Decomposition for Intra-Hour Solar Irradiance Prediction from Sky Images
• Title（参考訳）: GateFormer: スカイイメージによる時間内太陽放射予測のための予測空間分解
• Abstract要約: GateFormerは、時間内グローバル水平照度(GHI)予測のためのViTである。 GateFormerは観察されたGHIをビジュアルトークンストリームに埋め込み、自己注意を通じてスカイイメージのパッチ機能とのインタラクションを可能にする。 NREL-TSIベンチマークでは、GateFormerは125.01 W/m2 RMSEを+30分で達成し、最先端のトランスフォーマーベースラインを9.6%改善した。
• 参考スコア（独自算出の注目度）: 2.099922236065961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sub-hourly dispatch, balancing, and storage control increasingly depend on forecasts that anticipate rapid variability in solar generation. Accurate sky-image-based irradiance forecasting requires a combination of visual cloud dynamics with recent irradiance state while adapting to different short-term irradiance-change regimes. To address this, we introduce GateFormer, a GHI-conditioned dual-decoder ViT for intra-hour global horizontal irradiance (GHI) forecasting through forecast-space decomposition. GateFormer embeds observed GHI into the visual token stream, allowing interaction with sky-image patch features through self-attention. From this shared representation, a Trajectory Head predicts future GHI sequence, while a Delta Head predicts final-horizon change from the latest observed GHI. The two final-horizon forecasts are adaptively weighted in prediction space, with magnitude- and direction-supervision targeting the remaining error. On the NREL-TSI benchmark, GateFormer attains 125.01 W/m^2 RMSE at +30 min, improving over a state-of-the-art transformer baseline by 9.6% under paired-timestamp evaluation. Across NREL-TSI, Chilbolton, and SIRTA, GateFormer achieves the lowest final-horizon RMSE among the evaluated baselines, with forecast skill of 22.97-28.86% relative to smart persistence. Component ablations show adaptive weighting outperforms both individual decoders and fixed averaging, distinguishing GateFormer from conventional forecast combination, while the supervised correction further reduces RMSE by 1.68 W/m^2 and MAE by 4.86 W/m^2. Ramp-regime diagnostics show larger gains during operationally important positive ramps, reducing RMSE by 26.27 W/m^2. These results identify forecast-space decomposition as an alternative forecasting formulation, with potential relevance to other multimodal short-horizon forecasting tasks and deployment using only sky images and measured GHI.
• Abstract（参考訳）: 時を下るディスパッチ、バランス、貯蔵管理は、太陽光発電の急速な変動を予想する予測にますます依存している。 正確な空像に基づく照度予測には、視覚雲のダイナミクスと最近の照度状態の組み合わせが必要である。 この問題に対処するため、GHI条件付きデュアルデコーダであるGateFormerを導入し、予測空間分解による時間内水平照度(GHI)予測を行う。 GateFormerは観察されたGHIをビジュアルトークンストリームに埋め込み、自己注意を通じてスカイイメージのパッチ機能とのインタラクションを可能にする。 この共有表現から、軌道ヘッドは将来のGHIシーケンスを予測し、デルタヘッドは最新の観測されたGHIから最終水平変化を予測する。 2つの最終水平予測は予測空間において適応的に重み付けされる。 NREL-TSIベンチマークでは、GateFormerは125.01 W/m^2 RMSEを+30分で達成し、ペアタイムスタンプ評価の下で最先端のトランスフォーマーベースラインを9.6%改善した。 NREL-TSI、チルボルトン、SIRTA全体では、GateFormerは評価ベースラインの中で最も低い最終水平RMSEを達成しており、予測スキルはスマート永続性に対して22.97-28.86%である。 成分増幅は個々のデコーダと固定平均化の両方に適応的な重み付け性能を示し、GateFormerと従来の予測の組み合わせを区別する一方、教師付き補正はRMSEを1.68W/m^2、MAEを4.86W/m^2に低減する。 ランプ・レジーム診断は、運用上重要な陽性ランプにおいて大きな上昇を示し、RMSEを26.27W/m^2削減した。 これらの結果は,予測空間の分解を,他のマルチモーダル・ショートホライゾン予測タスクと,スカイイメージのみを用いて,GHIの測定値を用いて,潜在的に関連する予測定式化として特定した。

関連論文リスト

• HART: Hybrid Attention-RWKV Time series Foundation Model [51.09738341305564]
  非自己回帰的多段階予測(NAF)により、時系列基礎モデルでは、将来の地平線全体を単一の前方通過で予測することができる。 RWKV-7はその強いシーケンスモデリング能力にもかかわらず、我々のNAF実験で長期劣化を示す。 本稿では,注目ブロックとRWKVブロックを交互に扱うハイブリッドアテンションRWKV時系列基盤モデルHARTを提案する。
  論文  参考訳（メタデータ） (2026-10-09T02:19:20Z)
• State Transport Routing for Short-horizon Adaptation in Multi-horizon Photovoltaic Forecasting [1.6028290648973895]
  最近の電力測定は、太陽光発電(PV)電力予測に貴重な情報を提供する。 しかし、短期的な傾向を直接外挿すると、長期予測の地平線よりもかなりの誤差が生じる可能性がある。 本研究では,凍結予測モデルの予測を洗練させる軽量アダプタである状態輸送ルーティング(STR)を提案する。
  論文  参考訳（メタデータ） (2026-09-29T07:42:31Z)
• EO-WM: A Physically Informed World Model for Probabilistic Earth Observation Forecasting [50.31500063307306]
  マルチスペクトル地球観測予測のためのビデオ拡散変換器であるEO-WMを紹介する。 EO-WMは、気象基準線、気象異常、累積的な物理的ストレス信号を通して気象的な強制力を表す物理的に情報を得た条件付けフレームワークを組み込んでいる。 実験の結果、EO-WMは予測正規化植生指数(NDVI)の減少振幅を相対5.63%減少させ、方向のヒット率を相対7.80%向上させることがわかった。
  論文  参考訳（メタデータ） (2026-06-25T16:53:30Z)
• A Hybrid LSTM--Vision Transformer Architecture for Predicting HRRR Forecast Errors [0.0]
  我々は、表面観測から時間的シーケンス学習とニューヨーク州立大学メソネット・プロファイラネットワークからの大気プロファイルを組み合わせたLSTM-Vision Transformer (LSTM-ViT) フレームワークを開発した。 本研究は,モデルバイアスと予測信頼度に関する予測指標を改良した。
  論文  参考訳（メタデータ） (2026-06-17T12:51:46Z)
• CF-JEPA: Mask-free forward prediction with asymmetric encoder utilization for time-series representation learning [3.526682160724688]
  クロップベースのForward JEPAは、マスクをマルチ水平前方予測に置き換える革新的なマスクフリーフレームワークとして提案されている。 オンラインエンコーダと指数移動平均(EMA)目標エンコーダとの間には強い非対称性が同定され、どちらも単一のトレーニングランから生成される。 CF-JEPA は自己監督ベースラインの中で UCR と UEA の最高平均精度とランクを達成している。
  論文  参考訳（メタデータ） (2026-06-05T08:21:20Z)
• VGGT-World: Transforming VGGT into an Autoregressive Geometry World Model [59.789011777899965]
  VGGT-World(VGGT-World)は、ビデオ生成を完全にサイドステップで行い、凍った幾何学的境界モデルの特徴の時間的進化を予測する幾何学世界モデルである。 VGGT-Worldは3.6～5倍高速で、トレーニング可能なパラメータはわずか0.43Bである。
  論文  参考訳（メタデータ） (2026-03-13T04:56:43Z)
• SARIMAX-Based Power Outage Prediction During Extreme Weather Events [9.853802100348892]
  本研究では,SARIMAXを用いた短期停電予測システムを開発した。 ミシガン州の郡から毎時のデータと、停止数と包括的な気象特性を使って、システマティックな2段階のフィーチャーエンジニアリングパイプラインを実装します。 選択した特徴は,SARIMAXモデルへの入力として,時間埋め込み,マルチスケールラグ特性,気象変数を付加したものである。
  論文  参考訳（メタデータ） (2025-11-02T17:13:58Z)
• EMForecaster: A Deep Learning Framework for Time Series Forecasting in Wireless Networks with Distribution-Free Uncertainty Quantification [11.88654374102813]
  我々は、textitEMForecasterと呼ばれるディープラーニング(DL)時系列予測フレームワークを開発した。 EMForecasterは、短期と長期の両方の予測地平線にまたがって、さまざまなデータセットで優れたパフォーマンスを実現している。 ポイント予測タスクでは、EMForecasterは現在の最先端のDLアプローチを大きく上回り、Transformerアーキテクチャよりも53.97%、ベースラインモデルの平均より38.44%改善している。
  論文  参考訳（メタデータ） (2025-03-31T18:10:08Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)

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。