JP2018092445A5 - - Google Patents

Description

（４）各処理モジュールの詳細
（４−１）代表曲線算出モジュールの第１の実施の形態
図４は、予測システム１２における代表曲線算出モジュール３０８の第１の実施の形態を示す。代表曲線算出モジュール３０８は、時間単位クラスタリング処理モジュール３０８Ａ１及び時間単位プロファイリング処理モジュール３０８Ａ２を備える。

（４−１−１）時間単位クラスタリング処理モジュール
時間単位クラスタリング処理モジュール３０８Ａ１は、予測対象の周期的な変動を示す特徴量に基づいて、需要実績情報４０６から抽出した標本データを分類する。

（４−１−２）時間単位プロファイリング処理モジュール
時間単位プロファイリング処理モジュール３０８Ａ２は、時間単位クラスタリングモジュール３０８Ａ１が算出した各時間クラスタのそれぞれについて、共通的に存在する属性の特定及びその値の範囲の算出を行うことで、各時間クラスタを識別する識別器を同定する。

算出された識別器に対して属性予報情報３１２を入力することで、予測対象期間における予測対象の時間推移を示す曲線が所属すると予測される時間クラスタが識別される。識別された時間クラスタから予測対象の時間推移を示す曲線が算出される方法は、例えば識別された時間クラスタに所属する標本データ群の算術平均として算出される方法である。又は、識別器から算出される全時間クラスタの所属確率を重み係数とした加重平均にて算出される。なおこの識別された時間クラスタから予測対象の時間推移を示す曲線が算出する処理部分が、予測対象の時間推移を示す曲線を算出する演算モデルを構成する要素の一つである。

具体的には、図５に示すように、代表曲線算出モジュール３０８は計量単位クラスタリング処理モジュール３０８Ａ３をさらに備える。計量単位クラスタリング処理モジュール３０８Ａ３は、需要実績情報４０６に格納されている計量器ごとのデータを、それぞれ例えば過去３６５日分の同一期間分として抽出し、需要家ごとのメータデータを入力標本データとする。

Claims (13)

1. 任意期間における予測を適応する予測対象について、当該予測対象に関連する予測値を算出する予測システムであって、
   前記予測値を算出するために利用される複数のデータを記録する記憶装置と、
   制御装置と
   を備え、
   前記制御装置は、
   前記任意期間における前記予測対象の前記予測値の時間推移を示す曲線を算出する第１のモジュールと、
   前記曲線を補正することに基づいて、前記予測値を算出する第２のモジュールと、
   前記複数のデータそれぞれの時間属性の情報又は前記複数のデータそれぞれの変動範囲の情報に基づいて、前記曲線を補正するための演算モデルである曲線補正演算モデル、前記曲線を算出するための演算モデルである曲線算出演算モデル、及び、前記曲線の補正値を算出するための演算モデルである補正値算出演算モデル、の少なくとも一つを変更する第３のモジュールと
   を備える、
   ことを特徴とする予測システム。
2. 前記第２のモジュールは、前記予測対象の前記予測値の時間推移を示す前記曲線を変更することを、前記曲線の振幅及び前記曲線の周波数の少なくとも一方に基づいて実行する、請求項１記載の予測システム。
3. 前記第３のモジュールは、
   前記複数のデータそれぞれの変動範囲の情報を、前記予測対象の特性を示すデータの時間推移を示す前記曲線を補正するための補正値の量的な変動幅及び時間的な変動幅の少なくとも一方の変動幅からなるようにした
   請求項１記載の予測システム。
4. 前記第３のモジュールは、
   補正値それぞれの変動範囲の情報を用いて、前記補正値それぞれの変動範囲が最も小さい前記補正値に対して適合するように、前記曲線補正演算モデルを変更する
   請求項１記載の予測システム。
5. 前記制御装置は、
   前記時間属性の情報に基づいて決定されたデータを前記曲線又は前記補正値のそれぞれの算出に用いて、予測対象期間との時間的な相関関係を示すようにした
   請求項１記載の予測システム。
6. 前記第１のモジュールは、
   前記時間属性の情報に基づいて、前記曲線を算出するための前記データを選別及び前記曲線の算出に対する前記データの影響度合いの重み付けの少なくとも一方を行うことで新たな第２のデータを算出し、
   前記第３のモジュールは、
   算出した前記第２のデータに対する適合性が最も高くなるように、前記曲線算出演算モデルを変更する
   請求項１記載の予測システム。
7. 前記第１のモジュールは、
   前記時間属性の情報に基づいて、前記曲線を算出するための前記データの選別及び前記曲線の算出に対する前記データの影響度合いの重み付けの少なくとも一方を行うことで新たな第２のデータを算出し、
   前記第３のモジュールは、
   算出した前記第２のデータに対する適合性が最も高くなるように、前記補正値算出演算モデルを変更する
   請求項１記載の予測システム。
8. 前記第１のモジュールは、
   前記補正値算出演算モデルにおいて用いる変数のうち、任意の一部の変数又はすべての変数を任意の線形又は非線形な関数に入力することで変数値を算出し、
   前記変数値による第２のデータを算出し、
   前記第２のデータそれぞれの前記時間属性の情報に基づいて、前記曲線を算出するための前記第２のデータの選別及び前記曲線の算出に対する前記データの影響度合いの重み付けの少なくとも一方を行うことで新たな第３のデータを算出し、
   前記第３のモジュールは、
   算出した前記第３のデータに対する適合性が最も高くなるように、前記曲線算出演算モデルを変更する
   請求項１記載の予測システム。
9. 前記第３のモジュールは、
   前記複数のデータそれぞれの変動範囲の情報に基づいて、前記複数のデータそれぞれの変動範囲が小さい前記補正値算出演算モデルの選別及び重み付けの少なくとも一方を行うことで、前記補正値算出演算モデルを変更する
   請求項１記載の予測システム。
10. 前記補正値は、
    予測対象期間内の任意の期間それぞれにおける最大値及び最小値の少なくとも一方についての量及び時間の少なくとも一方並びに前記複数のデータそれぞれの変動範囲の少なくとも１つで構成される
    請求項１記載の予測システム。
11. 前記補正値は、
    予測対象期間内の任意の時刻それぞれにおける前記予測対象の前記予測値及び前記複数のデータそれぞれの変動範囲の少なくとも一方で構成される
    請求項１記載の予測システム。
12. 前記補正値は、
    前記第２のモジュールにおいて使用される前記曲線を補正するための係数値及び前記変動範囲の少なくとも一方で構成される
    請求項１記載の予測システム。
13. 任意期間における予測を適応する予測対象に関連する予測値を算出する予測方法であって、
    前記任意期間における前記予測対象の前記予測値の時間推移を示す曲線を算出し、
    前記曲線を補正することに基づいて、前記予測値を算出し、
    前記予測値を算出するために利用される複数のデータそれぞれの時間属性の情報又は前記複数のデータそれぞれの変動範囲の情報に基づいて、前記曲線を補正するための演算モデルである曲線補正演算モデル、前記曲線を算出するための演算モデルである曲線算出演算モデル、及び、前記曲線の補正値を算出するための演算モデルである補正値算出演算モデル、の少なくとも一つを変更する
    予測方法。