JP2016099738A - 予測システム、予測方法、および予測プログラム - Google Patents
予測システム、予測方法、および予測プログラム Download PDFInfo
- Publication number
- JP2016099738A JP2016099738A JP2014234950A JP2014234950A JP2016099738A JP 2016099738 A JP2016099738 A JP 2016099738A JP 2014234950 A JP2014234950 A JP 2014234950A JP 2014234950 A JP2014234950 A JP 2014234950A JP 2016099738 A JP2016099738 A JP 2016099738A
- Authority
- JP
- Japan
- Prior art keywords
- subset
- data
- prediction
- generation unit
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 40
- 230000006870 function Effects 0.000 claims abstract description 145
- 238000012549 training Methods 0.000 claims abstract description 79
- 238000011156 evaluation Methods 0.000 claims abstract description 67
- 238000010801 machine learning Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 19
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
ここで、Nは母集団のデータの個数を示し、Siは個々のデータを示し、Gは代表値を示す。
・カーネル関数:Radial Basis Function(RBF)
・コスト・パラメータ(C):1.0
・ハイパー・パラメータ(γ):0.125
・チューブ・パラメータ(ε):0.1
・ウィンドウ・サイズ:8
・再構築閾値:1.0
ここで、ウィンドウ・サイズと再構築閾値以外のパラメータは、3種類の手法に共通である。ウィンドウ・サイズは、SDCを用いないSW−SVRのみに関係するパラメータであり、学習データの分割数を示す。再構築閾値は、SW−SVRとSW−SVR(SDC)とに用いられるパラメータである。SW−SVR(SDC)において、距離rに対する重み付けは行わなかった。
・春:トレーニングデータの期間は2011年1月1日〜2013年3月31日であり、評価期間は2013年4月1日〜2013年5月1日であった。
・夏:トレーニングデータの期間は2011年1月1日〜2013年6月30日であり、評価期間は2013年7月1日〜2013年8月1日であった。
・秋:トレーニングデータの期間は2011年1月1日〜2013年9月30日であり、評価期間は2013年10月1日〜2013年11月1日であった。
・冬:トレーニングデータの期間は2011年1月1日〜2013年12月31日であり、評価期間は2014年1月1日〜2014年2月1日であった。
Claims (10)
- 時系列のトレーニングデータから、それぞれが互いに異なる複数の部分集合データを生成する部分集合生成部であって、前記複数の部分集合データのうちの少なくとも一つを、前記トレーニングデータから設定される母集団の標準偏差に基づいて該母集団の一部のデータを収集することで生成する、該部分集合生成部と、
前記複数の部分集合データのそれぞれに対して機械学習を実行することで、該複数の部分集合データに対応する複数のパターン関数を生成する関数生成部と、
前記複数のパターン関数のそれぞれを用いて、前記トレーニングデータ内の評価時点における予測値を求め、該評価時点での実測値と該予測値との誤差が最小である前記パターン関数に対応する学習期間を選択する選択部と
を備える予測システム。 - 前記部分集合生成部が、前記母集団における最新データを代表値として前記標準偏差を求める、
請求項1に記載の予測システム。 - 前記部分集合生成部が、前記標準偏差に乗ずる係数を変化させながら、前記母集団から複数の前記部分集合データを生成する、
請求項1または2に記載の予測システム。 - 前記部分集合生成部が、複数の前記母集団を設定し、各母集団から少なくとも一つの前記部分集合データを生成する、
請求項1〜3のいずれか一項に記載の予測システム。 - 前記部分集合生成部が、前記選択部により選択された学習期間に対応する前記部分集合データから、それぞれが互いに異なる複数の新たな部分集合データを生成し、
前記関数生成部および前記選択部が、前記複数の新たな部分集合データに基づいて再度処理を実行する、
請求項1〜4のいずれか一項に記載の予測システム。 - 前記選択部により選択された学習期間を用いて、将来の予測時点における予測値を求める予測部と、
前記予測部により得られた予測値と前記予測時点における実測値との誤差が所定の閾値未満か否かを判定する評価部と
をさらに備え、
前記予測時点における前記誤差が前記閾値以上である場合には、前記部分集合生成部、前記関数生成部、および前記選択部による処理が再度実行される、
請求項1〜5のいずれか一項に記載の予測システム。 - 前記複数のパターン関数の生成、および前記評価時点における予測値の算出の少なくとも一方が並列処理される、
請求項1〜6のいずれか一項に記載の予測システム。 - 前記機械学習がサポートベクターマシンである、
請求項1〜7のいずれか一項に記載の予測システム。 - プロセッサを備える予測システムにより実行される予測方法であって、
時系列のトレーニングデータから、それぞれが互いに異なる複数の部分集合データを生成する部分集合生成ステップであって、前記複数の部分集合データのうちの少なくとも一つを、前記トレーニングデータから設定される母集団の標準偏差に基づいて該母集団の一部のデータを収集することで生成する、該部分集合生成ステップと、
前記複数の部分集合データのそれぞれに対して機械学習を実行することで、該複数の部分集合データに対応する複数のパターン関数を生成する関数生成ステップと、
前記複数のパターン関数のそれぞれを用いて、前記トレーニングデータ内の評価時点における予測値を求め、該評価時点での実測値と前記予測値との誤差が最小である前記パターン関数に対応する学習期間を選択する選択ステップと
を含む予測方法。 - 時系列のトレーニングデータから、それぞれが互いに異なる複数の部分集合データを生成する部分集合生成部であって、前記複数の部分集合データのうちの少なくとも一つを、前記トレーニングデータから設定される母集団の標準偏差に基づいて該母集団の一部のデータを収集することで生成する、該部分集合生成部と、
前記複数の部分集合データのそれぞれに対して機械学習を実行することで、該複数の部分集合データに対応する複数のパターン関数を生成する関数生成部と、
前記複数のパターン関数のそれぞれを用いて、前記トレーニングデータ内の評価時点における予測値を求め、該評価時点での実測値と前記予測値との誤差が最小である前記パターン関数に対応する学習期間を選択する選択部と
してコンピュータを機能させるための予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014234950A JP6494258B2 (ja) | 2014-11-19 | 2014-11-19 | 予測システム、予測方法、および予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014234950A JP6494258B2 (ja) | 2014-11-19 | 2014-11-19 | 予測システム、予測方法、および予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016099738A true JP2016099738A (ja) | 2016-05-30 |
JP6494258B2 JP6494258B2 (ja) | 2019-04-03 |
Family
ID=56076132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014234950A Active JP6494258B2 (ja) | 2014-11-19 | 2014-11-19 | 予測システム、予測方法、および予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6494258B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110520874A (zh) * | 2017-03-31 | 2019-11-29 | H2O人工智能公司 | 基于时间的全体机器学习模型 |
KR20200145641A (ko) * | 2019-06-19 | 2020-12-30 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 정보 생성 방법 및 장치 |
JP2021501421A (ja) * | 2017-10-31 | 2021-01-14 | オラクル・インターナショナル・コーポレイション | 重み付けされた混合機械学習モデルを使用した需要予測 |
CN113657687A (zh) * | 2021-08-30 | 2021-11-16 | 国家电网有限公司 | 基于特征工程和多路深度学习的电力负荷预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237832A (ja) * | 2008-03-26 | 2009-10-15 | Tokyo Gas Co Ltd | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム |
JP2011159282A (ja) * | 2009-12-30 | 2011-08-18 | Mitsubishi Electric Research Laboratories Inc | 非線形的な季節的時系列を予測するための方法 |
WO2014042147A1 (ja) * | 2012-09-12 | 2014-03-20 | 日本電気株式会社 | データ集中予測装置、データ集中予測方法、及びそのプログラム |
-
2014
- 2014-11-19 JP JP2014234950A patent/JP6494258B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237832A (ja) * | 2008-03-26 | 2009-10-15 | Tokyo Gas Co Ltd | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム |
JP2011159282A (ja) * | 2009-12-30 | 2011-08-18 | Mitsubishi Electric Research Laboratories Inc | 非線形的な季節的時系列を予測するための方法 |
WO2014042147A1 (ja) * | 2012-09-12 | 2014-03-20 | 日本電気株式会社 | データ集中予測装置、データ集中予測方法、及びそのプログラム |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110520874A (zh) * | 2017-03-31 | 2019-11-29 | H2O人工智能公司 | 基于时间的全体机器学习模型 |
CN110520874B (zh) * | 2017-03-31 | 2023-11-21 | H2O人工智能公司 | 基于时间的全体机器学习模型 |
JP2021501421A (ja) * | 2017-10-31 | 2021-01-14 | オラクル・インターナショナル・コーポレイション | 重み付けされた混合機械学習モデルを使用した需要予測 |
JP7121118B2 (ja) | 2017-10-31 | 2022-08-17 | オラクル・インターナショナル・コーポレイション | 重み付けされた混合機械学習モデルを使用した需要予測 |
US11922440B2 (en) | 2017-10-31 | 2024-03-05 | Oracle International Corporation | Demand forecasting using weighted mixed machine learning models |
KR20200145641A (ko) * | 2019-06-19 | 2020-12-30 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 정보 생성 방법 및 장치 |
KR102308002B1 (ko) | 2019-06-19 | 2021-10-05 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 정보 생성 방법 및 장치 |
US11436540B2 (en) | 2019-06-19 | 2022-09-06 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for generating information |
CN113657687A (zh) * | 2021-08-30 | 2021-11-16 | 国家电网有限公司 | 基于特征工程和多路深度学习的电力负荷预测方法 |
CN113657687B (zh) * | 2021-08-30 | 2023-09-29 | 国家电网有限公司 | 基于特征工程和多路深度学习的电力负荷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6494258B2 (ja) | 2019-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A wind speed interval prediction system based on multi-objective optimization for machine learning method | |
US11151379B2 (en) | Method and system for crop type identification using satellite observation and weather data | |
EP3757900A1 (en) | Time series prediction with confidence estimates using sparse recurrent mixture density networks | |
JP2018195308A (ja) | プロセス及び製造業における業績評価指標のデータに基づく最適化のための方法及びシステム | |
EP2688015A1 (en) | Method and system for adaptive forecast of energy resources | |
CN113574325B (zh) | 通过选择控制设置来控制环境的方法和系统 | |
JP6494258B2 (ja) | 予測システム、予測方法、および予測プログラム | |
KR102468316B1 (ko) | 과거 데이터에 기초한 시계열 예측 방법 및 장치 | |
JP2014157457A (ja) | 予測装置および予測方法 | |
US10161269B2 (en) | Output efficiency optimization in production systems | |
JP2018092445A5 (ja) | ||
US20190273789A1 (en) | Establishing and utilizing behavioral data thresholds for deep learning and other models to identify users across digital space | |
US20220292315A1 (en) | Accelerated k-fold cross-validation | |
JP6086875B2 (ja) | 発電量予測装置および発電量予測方法 | |
Yang et al. | A pattern fusion model for multi-step-ahead CPU load prediction | |
WO2014093234A2 (en) | Probabilistic carbon credits calculator | |
CN112668238A (zh) | 一种降雨量处理方法、装置、设备和存储介质 | |
JP6324124B2 (ja) | 予測システム、予測方法、および予測プログラム | |
Kaczmarska et al. | Local generalised method of moments: an application to point process‐based rainfall models | |
Dorado-Moreno et al. | Ordinal multi-class architecture for predicting wind power ramp events based on reservoir computing | |
Cook | Consolidation of analysis methods for sub‐annual extreme wind speeds | |
JPWO2018235777A1 (ja) | 画像データ加工装置、植物栽培システム及び画像データ加工方法 | |
CN115688547A (zh) | 模拟天气情景和极端天气预测 | |
CN111323847A (zh) | 用于为模拟集成算法确定权重比的方法和设备 | |
JPWO2019224909A1 (ja) | パラメータ選択方法、パラメータ選択プログラム、及び情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171031 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181030 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181217 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190226 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190305 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6494258 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |