JP2005141708A - 需要予測プログラム、当該需要予測プログラムを記録したコンピュータ読み取り可能な記録媒体、及び需要予測装置 - Google Patents

Abstract

【課題】実測データが抱える急峻な変動を除去したり平準化等の特別な工数をかけることなく実測データをそのまま使用し、需要予測モデルを意識する必要のない、需要予測システムを提供することにある。
【解決手段】実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとする。
【選択図】図３

Description

本発明は、商品の生産数・販売数・在庫数や提供するサービスによる売上等、商品・サービス等の将来的な需要を予測するための、需要予測システムに関するものである。

従来より、製造・販売する商品の数量の予測、若しくは提供するサービスの見込み需要を予測する需要予測システムが提案されている。

この需要予測システムでは、予め過去の実績（実測）データを入力しておき、この入力した実測データに基づいて、自己回帰分析法、指数平滑法、移動平均法、加重平均法、ボックスジェンキンズ法等の予測手法の中から何れかの予測手法を採択して需要予測モデルを作成し、需要予測を行なっている。
特許文献１には、自己回帰モデル作成装置を用いて、自己回帰モデルを作成する排水量予測装置が開示されている。
特開２００２−５４１８２号公報（第１頁、第２頁、第４−６頁）

需要を予測する予測方法は、前述のとおり種々存在しているが、従来の需要予測方法にあっては、
（１）どの予測手法を選択するかは担当者の裁量（恣意）に委ねられており、適用した予測手法毎に異なる需要予測モデルが算出されることになるため、需要予測に汎用性がない、
（２）実測データに急峻な変動が見られる場合には、通例これらの予測手法では、この急峻な変動を前もって除去し平準化を図った上で需要予測を行なうため、実測データと需要予測に用いるデータには当初より誤差が存在し、需要予測の精度や信頼性に欠ける、
等の問題点が指摘されていた。

本発明は上記の従来技術の問題点を解消するためになれたものであり、その目的は、実測データが抱える急峻な変動を除去したり平準化等の特別な工数をかけることなく実測データをそのまま使用し、需要予測モデルを意識する必要のない、需要予測システムを提供することにある。

本発明の他の目的は、実測データのうち中・長期的にみて繰り返される周期的要因のデータ部分（マクロ部分）と実測データのうち繰り返されない一時的要因のデータ部分（ミクロ部分）を問わず、いずれのデータ部分においても需要予測の精度が高く、さらに需要予測の信頼性も高い、需要予測システムを提供することにある。

かかる目的を達成すべく、本発明は課題を解決するための手段として、需要予測プログラム、当該需要予測プログラムを記録したコンピュータ読み取り可能な記録媒体、及び需要予測装置を具備するものである。

請求項１の発明は、需要を予測するコンピュータを、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段、
該第１のデータ分析手段により分析された解析すべきデータの周波数成分のうち、基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
として機能させるための需要予測プログラムである。

請求項２の発明は、需要を予測するコンピュータを、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段、
該第１のデータ分析手段により分析された解析すべきデータの周波数成分のうち、基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析し逆変換して得られるデータのうち一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算するとともに、最後の差分データを分析し逆変換して得られるデータのうち一時的要因のデータを識別情報を付して加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
として機能させるための需要予測プログラムである。

請求項３の発明は、需要を予測するコンピュータを、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを第２のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段、
該第２のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
として機能させるための需要予測プログラムである。

請求項４の発明は、需要を予測するコンピュータを、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを第２のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段、
該第２のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを識別情報を付して加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
として機能させるための需要予測プログラムである。

請求項５の発明は、需要を予測するコンピュータを、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを第３のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段と、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段と、データ解析時に前記第１のデータ分析手段と前記第２のデータ分析手段のいずれか一方を選択する分析手段選択部を備えてなる第３のデータ分析手段、
該第３のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
として機能させるための需要予測プログラムである。

請求項６の発明は、需要を予測するコンピュータを、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを第３のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段と、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段と、データ解析時に前記第１のデータ分析手段と前記第２のデータ分析手段のいずれか一方を選択する分析手段選択部を備えてなる第３のデータ分析手段、
該第３のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを識別情報を付して加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
として機能させるための需要予測プログラムである。

請求項７の発明は、上記需要予測プログラムのいずれかを記録したコンピュータ読み取り可能な記録媒体である。

請求項８の発明は、需要を予測する装置であって、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段、
該第１のデータ分析手段により分析された解析すべきデータの周波数成分のうち、基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
を備えてなる需要予測装置である。

請求項９の発明は、需要を予測する装置であって、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段、
該第１のデータ分析手段により分析された解析すべきデータの周波数成分のうち、基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析し逆変換して得られるデータのうち一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析し逆変換して得られるデータのうち一時的要因のデータを識別情報を付して加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
を備えてなる需要予測装置である。

請求項１０の発明は、需要を予測する装置であって、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを第２のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段、
該第２のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
を備えてなる需要予測装置である。

請求項１１の発明は、需要を予測する装置であって、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを第２のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段、
該第２のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを識別情報を付して加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
を備えてなる需要予測装置である。

請求項１２の発明は、需要を予測する装置であって、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを第３のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段と、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段と、データ解析時に前記第１のデータ分析手段と前記第２のデータ分析手段のいずれか一方を選択する分析手段選択部を備えてなる第３のデータ分析手段、
該第３のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
を備えてなる需要予測装置。

請求項１３の発明は、需要を予測する装置であって、
予め過去の実測データを記録しておく実測データ記録手段、
実測データ、差分データを第３のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段と、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段と、データ解析時に前記第１のデータ分析手段と前記第２のデータ分析手段のいずれか一方を選択する分析手段選択部を備えてなる第３のデータ分析手段、
該第３のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを識別情報を付して加算する演算手段、
得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
得られた需要予測モデルを出力する手段
を備えてなる需要予測装置である。

本発明は以上のごとく構成され、本発明によれば次の効果を奏する。
（１）実測データが抱える急峻な変動を除去したり平準化等の特別な工数をかけることなく実測データをそのまま使用し、需要予測モデルを意識する必要のない、需要予測プログラム、当該需要予測プログラムを記録したコンピュータ読み取り可能な記録媒体、及び需要予測装置が得られる。
（２）実測データのうち中・長期的にみて繰り返される周期的要因のデータ部分（マクロ部分）と実測データのうち繰り返されない一時的要因のデータ部分（ミクロ部分）を問わず、いずれのデータ部分においても需要予測の精度が高く、さらに需要予測の信頼性も高い、需要予測システムが得られる。
（３）解析すべきデータを基に複数の予測モデルを適用することが可能な為、従来の手法に対して予測の精度が飛躍的に（確実に）向上する。
（４）解析すべきデータと指数関数との差異を解析し、これを予測に使用する為、マクロ・ミクロを問わず需要予測の精度を向上させ、需要予測の信頼性の向上を図ることができる。

需要予測システムでは、実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとすることができる。

第１のデータ分析手段により分析された周波数成分のうち、推定雑音レベルよりも大きい信号レベルにある周波数成分を取り出し波形生成手段を用いて逆変換する場合、スペクトルの強い周波数は変動曲線を特徴づける重要な要素であるため、これを基本波とすることは好ましいが、取り出す周波数は必ずしも最大スペクトルの周波数である必要はない。任意の周波数、例えば、「１ケ月周期の周波数」等適宜選択して基本波とすることでもよいことは勿論である。

また、第２のデータ分析手段、第３のデータ分析手段のように、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た（例えば、差分の少ないもの、波形の相関の取れるもの）近似関数を選択することにより解析すべきデータの分析を行なってもよい。

本発明に係る需要予測システムの実施例について、図面を参照しながら説明する。
図１は、本発明に係る需要予測システム１Ａの構成図、
図２は、需要予測装置３Ａの構成図、
図３は、需要予測装置３Ａを構成するハードディスクとデータ処理部の構成図である。

これらの図において、本発明に係る需要予測システム１Ａは、通信ネットワーク２を利用して構築され、通信ネットワーク２を介して需要予測装置（通信サーバ）３Ａが通信端末４に接続されている。前記通信ネットワーク２は公衆電話網、インターネット、パソコン通信、ＬＡＮ、ＷＡＮ等によるネットワークとして構築され、前記通信端末４は汎用のパソコン、ノート型パソコン等によるコンピュータ端末として構成される。前記通信端末４には、端末の性能に応じたＷＥＢブラウザプログラムが格納されている。

前記需要予測装置３Ａと通信端末４は通信機能を有し、それぞれＷＥＢ通信サーバプログラム、ＷＥＢブラウザプログラムが動作し、前記通信ネットワーク２を介して交信され、前記需要予測装置３Ａからの送信内容は、前記通信端末４の表示画面に視覚的に表示される。

（需要予測装置３Ａの構成）
前記需要予測装置３Ａは、中央処理装置（ＣＰＵ）５、ＲＡＭ６、外部記憶装置（例えば、ハードディスクドライブ：ＨＤＤ）７、ＯＤＤ（オプティカルディスクドライブ）８、キーボード１０、マウス１１、通信インタフェース１２、ディスプレイ１３を有しており、これらはバス１４により接続される。さらに、前記需要予測装置３Ａは、データ処理部３０Ａを具備している。

前記需要予測装置３Ａは前記中央処理装置５により制御され、前記ＲＡＭ６は前記中央処理装置５のワークエリアとして利用され、データ、プログラム、計算結果を記憶している。前記外部記憶手段７は、例えば磁気記憶手段として機能し、大容量のＨＤ（ハードディスク）１５が格納され、中央処理装置５からの指令信号を受信すると前記ＨＤ１５を制御し、ＨＤ１５に対しデータのリード／ライトを実行する。過去の実測データは、前記キーボード１０とマウス１１より入力される。

前記ＨＤ１５は、プログラム格納部１６とデータ格納部２０を有し、このプログラム格納部１６には、ＯＳ１７，ＷＥＢ通信サーバプログラム１８、および需要予測プログラム１９が格納されている。この各プログラム１７，１８，１９は、後述する光ディスク型記録媒体（ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ等）９に格納されており、これらを前記プログラム格納部１６にインストールして使用する。

前記データ格納部２０は、解析すべきデータ２１と需要予測モデルを含む予測モデル２４を格納し、解析すべきデータ２１は、実測データ２２、差分データ２３より構成される。

このうち、差分データ２３は、実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データ［第Ｎ差分データ］までのデータよりなる。

また、予測モデル２４は、実測データ２２、差分データ２３を周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる第１〜最後の予測モデルである第Ｎ予測モデルと、さらに、これらの第１〜第Ｎの各予測モデルを加算して得られる需要予測モデルよりなる。

かくして、前記データ格納部２０は、実測データ記録手段２２、差分データ記録手段２３、予測モデル記録手段２４を構成する。

前記ＯＤＤ（光ディスク手段）８は、前述の各プログラム１７，１８，１９を格納した前記光ディスク型記録媒体９を出し入れ可能とし、前記中央処理装置５からの指令により前記光ディスク型記録媒体９にレーザ光線を照射して前記光ディスク型記録媒体９に格納された需要予測プログラム１９を読み出し、前記ＨＤ１５にその読み出した需要予測プログラム１９はインストールされる。

前記データ処理部３０Ａは、第１のデータ分析手段３１、波形生成手段３２Ａ、演算手段３３Ａ、波形記憶手段３６Ａを具備している。

このうち、前記第１のデータ分析手段３１は、解析すべきデータ２１［実測データ２２、差分データ２３。これらのデータには有意な信号成分（基本波成分と高次波成分よりなる。）、雑音成分（周波数成分への依存度が少なく大きさがほぼ一定乃至一様な増減曲線を持っている。）、一時的要因（たとえば、コンビニ店の飲料の売上が、ある特定の日のみ非常に多く、近所で自治会の催し物が行われたことに起因することが後に判明した事例等）の成分が含まれている。］の波形分析を行なう。波形の解析手法として、例えば、フーリエ級数を用いて行なうことができ、その場合、分析結果は周波数成分とそのスペクトル強度（大きさ）として表示される。前述のとおり、波形は、概ね有意な信号成分、雑音成分そして、一時的要因の成分に分けることができる。このうち、特に、有意な信号成分は、通例、雑音レベルよりも大きい信号レベルを有するので、基本波成分から高次波成分（例えば７次程度までの高次波成分）を順次抽出することでデータの特徴を取り出す。

前記波形生成手段３２Ａは、前記第１のデータ分析手段３１により分析されたデータを入力データとし、解析すべきデータの周波数成分のうち、基本波成分から高次波成分までを順次抽出しさらに変換して得られる各データを第１予測モデル〜第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する。解析手法として前述のフーリエ級数を用いる場合には、波形生成にはフーリエ級数（逆変換）を用いる［分析方法とは逆に周波数成分を逆変換して波形を生成する。すなわち、基本波成分からＮ次までの高次波成分を順次抽出し，さらに逆変換して波形生成し、元の波形（基本波成分からＮ次までの高次波成分）の特徴を個々に抽出する。］。

前記演算手段３３Ａは、指定された波形に対して、波形の減算・加算の演算を行う。このため、前記演算手段３３Ａでは、まず、実測データから第１予測モデルを減算して第１差分データを得、次に得られた第１差分データから第２予測モデルを減算して第２差分データを得、さらに順次最後の差分データである第Ｎ差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算して基本波成分から高次波成分までの各予測モデルを抽出する減算部３４Ａと、得られた第１−第Ｎまでの各予測モデルを加算して需要予測モデルを得る加算部３５Ａを備えている。
さらに、加算部３５Ａでは、最後の差分データを分析し逆変換して得られるデータのうち雑音成分以外の一時的要因のデータを識別情報イ，ロ，ハ，ニ，ホ等の識別情報を付して加算する。すなわち、例えば
・識別情報イ： ある日曜日に一日だけ飲料とスナック類の売上が急増した場合に、後日の調査で、その日は近所の小学校で運動会が行われた日だった事がわかった；
・識別情報ロ： あるメーカーの商品がコンスタントに売れ出した場合に、それは、その日からメーカーのプレゼントキャンペーンが始まったためだった；
・識別情報ハ： ある食材の売上が突然増加し、その状態がしばらく続いた場合に、後日、調査の結果、テレビ番組でその食材の効用が紹介されたためと判明した；
・識別情報ニ： 冷たい飲料の売上が１日だけ減少した日は、猛暑続きの中で１日だけ気温が急に６℃も低かった日だった；
・識別情報ホ： ある２〜３日の間、缶詰の売上が急増した原因は、大型台風が接近するとの予報が出たためだった（図１６参照）．
である。

前記波形記憶手段３６Ａは、得られた需要予測モデルを含む予測モデルの波形を近似曲線として記憶する。
前記ディスプレイ１３は、得られた需要予測モデルを出力表示する。

（処理手順‥‥その１）
ここで、実測データが有意な信号成分のみの場合に、需要予測モデルを得る処理手順について、図４乃至図１４を用いて説明する。
図４は、需要予測装置により実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フロー図、
図５は、需要予測装置により実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フローの流れを示すグラフ図、
図６は、実測データ記録手段に予め記録された実測データ（解析すべき当初データ）Ａ１の時間（月）別の推移を表示するディスプレイの画面、
図７は、実測データ（解析すべき当初データ）Ａ１を第１のデータ分析手段によって周波数成分とそのスペクトル強度に分析した、当初の周波数分析結果Ａ２を表示するディスプレイの画面、
図８は、第１のデータ分析手段の分析結果をもとに波形生成手段により導き出され波形記憶手段が記憶する第１予測モデルＡ３を近似曲線により表示するディスプレイの画面、
図９は、実測データＡ１から第１予測モデルＡ３を減算して得た第１差分データＢ１の時間（月）別の推移を表示するディスプレイの画面、
図１０は、第１差分データＢ１を第１のデータ分析手段によって周波数成分とそのスペクトル強度に分析した周波数分析結果Ｂ２を表示するディスプレイの画面、
図１１は、第２差分データを第１のデータ分析手段によって周波数成分とそのスペクトル強度に分析した周波数分析結果を表示するディスプレイの画面、
図１２は、最後の差分データＰ１を第１のデータ分析手段によって周波数成分とそのスペクトル強度に分析した周波数分析結果Ｐ２を表示するディスプレイの画面、
図１３は、第１予測モデルＡ３から第Ｎ予測モデルＰ３までを順次加算して得られる需要予測モデルＴ１の時間（月）別の推移を表示するデイスプレイの画面、
図１４は、需要予測モデルＴ１の近似曲線に実測データＡ１を表す曲線を重ね合わせたグラフ図である。
また、図５中のＡ１，Ａ２，Ａ３，Ｂ１，Ｂ２，Ｂ３，Ｐ１，Ｐ２，Ｐ３，Ｑ１，Ｔ１の表示内容は次の通りである。
Ａ１： 実測データ（解析すべき当初データ）を示す表示画面
Ａ２： 実測データを周波数成分とそのスペクトル強度に分析した結果を示す表示画面
Ａ３： 第１予測モデルを示す表示画面
Ｂ１： 第１差分データを示す表示画面
Ｂ２： 第１差分データを周波数成分とそのスペクトル強度に分析した結果を示す表示画面
Ｂ３： 第２予測モデルを示す表示画面
Ｐ１： 第（Ｎ−１）差分データ［最終差分データ］を示す表示画面
Ｐ２： 第（Ｎ−１）差分データを周波数成分とそのスペクトル強度に分析した結果を示す表示画面
Ｐ３： 第Ｎ予測モデルを示す表示画面
Ｑ１： 最後の差分データを示す表示画面
Ｔ１： 需要予測モデルを示す表示画面

（１）先ず、実測データＡ１を解析すべき当初のデータとし、入力手段（キーボード１０、マウス１１）より第１のデータ分析手段３１に入力する。第１のデータ分析手段３１においてフーリエ級数に展開して実測データを周波数成分とそのスペクトル強度（大きさ）に分析する（図４のステップ１）。分析結果から有意な信号成分のみを抽出（選択）する［分析手法としてフーリエ級数を用いる場合、前述のとおり、分析結果は周波数成分（図７のＫ１，ｋ２，‥‥ｋ１５）とそのスペクトル強度として表示され（Ａ２）、さらに、雑音成分は周波数成分への依存度が少なく、大きさがほぼ一定乃至周波数に対して一様な増減曲線として表示される。］。有意な信号成分は、基本波成分と高次波成分からなる信号として表示される。高次波成分は次数を選択することで波形曲線の調整を行なうが、推定雑音レベル（図７中のスペクトルレベルα）よりも大きい信号レベルの周波数成分［例えば、図７中最大強度のスペクトルを持つＫ２およびＫ２の整数倍の周波数の高次波形（例えば、図７中のＫ６，Ｋ１０，Ｋ１４）］を先ず取り出すため、波形生成手段３２を用いて逆変換し元の波形曲線の特徴を抽出した波形曲線として生成し、第１予測モデルＡ３を導き出して、この波形曲線を前記波形記憶手段３６Ａに記憶させる（ステップ２）。

（２）演算手段３３Ａにより、実測データＡ１の値から第１需要予測モデルＡ３の値を減算してＡ１−Ａ３を求め、第１差分データＢ１（＝Ａ１−Ａ３）を算出する（ステップ３）。さらに、実測データＡ１の替わりに解析すべきデータとして第１差分データＢ１を第１のデータ分析手段３１で解析し、周波数成分とそのスペクトル強度（大きさ）に分析する（Ｂ２）。分析結果から有意な他の信号成分［例えば、図１０中最大強度のスペクトルを持つＫ３およびＫ３の整数倍の周波数の高次波形（例えば、図１０中のＫ８，Ｋ１３）］を取り出すため、波形生成手段３２Ａを用いて逆変換し元の波形曲線の特徴を抽出した波形曲線として生成し、第２予測モデルＢ３を導き出して、この波形曲線を前記波形記憶手段３６Ａに記憶させる（ステップ２）。

（３）同様に、演算手段３３Ａを用い、第１差分Ｂ１から第２予測モデルＢ３を減算してＢ１−Ｂ３を求め、第２差分データ（Ｂ１−Ｂ３）を算出する（ステップ３）。第２差分データをデータ分析手段３１により分析し、周波数成分とそのスペクトル強度（大きさ）に分析する。同様にして、第１のデータ分析手段３１の分析結果から有意なもう一つ他の信号成分（例えば、図１２中のＫ７およびＫ７の整数倍の周波数の波形）を取り出すため、波形生成手段３２Ａを用いて逆変換し第３予測モデルＢ３を導き出して、この波形曲線を前記波形記憶手段３６Ａに記憶させる（ステップ４）。

（４）さらに、同様に、演算手段３３Ａを用いて、最後の差分データ［第Ｎ差分データ］Ｑ１、最後の予測データＰ３までを順次算出する（ステップ４）。

（５）上記（１）〜（４）より得られた各予測モデルを、演算手段３３Ａを用いて加算し（ステップ５）、最終の需要予測モデルＴ１を生成し、この需要予測モデルをディスプレイ１３に表示出力する（ステップ６）。
図１３、図１４における時間（月）Ｘ以降の曲線部分が、将来の需要予測部分となる（図１３、図１４の太線の部分）。

（処理手順‥‥その２）
実測データには、通例、有意な信号成分の他に、雑音成分、一時的要因の成分が含まれている。その場合の処理手順について、図５，図１４乃至図１６を用いて説明する。
図１５は、需要予測装置により実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フローの流れを示すグラフ図、
図１６は、解析すべき最後の差分データＱ１に含まれる一時的要因Ｑ４の時間（月）別の推移を表示するディスプレイの画面である。
図５中のＱ２，Ｑ３，Ｑ４，Ｔ２の表示内容は次の通りである。
Ｑ２： 最後の差分データを周波数成分とそのスペクトル強度に分析した結果を示す表示画面
Ｑ３： 雑音成分を示す表示画面
Ｑ４： 一時的要因の成分を示す表示画面
Ｔ２： 需要予測モデルを示す表示画面

この処理手順においては、前記処理手順その１の手順（１）〜（５）（図４に示すステップ１〜４の処理手順）に加え、次の処理手順が加わる。すなわち、
（６）解析された最後の差分データＱ１を分析し逆変換して得られるデータのうち雑音成分以外の一時的要因によるデータを識別情報イ，ロ，ハ，ニを付して記憶し（ステップ１５）、さらに、この一時的要因のデータを加算して需要予測モデルＴ２を生成して（ステップ１６）、この需要予測モデルをディスプレイ１３に表示出力する（ステップ７）。
図１４における時間（月）Ｘ以降の曲線部分が、将来の需要予測部分となる（図１４の太線の部分）。

本実施例によれば、実測データのモデル化を行なう必要がなく、簡単にして操作者の恣意によらずに需要予測モデルを得ることができ、需要予測の信頼度の向上を図ることが可能となる。
また、実測データのうち中・長期的にみて繰り返される周期的要因のデータ部分（マクロ部分）と実測データのうち繰り返されない一時的要因のデータ部分（ミクロ部分）を問わず、いずれのデータ部分においても需要予測を行なうことが可能となる。

次に、需要予測システム１Ｂの第２の実施例について、図１，図２，図１７，図１８，図１９を参照しながら説明する。
図１７は、需要予測装置３Ｂを構成するハードディスクとデータ処理部の構成図、
図１８は、需要予測装置３Ｂを構成する第２のデータ分析手段１３１の構成を示すブロック図、
図１９は、第２のデータ分析手段１３１におけるデータ解析フロー図である。

これらの図において、需要予測装置３Ｂが、
（１） 予め過去の実測データを記録しておく実測データ記録手段２２、
（２） 予測モデル記録手段２４、
（３） 実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段２３、
（４） データ分析手段１３１、
（５） 波形生成手段３２Ｂ、
（６） 第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段３３Ｂ、
（７） 得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段３６Ｂ、
（８） 得られた需要予測モデルを出力する手段１３、
を具備している点は第１の実施例と同じであるが、
（９） 予測モデル記録手段２４が、実測データ、差分データを第２のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとし、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する点、
（１０） データ分析手段１３１が、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段として構成されている点、
（１１） 波形生成手段３２Ｂが、第２のデータ分析手段１３１により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する点、
が第１の実施例と異なる。

前記第２のデータ分析手段１３１は、データの分析・比較検討を行なうデータ分析部１３２と、近似関数の選択・決定を行なう近似関数生成部１３３を備えている。

前記近似関数生成部１３３は、近似関数選択部１３４と、近似関数記憶部１３５を具備している。前記データ分析部１３２は、解析すべきデータである実測データ、差分データを、変動（例えば波形）として解析し、前記近似関数選択部１３４は、これらの解析すべきデータの変動を近似関数として捕捉するため、変動に近い近似関数を選択する（ステップ２１）。前記近似関数記憶手段１３５は、パラメータを選択・記憶し変動を近似関数として特定し記憶する（ステップ２２）。さらに、前記データ分析部１３２は、選択したパラメータ込みの近似関数と解析すべきデータとを比較検討し近似関数として適当か否かの分析を行なう［ステップ２３：前記近似関数選択部１３４に予め記憶されている近似関数は、例えば、ｙ＝ａ・ｓｉｎｂｘ（但し、ａ，ｂはパラメータ）等の形で記憶されており、さらに、各パラメータについてそれぞれ初期値が記憶されている。パラメータが変動し、あるいは関数値が別のものに変わり適したものを得て予測データ（予測式）とする。］。近似関数が適当であれば（ステップ２４）、その波形が波形生成手段３２Ｂに生成される（図１８、１９参照）。

（処理手順）
つぎに、需要予測モデルを得る処理手順について、図２０乃至図２５を用いて説明する。
図２０は、需要予測装置３Ｂにより実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フロー図、
図２１は、需要予測装置により実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フローの流れを示すグラフ図、
図２２は、実測データ記録手段に予め記録された実測データ（解析すべき当初データ）Ａ５の時間（月）別の推移を表示するディスプレイの画面、
図２３は、第２のデータ分析手段の分析結果をもとに波形生成手段３２Ｂにより導き出され波形記憶手段３６Ｂが記憶する第１予測モデルＡ５を近似曲線により表示するディスプレイの画面、
図２４は、解析すべき最後の差分データＱ５に含まれる一時的要因Ｑ７の時間（月）別の推移を表示するディスプレイの画面、
図２５は、第１予測モデルＡ６から第Ｎ予測モデルＰ６までと、周期的要因のデータＱ６と、一時的要因のデータＱ７とを加算して得られる需要予測モデルＴ３の時間（月）別の推移を表示するデイスプレイの画面である。
また、図２１中のＡ５，Ａ６，Ｂ５，Ｂ６，Ｐ５，Ｐ６，Ｑ５，Ｑ６，Ｑ７，Ｑ８，Ｔ３の表示内容は次の通りである。
Ａ５： 実測データ（解析すべき当初データ）を示す表示画面
Ａ６： 第１予測モデルを示す表示画面
Ｂ５： 第１差分データを示す表示画面
Ｂ６： 第２予測モデルを示す表示画面
Ｐ５： 第（Ｎ−１）差分データ［最終差分データ］を示す表示画面
Ｐ６： 第Ｎ予測モデルを示す表示画面
Ｑ５： 最後の差分データを示す表示画面
Ｑ６： 最後の差分データにおける周期性成分を示す表示画面
Ｑ７： 一時的要因の成分を示す表示画面
Ｑ８： 雑音成分を示す表示画面
Ｔ３： 需要予測モデルを示す表示画面

（１） 解析すべきデータ（実測データ）Ａ５を、第２のデータ分析手段１３１により分析し近似関数としての第１予測モデルＡ６を導き出す（ステップ３１）。
（２） 演算手段３３Ｂにより、解析すべきデータ（実測データ）Ａ５の値から第１予測モデルＡ６の値を減算し第１差分データＢ５を算出する（ステップ３２）。
（３） 解析すべきデータとして第１差分データＢ５を用い、第２のデータ分析手段１３１により分析し近似関数としての第２予測モデルＢ６を導き出す（ステップ３１）
（４） 演算手段３３Ｂにより、第１差分データＢ５の値から第２予測モデルＢ６の値を減算し第２差分データＰ５を算出する（ステップ３２）。
（５） さらに、順次同様に、演算手段３３Ｂ用いて、最後の第Ｎ予測モデルＰ６、最後の差分データ［第Ｎ差分データ］Ｑ５までを算出する（ステップ３１、ステップ３２）。
（６） 解析された最後の第Ｎ差分データＱ５のうち、周期的要因のデータＱ６、一時的要因のデータＱ７（識別情報イ，ロ，ハ，ニが付されている），雑音成分Ｑ８を記憶し（ステップ３４、３５）、さらに、第１予測モデル〜第Ｎ予測モデルと、周期性成分Ｑ６と、そして、この一時的要因のデータＱ７とを加算して需要予測モデルＴ３を生成し、この需要予測モデルＴ３をディスプレイ１３に表示出力する（ステップ３６）。

この実施例によれば、実測データのモデル化を行なうことなく、また誤差の大小、あるいは相関の多少のように数値を比較することができ、簡単にして操作者の裁量によらずに需要予測曲線を得ることが可能となるため、需要予測の信頼度の向上が図れる。

次に、需要予測システム１Ｃの第３の実施例について、図１，図２，図２６，図２７を参照しながら説明する。
図２６は、需要予測装置３Ｃを構成するハードディスクとデータ処理部の構成図、
図２７は、需要予測装置３Ｃを構成する第３のデータ分析手段２３１の構成を示すブロック図、
図２８は、既知の関数式を用いて需要予測モデル（予測式等）を導く手法と、データを周波数成分や大きさ（スペクトル強度）等に分析し予測式等を導く手法とを混在させた場合の汎用解析フロー図、
図２９は、既知の関数式を用いて需要予測モデル（予測式等）を導く手法と、データを周波数成分や大きさ（スペクトル強度）等に分析し予測式等を導く手法とを混在させた場合の解析フロー図の一例で、第１予測モデル（第１予測式）のみを前者、第２予測モデル（第２予測式）以降を後者の手法で導く場合の解析フロー図、
図３０は、既知の関数式を用いて需要予測モデル（予測式等）を導く手法と、データを周波数成分や大きさ（スペクトル強度）等に分析し予測式等を導く手法とを混在させた場合の解析フロー図の一例で、両手法で導いた予測データ（予測式）を比較し、より適した方を採用する場合の解析フロー図である。

この実施例では、第３のデータ分析手段２３１が、第１のデータ分析手段３１と、第２のデータ分析手段１３１と、データの解析時に、第１のデータ分析手段３１と第２のデータ分析手段１３１のいずれか一方の分析手段を選択する分析手段選択部２３２を備えている。すなわち、第３のデータ分析手段２３１の分析手段選択部２３２は、データ解析の際、前記第１のデータ分析手段３１と第２のデータ分析手段１３１のうち、解析すべきデータの波形と分析手段により分析され導かれる波形との誤差のより小さい分析手段を選択する（図２８におけるステップ４１）。したがって、この実施例では、使用する予測モデルとして、
（１） 第１のデータ分析手段３１により過去の実測データを分析し、分析結果を基に波形生成手段３２Ｃにより予測曲線を生成するとともに、演算手段３３Ｃを用いて実測データから予測モデルの値を減算し差分データを得た後、この差分データをもとに同様の動作を繰り返して順次予測モデルと差分データを得、これらの動作で得られた複数の予測モデルを加算して、需要予測モデルを導く手法（ステップ４２Ａ，ステップ４３Ａ，ステップ４４Ａ，ステップ４５Ａ，ステップ４６，ステップ４７，ステップ４８，ステップ４９，ステップ５０）と、
（２） 第２のデータ分析手段１３１を構成するデータの近似関数生成部１３３により過去の実測データから近似関数を生成するとともに、演算手段３３Ｃを用いて該実測データから前記近似関数値を減算し差分を得た後、この差分データをもとに同様の動作を繰り返して次々に近似関数と差分を得、これらの動作で得られた複数の予測モデルを加算して需要予測モデルを導く手法（ステップ４２Ｂ，ステップ４４Ｂ，ステップ４５Ｂ，ステップ４６，ステップ４７，ステップ４８，ステップ４９，ステップ５０）と、
を、選択する（混在させる）ことにより需要予測モデルを導く。

図３１は、需要予測装置により実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フローの流れを示すグラフ図である。
図３１中のＡ９，Ａ１１，Ｂ９，Ｂ１０，Ｂ１１，Ｐ９，Ｐ１０，Ｐ１１，Ｑ９，Ｑ１０，Ｑ１１，Ｔ４の表示内容は次の通りである。
Ａ９ ： 実測データ（解析すべき当初データ）を示す表示画面
Ａ１１： 第１予測モデルを示す表示画面
Ｂ９ ： 第１差分データを示す表示画面
Ｂ１０： 第１差分データを周波数成分とそのスペクトル強度に分析した結果を示す表示画面
Ｂ１１： 第２予測モデルを示す表示画面
Ｐ９ ： 第（Ｎ−１）差分データ［最終差分データ］を示す表示画面
Ｐ１０： 第（Ｎ−１）差分データを周波数成分とそのスペクトル強度に分析した結果を示す表示画面
Ｐ１１： 第Ｎ予測モデルを示す表示画面
Ｑ９ ： 最後の差分データを示す表示画面
Ｑ１０：一時的要因の成分を示す表示画面
Ｑ１１： 雑音成分を示す表示画面
Ｔ４ ： 需要予測モデルを示す表示画面

本発明に係る需要予測システムの構成図である。 本発明に係る需要予測装置３Ａの構成図である。 需要予測装置３Ａを構成するハードディスクとデータ処理部の構成図である。 需要予測装置３Ａにより実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フロー図である。 需要予測装置３Ａにより実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フローの流れを示すグラフ図である。 実測データ記録手段に予め記録された実測データ（解析すべき当初データ）Ａ１の時間（月）別の推移を表示するディスプレイの画面である。 実測データ（解析すべき当初データ）Ａ１を第１のデータ分析手段によって周波数成分とそのスペクトル強度に分析した、当初の周波数分析結果Ａ２を表示するディスプレイの画面である。 第１のデータ分析手段の分析結果をもとに波形生成手段により導き出され波形記憶手段が記憶する第１予測モデルＡ３を近似曲線により表示するディスプレイの画面である。 実測データＡ１から第１予測モデルＡ３を減算して得た第１差分データＢ１の時間（月）別の推移を表示するディスプレイの画面である。 第１差分データＢ１を第１のデータ分析手段によって周波数成分とそのスペクトル強度に分析した周波数分析結果Ｂ２を表示するディスプレイの画面である。 第２差分データを第１のデータ分析手段によって周波数成分とそのスペクトル強度に分析した周波数分析結果を表示するディスプレイの画面である。 最後の差分データＰ１を第１のデータ分析手段によって周波数成分とそのスペクトル強度に分析した周波数分析結果Ｐ２を表示するディスプレイの画面である。 第１予測モデルＡ３から第Ｎ予測モデルＰ３までを順次加算して得られる需要予測モデルＴ１の時間（月）別の推移を表示するデイスプレイの画面である。 需要予測モデルＴ１（Ｔ２）の近似曲線に実測データＡ１を表す曲線を重ね合わせたグラフ図である。 需要予測装置３Ａにより実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フロー図である。 解析すべき最後の差分データＱ１に含まれる一時的要因Ｑ４の時間（月）別の推移を表示するディスプレイの画面である。 本発明に係る需要予測装置３Ｂを構成するハードディスクとデータ処理部の構成図である。 需要予測装置３Ｂを構成する第２のデータ分析手段１３１の構成を示すブロック図である。 第２のデータ分析手段１３１におけるデータ解析フロー図である。 需要予測装置３Ｂにより実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フロー図である。 需要予測装置３Ｂにより実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フローの流れを示すグラフ図である。 実測データ記録手段に予め記録された実測データ（解析すべき当初データ）Ａ５の時間（月）別の推移を表示するディスプレイの画面である。 第２のデータ分析手段１３１の分析結果をもとに波形生成手段３２Ｂにより導き出され波形記憶手段３６Ｂが記憶する第１予測モデルＡ５を近似曲線により表示するディスプレイの画面である。 解析すべき最後の差分データＱ５に含まれる一時的要因Ｑ７の時間（月）別の推移を表示するディスプレイの画面である。 第１予測モデルＡ６から第Ｎ予測モデルＰ６までと、周期的要因のデータＱ６と、一時的要因のデータＱ７を加算して得られる需要予測モデルＴ３の時間（月）別の推移を表示するデイスプレイの画面である。 本発明に係る需要予測装置３Ｃを構成するハードディスクとデータ処理部の構成図である。 需要予測装置３Ｃを構成する第３のデータ分析手段２３１の構成を示すブロック図である。 既知の関数式を用いて需要予測モデル（予測式等）を導く手法と、データを周波数成分や大きさ（スペクトル強度）等に分析し予測式等を導く手法とを混在させた場合の汎用解析フロー図である。 既知の関数式を用いて需要予測モデル（予測式等）を導く手法と、データを周波数成分や大きさ（スペクトル強度）等に分析し予測式等を導く手法とを混在させた場合の解析フロー図の一例で、第１予測モデル（第１予測式）のみを前者、第２予測モデル（第２予測式）以降を後者の手法で導く場合の解析フロー図である。 既知の関数式を用いて需要予測モデル（予測式等）を導く手法と、データを周波数成分や大きさ（スペクトル強度）等に分析し予測式等を導く手法とを混在させた場合の解析フロー図の一例で、両手法で導いた予測データ（予測式）を比較し、より適した方を採用する場合の解析フロー図である。 需要予測装置により実行される、解析すべきデータを分析し需要予測モデルを導くまでの解析フローの流れを示すグラフ図である。

符号の説明

１Ａ 需要予測システム
１Ｂ 需要予測システム
１Ｃ 需要予測システム
２ 通信ネットワーク
３Ａ 需要予測装置
３Ｂ 需要予測装置
３Ｃ 需要予測装置
４ 通信端末
５ 中央処理装置
６ ＲＡＭ
７ 外部記憶装置
８ ＯＤＤ（オプティカルディスクドライブ）
９ 光ディスク型記録媒体
１０ キーボード
１１ マウス
１２ 通信インタフェース
１３ ディスプレイ
１４ バス
１５ ＨＤ（ハードディスク）
１６ プログラム格納部
１７ ＯＳ
１８ ＷＥＢ通信サーバプログラム
１９ 需要予測プログラム
２０ データ格納部
３０Ａ データ処理部
３０Ｂ データ処理部
３０Ｃ データ処理部
３１ 第１のデータ分析手段
３２Ａ 波形生成手段
３２Ｂ 波形生成手段
３２Ｃ 波形生成手段
３３Ａ 演算手段
３３Ｂ 演算手段
３３Ｃ 演算手段
３６Ａ 波形記憶手段
３６Ｂ 波形記憶手段
３６Ｃ 波形記憶手段
１３１ 第２のデータ分析手段
２３１ 第３のデータ分析手段

Claims (13)

1. 需要を予測するコンピュータを、
   予め過去の実測データを記録しておく実測データ記録手段、
   実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
   実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
   実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段、
   該第１のデータ分析手段により分析された解析すべきデータの周波数成分のうち、基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
   第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
   得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
   得られた需要予測モデルを出力する手段
   として機能させるための需要予測プログラム。
2. 需要を予測するコンピュータを、
   予め過去の実測データを記録しておく実測データ記録手段、
   実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
   実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
   実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段、
   該第１のデータ分析手段により分析された解析すべきデータの周波数成分のうち、基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析し逆変換して得られるデータのうち一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
   第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算するとともに、最後の差分データを分析し逆変換して得られるデータのうち一時的要因のデータを識別情報を付して加算する演算手段、
   得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
   得られた需要予測モデルを出力する手段
   として機能させるための需要予測プログラム。
3. 需要を予測するコンピュータを、
   予め過去の実測データを記録しておく実測データ記録手段、
   実測データ、差分データを第２のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
   実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
   実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段、
   該第２のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
   第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
   得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
   得られた需要予測モデルを出力する手段
   として機能させるための需要予測プログラム。
4. 需要を予測するコンピュータを、
   予め過去の実測データを記録しておく実測データ記録手段、
   実測データ、差分データを第２のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
   実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
   実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段、
   該第２のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
   第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを識別情報を付して加算する演算手段、
   得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
   得られた需要予測モデルを出力する手段
   として機能させるための需要予測プログラム。
5. 需要を予測するコンピュータを、
   予め過去の実測データを記録しておく実測データ記録手段、
   実測データ、差分データを第３のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
   実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
   実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段と、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段と、データ解析時に前記第１のデータ分析手段と前記第２のデータ分析手段のいずれか一方を選択する分析手段選択部を備えてなる第３のデータ分析手段、
   該第３のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
   第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算する演算手段、
   得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
   得られた需要予測モデルを出力する手段
   として機能させるための需要予測プログラム。
6. 需要を予測するコンピュータを、
   予め過去の実測データを記録しておく実測データ記録手段、
   実測データ、差分データを第３のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
   実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
   実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段と、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段と、データ解析時に前記第１のデータ分析手段と前記第２のデータ分析手段のいずれか一方を選択する分析手段選択部を備えてなる第３のデータ分析手段、
   該第３のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
   第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを識別情報を付して加算する演算手段、
   得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
   得られた需要予測モデルを出力する手段
   として機能させるための需要予測プログラム。
7. 請求項１乃至６いずれか一項記載の需要予測プログラムを記録したコンピュータ読み取り可能な記録媒体。
8. 需要を予測する装置であって、
   予め過去の実測データを記録しておく実測データ記録手段、
   実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
   実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
   実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段、
   該第１のデータ分析手段により分析された解析すべきデータの周波数成分のうち、基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
   第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
   得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
   得られた需要予測モデルを出力する手段
   を備えてなる需要予測装置。
9. 需要を予測する装置であって、
   予め過去の実測データを記録しておく実測データ記録手段、
   実測データ、差分データを周波数分析し、分析結果から周波数成分のうち基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
   実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
   実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段、
   該第１のデータ分析手段により分析された解析すべきデータの周波数成分のうち、基本波成分から高次波成分までを順次抽出しさらに逆変換して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析し逆変換して得られるデータのうち一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
   第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析し逆変換して得られるデータのうち一時的要因のデータを識別情報を付して加算する演算手段、
   得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
   得られた需要予測モデルを出力する手段
   を備えてなる需要予測装置。
10. 需要を予測する装置であって、
    予め過去の実測データを記録しておく実測データ記録手段、
    実測データ、差分データを第２のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
    実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
    実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段、
    該第２のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
    第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
    得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
    得られた需要予測モデルを出力する手段
    を備えてなる需要予測装置。
11. 需要を予測する装置であって、
    予め過去の実測データを記録しておく実測データ記録手段、
    実測データ、差分データを第２のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
    実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
    実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段、
    該第２のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
    第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを識別情報を付して加算する演算手段、
    得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
    得られた需要予測モデルを出力する手段
    を備えてなる需要予測装置。
12. 需要を予測する装置であって、
    予め過去の実測データを記録しておく実測データ記録手段、
    実測データ、差分データを第３のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして記録する予測モデル記録手段、
    実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
    実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段と、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段と、データ解析時に前記第１のデータ分析手段と前記第２のデータ分析手段のいずれか一方を選択する分析手段選択部を備えてなる第３のデータ分析手段、
    該第３のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
    第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１〜第Ｎの各予測モデルを加算する演算手段、
    得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
    得られた需要予測モデルを出力する手段
    を備えてなる需要予測装置。
13. 需要を予測する装置であって、
    予め過去の実測データを記録しておく実測データ記録手段、
    実測データ、差分データを第３のデータ分析手段により分析して得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、これらの第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算して得られるデータを含むデータを需要予測モデルとして記録する予測モデル記録手段、
    実測データから第１予測モデルを減算して得られる第１差分データ、得られた第１差分データから第２予測モデルを減算して得られる第２差分データ、さらに、順次第（Ｎ−１）差分データから第Ｎ予測モデルを減算して得られる最後の差分データまでの各差分データを記録する差分データ記録手段、
    実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの分析を周波数成分とそのスペクトル強度により行なう第１のデータ分析手段と、実測データ、差分データを解析すべきデータとし、これらの解析すべきデータの変動を近似関数として捕捉するため、複数の近似関数をパラメータとともに記憶し、解析すべきデータの変動と記憶された近似関数とを比較し、解析すべきデータの変動と特徴の似た近似関数を選択することにより解析すべきデータの分析を行なう第２のデータ分析手段と、データ解析時に前記第１のデータ分析手段と前記第２のデータ分析手段のいずれか一方を選択する分析手段選択部を備えてなる第３のデータ分析手段、
    該第３のデータ分析手段により分析し得られる各データを第１予測モデル〜最後の予測モデルである第Ｎ予測モデルとして、さらに、第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを加算して得られるデータを需要予測モデルとして、各予測モデル及び需要予測モデルの波形を生成する波形生成手段、
    第１差分データを得るため実測データから第１予測モデルを減算し、第２差分データを得るため第１差分データから第２予測モデルを減算し、さらに順次最後の差分データまでの各差分データを得るため、第（Ｎ−１）差分データから第Ｎ予測モデルを減算し、さらに、需要予測モデルを得るため得られた第１予測モデル〜第Ｎ予測モデルの各予測モデルを加算するとともに、最後の差分データを分析して得られるデータのうち周期的要因のデータと一時的要因のデータを識別情報を付して加算する演算手段、
    得られた需要予測モデルを含む予測モデルの波形を記憶する波形記憶手段、及び
    得られた需要予測モデルを出力する手段
    を備えてなる需要予測装置。

Images