JP2016045917A - 時系列データの傾向抽出及び評価装置 - Google Patents

Abstract

【課題】時系列データから、複数の周期変動と不規則ノイズを分離して趨勢的傾向成分を抽出する時系列データの傾向抽出及び評価装置を提供する。【解決手段】時系列データを季節変動成分、ノイズ成分、傾向成分の各時系列データに分離するＴＣＳＩ分離手段と、複数の周期の各々を指定してＴＣＳＩ分離処理を再帰的に実行するために予め設定され、各ＴＣＳＩ分離処理毎に、実行順序を特定する枝番と、入力時系列情報と、指定される周期とを少なくとも含む分離パラメータと、を備え、ＴＣＳＩ分離手段は、収集された時系列データに対しＴＣＳＩ分離処理を再帰的に実行し、入力される時系列データは、それ以前のＴＣＳＩ分離処理により分離された傾向成分の時系列データ、又は、傾向成分とノイズ成分の合成の時系列データである。【選択図】図１

Description

本発明は、時系列データ分析に関し、特に時系列データから季節変動成分と不規則ノイズ成分を除去することによる趨勢的傾向成分の抽出と、趨勢的傾向成分の変動の評価を行う装置に関する。

時系列データ分析は、変化の動向の把握やその要因分析、あるいは今後の予測などに利用される技術である。例えば、ＰＯＳデータを分析して売り上げが落ちている購買層へのキャンペーンを実施したり、水や電気などの需要を予測したりするために用いられている。

時系列データには、１日、１週間、１ヶ月、１年などの周期で規則的に変動する成分を含んでいることが多く、また、不規則に発生するノイズも含んでいるため、原系列から趨勢的な傾向の変動を捉えるのは難しい。このため、周期的な変動や不規則ノイズを分離し、趨勢的な傾向の変化を示す成分を抽出するためのＴＣＳＩ分離法と呼ばれる手法が用いられている。ＴＣＳＩ分離法とは、時系列データを、趨勢的傾向成分Ｔ、循環変動成分Ｃ、季節変動成分Ｓ、不規則変動成分Ｉの４つの成分から構成されていると仮定し、時系列データを各成分ごとに分離する手法である。

非特許文献１では、ＴＣＳＩ分離法の一つであるＥＰＡ法を解説している。ＥＰＡ法は、月次データを、趨勢的傾向と循環変動を含んだＴＣ成分と、１２ヶ月周期の季節変動であるＳ成分と、不規則ノイズであるＩ成分に分離することができる。ＥＰＡ法でのＴＣＳＩ分離は、月次データから１２ヶ月周期の季節変動と不規則ノイズを分離するため、１２項移動平均、９項加重移動平均、３年加重移動平均などを組み合わせて行われる。「移動平均」とは、時系列の任意の時点から、その前後のデータを取り出して算出した平均又は加重平均をその時点の値として新たな時系列を生成するものである。「３年加重移動平均」とは、任意の時点からその前後合わせて３年分の同月のデータを取り出して算出した加重平均をとったものである。これら移動平均のパラメータは、データに含まれる季節変動成分が１２項周期であることを想定して調整されたものである。

また、ＥＰＡ法には加法モデルと乗法モデルがある。加法モデルでは、時系列データが、ＴＣ＋Ｓ＋Ｉで表され、乗法モデルでは、ＴＣ×Ｓ×Ｉで表される。

特許文献１の水需要予測システムでは、時系列データを１週間周期と季節変動成分と不規則成分とに分離することにより、精度の高い需要予測の方法を提案している。この方法では、１週間周期の変動成分を移動平均法で、季節変動成分を多項式モデル推定によって、それぞれ分離している。

特開２０１２−２１１４８３号公報

菅民郎著「「EXCEL予測」のための時系列分析と予測」、改訂新版、株式会社エスミ、2009年9月、p.44-100

時系列データには１日、１週間、１ヶ月、１年など複数の異なる周期の変動パターンが混在している場合がある。また、例えば、１週間周期の場合は、７日後は必ず同一の曜日となるが、１ヶ月周期の場合は、１ヶ月あたりの日数が固定されていないことに加え、「五・十日」のように日付が固定されている場合の変動と、「月末」のように日付が固定されていない場合の変動がある。

非特許文献１及び特許文献１で提案されている方法では、これら複数周期の季節変動を分離し、傾向変動成分を抽出することができず、趨勢的な傾向変動の分析・評価を行うのは困難である。

本発明の目的は、時系列データから複数周期の季節変動成分と不規則ノイズ成分を分離し、時系列データの趨勢的傾向成分を抽出して、要因分析や傾向変動の評価を行う装置を提供することにある。

上記課題を解決するため、本発明は、以下の構成を提供する。
本発明の態様は、時系列データを、指定された周期で現れる季節変動成分、不規則に現れるノイズ成分、並びに、前記季節変動成分及び前記ノイズ成分を除去して得られる傾向成分である各成分の時系列データに分離するＴＣＳＩ分離処理を実行するＴＣＳＩ分離手段と、
季節変動成分について複数の周期の各々を指定してＴＣＳＩ分離処理を再帰的に実行するために予め設定され、実行する各ＴＣＳＩ分離処理毎に、実行順序を特定する枝番と、入力される時系列データを指定する入力時系列情報と、指定される周期とを少なくとも含む分離パラメータと、を備え、
前記ＴＣＳＩ分離手段は、収集された時系列データに対し前記分離パラメータに従ってＴＣＳＩ分離処理を再帰的に実行し、再帰的に実行する場合の前記入力される時系列データは、それ以前のＴＣＳＩ分離処理により分離された傾向成分の時系列データ、又は、傾向成分とノイズ成分の合成の時系列データであることを特徴とする。

上記態様において、前記分離パラメータは、前記指定される周期に対応してＴＣＳＩ分離処理の前処理として実行される補間方法の指定をさらに含み、前記補間方法は、前記入力される時系列データを、前記指定される周期においてデータ件数が一定となるように調整するための方法を指定することを特徴とする。

上記態様において、ＴＣＳＩ分離処理の実行後の時系列データのデータ件数を、前記入力される時系列データのデータ件数に戻すために、前記補間方法に対応する逆の処理を実行する手段をさらに備えたことを特徴とする。

上記態様において、前記補間方法は、日数が足りない月又は年に対して不足日数を挿入する方法であって、当該方法は、不足日数の値として１又は複数の設定された日付の値を用いるか、又は、全日数の値に対して線形補間を用いることを特徴とする。

上記態様において、再帰的に実行したＴＣＳＩ分離処理により得られた１又は複数の傾向成分の時系列データに対して、その増加減少傾向及びその急激な変動を評価するためのスコアを算出するスコア算出手段をさらに備えることを特徴とする。

前記スコア算出手段は、算出対象の時系列データの任意の時点を中心とする部分時系列データを取り出し、前記部分時系列データを回帰分析して得られた回帰係数を、その時点におけるスコアとしてスコア時系列データを生成することを特徴とする。

本発明によれば、複数の異なる周期の季節変動を含んだ時系列データから、季節変動成分と不規則ノイズ成分を分離し、趨勢的傾向成分の時系列データを抽出することが可能となる。
そのとき、指定された周期に対して、データ件数が一定となる前処理を実行することによって、分離処理を効率よく行うことができ、「月末」や「五・十日」といった特異日での季節変動の特徴を捉えることができる。
また、回帰分析によるスコアリングによって、時系列データの増加減少傾向及びその変化の度合いを評価することができる。

図１は、本発明の実施形態のシステム全体構成図である。 図２は、図１に示したＤＢのデータ構造を表す図である。 図３は、本発明の実施形態の全体処理を表すフローチャートである。 図４は、本発明の実施形態のＴＣＳＩ分離処理を表すフローチャートである。 図５は、本発明の実施形態のスコア算出処理を表すフローチャートである。

以下、実施例を示した図面を用いて本発明の実施形態を説明する。
本発明による時系列データの傾向抽出及び評価装置について、以下に示す実施例では、分析対象となる時系列データの収集については、外部のデータ収集システムが行うものとし、そこからデータを参照して蓄積し、処理を行うものとする。なお、外部の時系列データを参照する替わりに、自ら収集した時系列データに対して処理を行うものでもよい。

図１は、本発明の実施形態のシステム全体構成図である。本システムは、入力装置１０１、プリンタなどの出力装置１０２、ディスプレイなどの表示装置１０３、処理装置１０４、及びデータベース（ＤＢ）１０９を備える。処理装置１０４は、本発明に係る時系列データの傾向抽出及び評価装置の機能を実現するためのプログラムを導入されたコンピュータであり、ＣＰＵがプログラムをメモリに読み込み実行することにより本発明に係る装置として機能する。本発明に係る装置の機能に関連する処理部としては、ＴＣＳＩ分離部１０６、スコア算出部１０７、及び出力処理部１０８を備えている。

ＴＣＳＩ分離部１０６は、時系列データを、指定された周期で現れる季節変動成分（Ｓ成分）、不規則に現れるノイズ成分（Ｉ成分）、並びに、季節変動成分及びノイズ成分を除去して得られる傾向成分（ＴＣ）である各成分の時系列データに分離するＴＣＳＩ分離処理を実行する。

スコア算出部１０７は、算出対象の時系列データの任意の時点を中心とする部分時系列データを取り出し、部分時系列データを回帰分析して得られた回帰係数を、その時点におけるスコアとしてスコア時系列データを生成する処理を実行する。

ＤＢ１０９には、収集された時系列データ、又は、ＴＣＳＩ分離部１０６によって分離された時系列データから、ＴＣ成分、Ｓ成分、Ｉ成分を分離するための周期、加法モデル・乗法モデルなどの分離モデル及び時系列データの補間方法など、ＴＣＳＩ分離処理に必要なパラメータ、並びに、複数の周期の変動を再帰的に分離するための手順を表す、分離パラメータ１１０が格納されている。

また、ＤＢ１０９には、外部システムによって収集された時系列データと、ＴＣＳＩ分離部１０６によって分離された各成分の時系列データと、スコア算出部１０７によって生成されたスコア時系列データとを含む、時系列データ１１１が格納されている。

図２は、図１に示したＤＢ１０９のデータ構造を表す図である。分離パラメータ１１０は、ＴＣＳＩ分離部１０６で時系列データを分離するための情報を予め設定し格納する。情報項目として、複数の周期に対する一連の分離手順全体を特定する「分離ＩＤ」２０１、分離ＩＤ２０１によって特定された一連の分離手順中の実行順序を特定する「枝番」２０２、ＴＣＳＩ分離処理を行う時系列データの準備方法を表す「入力時系列情報」２０３、加法モデルや乗法モデルなどの分離モデルを表す「モデル情報」２０４、分離する季節変動の「周期」２０５、時系列データの「補間方法」２０６を含む。

「入力時系列情報」２０３には、次の分離処理のために入力される時系列データとして、それ以前の分離処理で分離されたＴＣ成分を用いるか、又は、ＴＣ成分とＩ成分を合成した成分すなわちＴＣＩ成分を用いるか、というように、次の分離処理への入力時系列データを準備するための情報が与えられる。なお、最初の分離処理すなわち「枝番」２０２が"１"の場合は、「入力時系列情報」２０３には、分析対象である収集された時系列データをそのまま入力することを表す記号が与えられるものとする。

「モデル情報」２０４には、ＴＣＳＩ分離処理を行う際、その入力時系列データがＴＣ＋Ｓ＋Ｉ加法モデルで表されるか、ＴＣ×Ｓ×Ｉ乗法モデルで表されるかといった、分離モデルが与えられる。

「周期」２０５には、ＴＣＳＩ分離処理によって分離されるＳ成分の周期が与えられる。

「補間方法」２０６には、「周期」２０５で指定された周期に対応する、入力時系列データの前処理の方法が与えられる。例えば、１ヶ月周期の季節変動を分離する場合、閏年や各月の日数の違いから、他の月の同日までの日数は確定しない。これにより、「五・十日」のように毎月決まった日付での変動や、「月末」のように日付が変わる場合の変動を捉えるには、例えば、すべての月を３１日として、不足日数の値を、前後の日時の値を基に補間することが挙げられる。このようにすると、どの日時の値に対しても、３１日後は翌月同日の値として扱うことができ、「五・十日」や「月末」などの特異日の変動を捉えることができる。

不足日数分の値の挿入は、１５日や、１０日と２０日のデータをそれぞれ複製したり、又は、全日数の時系列データの値を線形補間によって変換したりして挿入することができる。分離する季節変動成分の特徴によって、適切な補間方法を選択することができる。

複数の周期についての一連の分離処理は、分析対象の「時系列ＩＤ」２０７と「分離ＩＤ」２０１を選択し、後述する図３のステップ３０４からのループによって、「枝番」２０２の順序に従い、再帰的にＴＣＳＩ分離処理を行っていく。

時系列データ１１１は、外部システムで収集された時系列データ、ＴＣＳＩ分離部１０６で分離された時系列データ、及びスコア算出部１０７で生成されたスコア時系列データを格納する。情報項目として「時系列ＩＤ」２０７、「分離ＩＤ」２０８、「枝番」２０９、「成分タイプ」２１０、「日時」２１１、「値」２１２を含む。

「時系列ＩＤ」２０７は、外部システムによって収集された時系列データの分析対象の集合を特定するＩＤであり、一連の分離処理の結果として生成されたすべての時系列データ、及び、スコア算出処理で算出されたスコア時系列データに対して同一のＩＤが付与される。

「分離ＩＤ」２０８と「枝番」２０９は、分離パラメータ１１０に格納されているレコードの「分離ＩＤ」２０１と「枝番」２０２に対応し、これらによって特定される時系列データが、どのような方法で分離されたかを特定するものである。

「成分タイプ」２０９は、ＴＣＳＩ分離部１０６によって分離された時系列データの各成分を特定する。本実施例では、入力時系列データからＴＣ、Ｓ又はＩの成分を分離するので、これらを識別する情報が付与される。また、外部システムにより収集された分離前の時系列データには’Ｏｒｇ’、スコア算出部１０７によって生成されたスコア時系列データには’Ｓｃｏｒｅ’という情報が付与される。

本実施例では、日次の粒度で１次元の値を持つ時系列データを対象に説明しているので、「日時」２１１には年月日、「値」２１２には１つのスカラー値が格納されるものとするが、「日時」２１１に時刻も含めたり、「値」２１２にベクトルデータを格納することも可能である。

図３は、本発明の実施形態の全体処理を表すフロー図である。
まず、分析対象の時系列ＩＤと、一連の分離方法を特定する分離ＩＤを入力する（ステップ３０１）。

次に、Ｐにステップ３０１で指定された分離ＩＤを持つ一連の分離パラメータレコードを格納する（ステップ３０２）。

次に、ｉに１を代入し（ステップ３０３）、ｉがＰの要素数以下の間ループする（ステップ３０４）。

ループ処理では、まず、Ｘｔに分離対象の入力時系列データを格納する（ステップ３０５）。Ｘｔには、Ｐ［ｉ］の「枝番」２０２が"１"の場合には、ステップ３０１で指定された時系列ＩＤが表す時系列データを格納し、ループの２周目以降は、Ｐ［ｉ］の「入力時系列情報」２０３にしたがって構成された時系列データを格納する。すなわち、前回のループでの分離処理で分離されたＴＣ成分の時系列データ、又は、ＴＣ成分とＩ成分の合成の時系列データなどの指定によって、今回のループでの分離対象の入力時系列データを格納する。

次に、ＴＣＳＩ分離処理を実行し、ＸｔをＰ［ｉ］にしたがって各成分に分離する（ステップ３０６）。この処理の詳細は図４で説明する。

次に、ｉに１を加えて（ステップ３０７）、ステップ３０４に戻る。

一連の分離処理が終了したら、スコア算出処理を実行する（ステップ３０８）。
本実施例では、一連の分離処理の最後に実行された分離処理で分離されたＴＣ成分に対してスコアを算出するが、各ループ段階での分離処理の結果に対してそれぞれスコアを算出してもよい。この場合は、どのループ段階のどの成分に対するスコアであるかを特定するための情報を、図２（ｂ）の時系列データに追加すればよい。

次に、最終的に分離されたＴＣ成分の時系列データ、算出されたスコア時系列データ、分離前の収集された時系列データなどを含む各時系列データを、ユーザの指示にしたがってグラフなどで出力し（ステップ３０９）、処理を終了する。

図４は、本実施形態のＴＣＳＩ分離処理を表すフロー図である。
まず、分離対象の入力時系列データに対して前処理を行う（ステップ４０１）。このステップでは、図２（ａ）の分離パラメータの「補間方法」２０６にしたがって、時系列データを補間する。図２（ａ）で説明したように、例えば１ヶ月周期の変動を分離する場合に、各月の日数を全て３１日に統一し、「五・十日」や「月末」といった特異日の変動にあわせて適切な補間方法を指定しておき、不足日数分の値を挿入するなど、指定された補間方法にしたがって値を設定する。

例として、１ヶ月２８日の時系列データを３１日に変換する場合について説明する。これらの補間処理は、画像処理における画像の拡大縮小に用いられる手法であり、２９画素の画像を３１画素に拡大するのと同じである。補間前のデータの日付をｄ、補間後の日付をＤとするとき、Ｄ＝（３０ｄ−３）／２７とおくと、ｄ＝１のときＤ＝１、ｄ＝２８のときＤ＝３１となる。この式をＤの式に変換すると、ｄ＝（２７Ｄ＋３）／３０となる。Ｄに１から３１までの整数を代入して得られたｄが整数でない場合、小数点以下を切り捨て、切り上げ、あるいは四捨五入などにより整数化し、その日付の値をＤ件目の値とする。あるいは、ｄ以下の最大の整数を［ｄ］と表記するとき、［ｄ］日と［ｄ］＋１日の２日分の値を、ｄとの距離の比率による加重平均を計算し、Ｄ件目の値として補間する。

次に、前処理された時系列データに対し、指定された分離パラメータによってＴＣＳＩ分離処理を行う（ステップ４０２）。本実施例では、非特許文献１のＥＰＡ法をベースとしたＴＣＳＩ分離を行うものとする。このＥＰＡ法の詳細については省略するが、ＥＰＡ法の計算で用いられている１２項移動平均や９項加重移動平均、３年加重移動平均などの移動平均パラメータは、月次データに対して１２項周期の季節変動を想定したものになっている。本実施例では、これらのパラメータを、指定された周期に合わせて調整することで分離処理を行う。

例えば、１年あたり１２ヶ月の月次データを、１週間あたり７日や、１ヶ月あたり３１日、１年あたり３６６日や３１×１２＝３７２日などとして、移動平均パラメータを調整する。このとき、時系列データはステップ４０１で周期に合わせた補間処理が行われているため、３１日後は次月同日のデータとして扱えるように適切に変換されている。また、図２（ａ）の「周期」２０５は、これら移動平均パラメータも含めた形式に拡張しておくこともできる。

次に、ステップ４０２で分離された各成分の時系列データに対して、後処理を実行する（ステップ４０３）。ここでは、ステップ４０１で実行された前処理に対応する逆の処理を行い、入力時系列データの日時での時系列データに戻す処理を行う。

次に、分離された各成分の時系列データを、図２（ｂ）の時系列データに格納し（ステップ４０４）、処理を終了する。

なお、ステップ４０１の前処理とステップ４０４の後処理の一方又は両方を、一連の分離処理の各ループ段階において省略することが可能である。例えば、分離パラメータの枝番が１のときは前処理を行い、後処理を省略する。枝番が２以降の分離処理では、すでに適切な状態で再入力されている場合、前処理と後処理を両方省略することができる。さらに、最後の分離処理の結果も後処理を省略し、スコア算出処理３０８や、出力処理３０９の段階で、それらの処理に適した状態に戻してやるか、又は、出力する時系列データの方を、分離された時系列データの補間処理後の形式に合わせて出力する、という構成にすることも可能である。

図５は、本実施形態のスコア算出処理を表すフロー図である。
この処理では、現在注目している時点の周辺を含んだ部分時系列データを取り出し、その部分時系列データに対してスコアを算出しながら、注目している時点をずらしていき、スコア時系列データを生成していく。

まず、スコアの算出対象の時系列データＸｔ、スコア時系列データＳ、サイズｗを初期化する（ステップ５０１）。サイズｗの初期値は、時系列データの粒度などに合わせて予め定められた１以上の整数であり、必要に応じて変更可能である。

次に、ｉに１を代入し（ステップ５０２）、ｉがＸｔの要素数以下である間、ループを実行する（ステップ５０３）。

ループ処理では、まず、Ｘｔ［ｉ−ｗ］〜Ｘｔ［ｉ＋ｗ］の範囲の要素をＸｔから取り出し、回帰分析を実行する（ステップ５０４）。ここで、ｉ−ｗからｉ＋ｗまでの添え字が、時系列データＸｔの範囲外である場合は、取り出す要素は無しとして、範囲内のデータのみを取り出すものとする。ｗは１以上の整数を指定するので、取り出すデータは必ず２件以上存在する。

本実施例では、１次元の線形回帰を行い、その係数をスコアとして用いる。線形回帰は、最小二乗法によって ｙ＝ａｘ＋ｂ で表される直線にデータを当てはめ、データと直線との誤差が最小となるａとｂを推定するものである。直線の傾きを表す係数ａが正なら、時系列データは増加傾向にあり、負なら減少傾向にあることを示していると判断することができる。またａの絶対値が大きいほど急激な変化が起きていると判断することができる。なお、スコアの算出方法は、各時点から未来の方向のみや、過去の方向のみの部分時系列データを使って算出することもできる。

また、多項式などを用いた非線形回帰分析や多次元データに対する重回帰分析などを利用する方法に変更することも可能であり、ＴＣ成分が示す特徴を適切に評価できる算出手法を選択しておけばよい。次に、算出されたスコアをＳ［ｉ］に格納する（ステップ５０５）。

次に、ｉに１を加えて（ステップ５０６）、ステップ５０３に戻る。ループを終了したならば、スコア時系列データＳを図２（ｂ）の時系列データに格納し（ステップ５０７）、処理を終了する。

１０１ 入力装置
１０２ 出力装置
１０３ 表示装置
１０４ 処理装置
１０５ プログラム
１０６ ＴＣＳＩ分離部
１０７ スコア算出部
１０８ 出力処理部
１０９ データベース（ＤＢ）
１１０ 分離パラメータ
１１１ 時系列データ

Claims (6)

1. 時系列データを、指定された周期で現れる季節変動成分、不規則に現れるノイズ成分、並びに、前記季節変動成分及び前記ノイズ成分を除去して得られる傾向成分である各成分の時系列データに分離するＴＣＳＩ分離処理を実行するＴＣＳＩ分離手段と、
   季節変動成分について複数の周期の各々を指定してＴＣＳＩ分離処理を再帰的に実行するために予め設定され、実行する各ＴＣＳＩ分離処理毎に、実行順序を特定する枝番と、入力される時系列データを指定する入力時系列情報と、指定される周期とを少なくとも含む分離パラメータと、を備え、
   前記ＴＣＳＩ分離手段は、収集された時系列データに対し前記分離パラメータに従ってＴＣＳＩ分離処理を再帰的に実行し、再帰的に実行する場合の前記入力される時系列データは、それ以前のＴＣＳＩ分離処理により分離された傾向成分の時系列データ、又は、傾向成分とノイズ成分の合成の時系列データであることを特徴とする
   時系列データの傾向抽出及び評価装置。
2. 前記分離パラメータは、前記指定される周期に対応してＴＣＳＩ分離処理の前処理として実行される補間方法の指定をさらに含み、前記補間方法は、前記入力される時系列データを、前記指定される周期においてデータ件数が一定となるように調整するための方法を指定することを特徴とする
   請求項１に記載の時系列データの傾向抽出及び評価装置。
3. ＴＣＳＩ分離処理の後処理として、ＴＣＳＩ分離処理された時系列データのデータ件数を、前記入力される時系列データのデータ件数に戻すために、前記補間方法に対応する逆の処理を実行する手段をさらに備えたことを特徴とする
   請求項２に記載の時系列データの傾向抽出及び評価装置。
4. 前記補間方法は、日数が足りない月又は年に対して不足日数を挿入する方法であって、当該方法は、不足日数の値として１又は複数の設定された日付の値を用いるか、又は、全日数の値に対して線形補間を用いることを特徴とする
   請求項２又は３に記載の時系列データの傾向抽出及び評価装置。
5. 再帰的に実行したＴＣＳＩ分離処理により得られた１又は複数の傾向成分の時系列データに対して、その増加減少傾向及びその急激な変動を評価するためのスコアを算出するスコア算出手段をさらに備えることを特徴とする
   請求項１〜４のいずれかに記載の時系列データの傾向抽出及び評価装置。
6. 前記スコア算出手段は、算出対象の時系列データの任意の時点を中心とする部分時系列データを取り出し、前記部分時系列データを回帰分析して得られた回帰係数を、その時点におけるスコアとしてスコア時系列データを生成することを特徴とする
   請求項５に記載の時系列データの傾向抽出及び評価装置。

Images