液态神经网络模型用于天然气现货价格时间序列预测
机器学习
2026-04-29 v1 人工智能
摘要
天然气无疑是全球能源体系的必需品。由于季节性需求模式、地缘政治发展变动以及宏观经济条件变化带来的显著波动，准确预测天然气价格具有挑战性。非线性动力学和频繁的区间变化可能限制传统时间序列模型的效果。本研究探索使用液态神经网络（LNN）对亨利哈特现货价格进行短期预测，作为定价的主要基准。LNN通过动态内部状态更新持续适应不断演变的时序模式，使其适用于非平稳价格行为。通过在波动市场条件下提高预测精度，本工作旨在减少不确定性并提升能源交易和电力市场应用中的决策支持能力。
引用
@article{arxiv.2604.24788,
title = {Liquid Neural Network Models for Natural Gas Spot Price Time-Series Forecasting},
author = {Yiqian Liu and Jiayi Niu and Adam Kelleher and Subhabrata Das},
journal= {arXiv preprint arXiv:2604.24788},
year = {2026}
}