JP3668642B2

JP3668642B2 - Data prediction method, data prediction apparatus, and recording medium

Info

Publication number: JP3668642B2
Application number: JP18704899A
Authority: JP
Inventors: 克暢淺田; 秀之梶原; 恵永井; 太一今井; 健一松▲崎▼
Original assignee: キヤノンシステムソリューションズ株式会社
Priority date: 1999-06-30
Filing date: 1999-06-30
Publication date: 2005-07-06
Anticipated expiration: 2019-06-30
Also published as: JP2001014295A

Description

【０００１】
【発明の属する技術分野】
本発明は、時系列データに基づいて将来のデータの予測を行うデータ予測方法、その方法を実施する為のデータ予測装置、及びコンピュータをその装置として機能させる為のコンピュータプログラムが記録されている記録媒体に関する。
【０００２】
【従来の技術】
時系列データから将来のデータを予測するための予測モデルとして、単純移動平均モデル、指数平滑化モデル、ＡＲＩＭＡ(AutoRegressive Integrated Moving Average)モデル及びニューラルネットワークモデル等が従来から利用されている。また、これらのモデルに季節変動又はトレンド等の要素を盛り込んだ予測モデルを用いることもある。さらに、これらのモデルとは別に、対象とする時系列データの特性に着目し、その時系列データに限定した予測モデルを開発する場合もある。
【０００３】
以上のような予測モデルは各々固有の特徴を有しており、これらの予測モデルの中から対象とする時系列データに適している予測モデルを選択するためには、実際にこれらの予測モデルを用いて予測値を算出し、その予測値と実績値との誤差に基づいて各予測モデル毎に評価を行う必要がある。その結果、誤差がもっとも小さい予測モデルが、対象とする時系列データに適している予測モデルであると判断される。
【０００４】
ところで、時系列データの性質は時間の経過に伴って変化する場合が多く、精度の高い予測を行うためには、このような変化に対応して適用する予測モデルを変更しなければならない。したがってデータ予測方法においては、予測モデルの変更をどの時期に行うかを決定することが重要な問題となる。
【０００５】
この問題を解決すべく、特開平７−６４９６５号公報（以下、従来技術１という）では、ニューラルネットワークを用いて時系列データの性質の変化に対応することによって、適正な時期に予測モデルを動的に修正することができる販売量予測方法が提案されている。特開平９ー１７９８５０号公報（以下、従来技術２という）では、予測において生じる誤差を、予測モデル自体に内在する定常誤差と予測モデル構築の際には考慮することができない因子による攪乱誤差とに分離することによって、より正確な誤差を算出することができるために、予測モデルの変更時期の適正化を図ることが可能である需要予測モデル評価方法が提案されている。
【０００６】
【発明が解決しようとする課題】
しかしながら、従来技術１では予測モデルを動的に修正することが可能であるが、ニューラルネットワーク以外の予測モデルには適用することができないので、適用できる分野が限定されるという問題がある。
【０００７】
また、従来技術２では予測モデルの最適な変更時期を特定することができるが、これとは別に予測モデルの変更操作を行う必要がある。製品の販売量等の予測においては一つの製品のみならず複数の異なる製品を対象とする場合が多いが、この場合、予測モデルの変更の都度オペレータによって予測モデルの変更作業をすべての製品に対して行わなければならないため、多大な工数を要するという問題がある。
【０００８】
さらに、従来技術２では予測モデルを評価する際にその評価の対象とする期間（以下、評価期間という）をオペレータによって予め設定する必要があり、設定された評価期間が異なる場合は予測モデルの変更時期も異なることがあるため、恣意性の高い評価になり得るという問題がある。
【０００９】
本発明は斯かる事情に鑑みてなされたものであり、複数の予測モデルを用いて将来のデータを複数予測し、予測された複数の将来のデータの中から最適であるデータを選択することによって、種々の分野のデータの予測に用いることができるデータ予測方法、データ予測装置及び記録媒体の提供を目的とする。
【００１０】
また、本発明の他の目的は、既に予測された複数の予測データと過去の時系列データとの誤差を算出することによって、最適である予測モデルを自動的に選択することができるデータ予測方法、その方法を実施する為の装置及びコンピュータをその装置として機能させるためのコンピュータプログラムが記録されている記録媒体の提供を目的とする。
【００１１】
さらに、本発明の他の目的は、複数の評価期間別に既に予測された複数の予測データと過去の時系列データとの誤差を算出することによって、最適である評価期間を自動的に選択することができるデータ予測方法、データ予測装置及び記録媒体の提供を目的とする。
【００１２】
【課題を解決するための手段】
第１発明に係るデータ予測装置は、データを記憶する第一記憶手段と第二記憶手段とを備え、前記第一記憶手段には過去の時系列データと前記過去の時系列データに基づいて複数の予測モデルを用いて算出された複数の第一予測データとが記憶されており、前記過去の時系列データから算出されたデータを将来の予測データとして出力するデータ予測装置であって、前記第一記憶手段に記憶された前記過去の時系列データと前記第一予測データとから複数の評価期間毎における前記複数の予測モデルの第一評価値を算出する第一評価値算出手段と、前記第一評価値算出手段で算出された第一評価値を前記第二記憶手段に記憶する処理を行う手段と、前記複数の予測モデルの中から、前記第二記憶手段に記憶された第一評価値に従って前記複数の評価期間毎に予測モデルを選択する予測モデル選択手段と、前記予測モデル選択手段により選択された前記複数の評価期間毎の予測モデルを用いて算出された第二予測データと前記過去の時系列データとから前記複数の評価期間毎に第二評価値を算出する第二評価値算出手段と、前記第二評価値算出手段で算出された第二評価値を前記第二記憶手段に記憶する処理を行う手段と、前記複数の評価期間の中から、前記第二記憶手段に記憶された第二評価値に従って一の評価期間を選択する評価期間選択手段と、前記評価期間選択手段により選択された前記一の評価期間に対応して前記予測モデル選択手段により選択された前記予測モデルを用いて算出されたデータを将来の予測データとして出力する出力手段とを備えることを特徴とする。
【００１３】
第２発明に係るデータ予測方法は、データを記憶する第一記憶手段と第二記憶手段とを備え、前記第一記憶手段には過去の時系列データと前記過去の時系列データに基づいて複数の予測モデルを用いて算出された複数の第一予測データとが記憶されているデータ予測装置が前記過去の時系列データから算出されたデータを将来の予測データとして出力するためのデータ予測方法であって、前記第一記憶手段に記憶された前記過去の時系列データと前記第一予測データとから複数の評価期間毎における前記複数の予測モデルの第一評価値を算出する第一評価値算出工程と、前記第一評価値算出工程で算出された第一評価値を前記第二記憶手段に記憶する処理を行う工程と、前記複数の予測モデルの中から、前記第二記憶手段に記憶された第一評価値に従って前記複数の評価期間毎に予測モデルを選択する予測モデル選択工程と、前記予測モデル選択工程により選択された前記複数の評価期間毎の予測モデルを用いて算出された第二予測データと前記過去の時系列データとから前記複数の評価期間毎に第二評価値を算出する第二評価値算出工程と、前記第二評価値算出工程で算出された第二評価値を前記第二記憶手段に記憶する処理を行う工程と、前記複数の評価期間の中から、前記第二記憶手段に記憶された第二評価値に従って一の評価期間を選択する評価期間選択工程と、前記評価期間選択工程により選択された前記一の評価期間に対応して前記予測モデル選択工程により選択された前記予測モデルを用いて算出されたデータを将来の予測データとして出力する出力工程とを備えることを特徴とする。
【００１４】
第３発明に係る記録媒体は、データを記憶する第一記憶手段と第二記憶手段とを備え、前記第一記憶手段には過去の時系列データと前記過去の時系列データに基づいて複数の予測モデルを用いて算出された複数の第一予測データとが記憶されているコンピュータを前記過去の時系列データから算出されたデータを将来の予測データとして出力するデータ予測装置として機能させるためのコンピュータプログラムが記録してある記録媒体であって、前記コンピュータを、前記第一記憶手段に記憶された前記過去の時系列データと前記第一予測データとから複数の評価期間毎における前記複数の予測モデルの第一評価値を算出させる第一評価値算出手段と、前記第一評価値算出手段で算出された第一評価値を前記第二記憶手段に記憶する処理を行わせる手段と、前記複数の予測モデルの中から、前記第二記憶手段に記憶された第一評価値に従って前記複数の評価期間毎に予測モデルを選択させる予測モデル選択手段と、前記予測モデル選択手段により選択された前記複数の評価期間毎の予測モデルを用いて算出された第二予測データと前記過去の時系列データとから前記複数の評価期間毎に第二評価値を算出させる第二評価値算出手段と、前記第二評価値算出手段で算出された第二評価値を前記第二記憶手段に記憶する処理を行わせる手段と、前記複数の評価期間の中から、前記第二記憶手段に記憶された第二評価値に従って一の評価期間を選択される評価期間選択手段と、前記評価期間選択手段により選択された前記一の評価期間に対応して前記予測モデル選択手段により選択された前記予測モデルを用いて算出されたデータを将来の予測データとして出力させる出力手段として機能させるコンピュータプログラムが記録してあることを特徴とする。
【００１６】
本発明による場合、既に予測された複数の予測デ─タを記憶し、複数の予測モデルを用いて過去の時系列データから将来のデータを複数予測した後、記憶している前記複数の予測データと前記過去の時系列データとの誤差を算出する。算出された誤差に基づいて前記複数の予測モデルの評価を行い、その評価の結果にしたがって評価期間毎に最適である予測モデルを選択する。次に選択された予測モデルによって予測された予測データと前記時系列データとの誤差を算出する。算出された誤差に基づいて最適である評価期間を選択する。そして選択された最適である予測モデル及び最適である評価期間によって特定されるデータを選び、選ばれたデータを最終結果とする。
【００１７】
このように、特定の予測モデルのみではなく複数の予測モデルを適用することができるので、種々の分野のデータの予測に使用することが可能である。
【００１８】
また、既に予測された複数の予測デ─タと過去の時系列データとの誤差に基づいて、最適である予測モデルを自動的に選択し適用することができるので、予測モデルの適切な変更時期を特定することが可能となり、しかもオペレータによる予測モデルの変更作業を行う必要がない。
【００１９】
さらに、複数の評価期間別に既に予測された複数の予測データと過去の時系列データとの誤差に基づいて、最適である評価期間を自動的に選択することができるので、従来技術に比較してより客観的なデータ予測を行うことが可能となり、しかも時系列データの性質が変化する周期にも対応することができる。
【００２０】
【発明の実施の形態】
以下、本発明をその実施の形態を示す図面に基づいて詳述する。
図１は、本発明に係るデータ予測装置の実施の形態の構成を示すブロック図である。図１において、１はデータ予測装置として用いるコンピュータを示しており、コンピュータ１はＣＰＵ２を有し、該ＣＰＵ２に対して、ＣＰＵ２において発生するデータを記憶するＲＡＭ３、キーボード及びマウス等の入力装置からなる入力部４、入出力画面を表示するディスプレイ５、本発明のプログラムが記録されているＣＤ−ＲＯＭ又はフレキシブルディスク等の可搬型記録媒体１０から本発明に係るデ─タ予測装置のプログラムを読み取るＣＤ−ＲＯＭドライブ又はフレキシブルディスクドライブ等からなる外部記憶装置６、外部記憶装置６により読み取った本発明のプログラムを格納するハードディスク７、並びに外部と通信を行うための通信インタフェース８が接続されている。またハードディスク７は、過去の時系列データを格納している実績データベース７１、複数の予測モデルを格納している予測モデルデータベース７２、予測モデル毎の過去の予測値を格納している第１予測履歴データベース７３、及び評価期間毎の過去の予測値を格納している第２予測履歴データベース７４を有している。
【００２１】
コンピュータ１は、通信インタフェース８により通信回線２０に接続されている。さらに通信回線２０はルータ等の接続装置２１によりインターネット等の外部ネットワーク回線２２に接続されている。
【００２２】
本発明に係るデータ予測装置のプログラムは可搬型記録媒体１０から読み取る以外にも、外部ネットワーク回線２２を介して外部サーバコンピュータ２３に接続し、外部サーバコンピュータ２３に内蔵された前記プログラムを記録してある記録媒体２４からコンピュータ１へ前記プログラムをダウンロードすることによりハードディスク７に格納し、格納されたプログラムをＣＰＵ２がＲＡＭ３にロードすることによってコンピュータ１は本発明のデータ予測装置として機能する。
このようにしてデータ予測装置として機能するコンピュータ１は、後述する本発明のデータ予測方法の処理手順を実施することができる。
【００２３】
図２乃至図４は夫々、実績データベース７１、第１予測履歴データベース７３及び第２予測履歴データベース７４の概念図である。
【００２４】
図２に示す実績データベース７１は、ある製品の過去における月毎の需要量の実績値を格納している。なお、格納されているデータとしては、例えば製品の出荷量又は在庫量、及び温度等の時間とともに変化するデータであればよい。また時系列データは月毎のデータでなくても、週毎、日毎及び時間毎など一定間隔のデータであればよい。
【００２５】
図３に示す第１予測履歴データベース７３は、月毎に算出された需要量の予測値の履歴を、予測モデルｍ（ｍ＝１乃至Ｍ）別に格納している。この予測値は、月の需要量が確定する都度その翌月分が算出される。なお、予測モデルｍは予測モデルデータベース７２に格納されているすべての予測モデルに対応している。したがって例えば予測モデルデータベース７２に５個の予測モデルが格納されている場合は、第１予測履歴データベース７３には、予測モデルｍ（ｍ＝１乃至５）別に、月毎に算出された予測値の履歴が格納されていることになる。
【００２６】
図４に示す第２予測履歴データベース７４は、月毎に算出された需要量の予測値の履歴を、評価期間ｎ（ｎ＝１乃至Ｎ）別に格納している。この予測値は、評価期間ｎにおいて最も評価が高い予測モデルにより算出された予測値であり、第１予測履歴データベース７３に格納されている予測値の中から、後述する手順にしたがって選択されるものである。ここでＮの値は本発明に係るデータ予測処理を実行する前にオペレータにより予め設定されている。なお、この評価期間ｎは、実績データベース７１に格納されている最新の時系列データの月から起算して過去に遡った期間である。したがって本実施の形態の場合では、図２に示されているとおり、実績データベース７１に格納されている最新の時系列データの月は１９９８年１２月であるので、例えば評価期間ｎ（ｎ＝３）は、１９９８年１０月から１２月までの３カ月間を表すことになる。
【００２７】
以下にデータ予測装置として機能するコンピュータ１の動作について説明する。図５はデータ予測装置として機能するコンピュータ１のデータ予測処理における処理手順を示すフローチャートである。
【００２８】
まず、予測モデルデータベース７２に格納されている複数の予測モデルｍ（ｍ＝１乃至Ｍ）から任意の予測モデルｍを取得する（Ｓ５０１）。次に取得された予測モデルｍを用いて、実績データベース７１に格納されている需要量の実績値から需要量の予測値を算出し（Ｓ５０２）、算出された予測値を予測モデルｍ別に第１予測履歴データベース７３に格納する（Ｓ５０３）。以上のＳ５０１乃至Ｓ５０３の処理を、予測モデルデータベース７２に格納されているすべての予測モデルｍに対して行う（Ｓ５０４）。
【００２９】
図６は、Ｓ５０１乃至Ｓ５０４の処理を実行した後の第１予測履歴データベース７３の概念図である。図６に示すとおり、Ｓ５０１乃至Ｓ５０４の処理を実行した結果、予測の対象の月である１９９９年１月に係る需要量の予測値が、予測モデルｍ別に、第１予測履歴データベース７３に追加され格納されている。
【００３０】
次に、実績データベース７１から需要量の実績値を取得し、また第１予測履歴データベース７３から任意の予測モデルｍにより算出された需要量の予測値の予測履歴を取得する（Ｓ５０５）。取得された需要量の実績値と過去に算出された需要量の予測値との誤差を表す評価値を、評価期間ｎ（ｎ＝１乃至Ｎ）毎に算出し（Ｓ５０６）、算出された評価値をＲＡＭ３に記憶する（Ｓ５０７）。なおこの評価値としては、２乗誤差の平均及び誤差の絶対値の平均等を用いることができる。以上のＳ５０５乃至Ｓ５０７の処理を、予測モデルデータベース７２に格納されているすべての予測モデルｍに対して行う（Ｓ５０８）。
【００３１】
次に、ＲＡＭ３に記憶されているすべての評価値を参照し、各評価期間ｎ毎に、最も評価値が良い予測モデルを選択する（Ｓ５０９）。選択された予測モデルｍにより算出された需要量の予測値を、各評価期間ｎ別に、第２予測履歴データベース７４に夫々格納する（Ｓ５１０）。
【００３２】
図７は、Ｓ５０５乃至Ｓ５１０の処理を実行した後の第２予測履歴データベース７４の概念図である。図７に示すとおり、Ｓ５０５乃至Ｓ５１０の処理を実行した結果、予測の対象の月である１９９９年１月に係る需要量の予測値が、評価期間ｎ別に、第２予測履歴データベース７４に追加され格納されている。
【００３３】
次に、実績データベース７１から需要量の実績値を、第２予測履歴データベース７４から任意の評価期間ｎに係る需要量の予測値の予測履歴を、予め設定された期間Ｌ分だけ夫々取得する（Ｓ５１１）。取得された需要量の実績値と過去に算出された需要量の予測値との誤差を表す評価値を算出し（Ｓ５１２）、算出された評価値をＲＡＭ３に記憶する（Ｓ５１３）。なおこの場合も前述したとおり評価値としては２乗誤差の平均及び誤差の絶対値の平均等を用いることができる。以上のＳ５１１乃至Ｓ５１３の処理を、すべての評価期間ｎに対して行う（Ｓ５１４）。
【００３４】
次に、ＲＡＭ３に記憶されているすべての評価値を参照し、最も評価値が良い評価期間ｎを選択する（Ｓ５１５）。選択された評価期間ｎに係る需要量の予測値を最終結果としてディスプレイ５に表示する（Ｓ５１６）。
【００３５】
以上の処理を、月の需要量が確定する都度繰り返す。そしてその都度最適である予測モデルにより算出された需要量の予測値を最終結果とする。したがって、予測モデルの適切な変更時期を特定することができるばかりか、それと同時に予測モデルの変更作業が行われていることになる。そのため、従来技術１の場合とは異なり、予測モデルの変更の都度オペレータによる予測モデルの変更作業を行う必要はない。
【００３６】
【発明の効果】
以上のように、特定の予測モデルのみではなく複数の予測モデルを適用することができるので、種々の分野のデータの予測に用いることができる。
【００３７】
また、既に予測された複数の予測データと過去の時系列データとの誤差に基づいて、最適である予測モデルを自動的に選択し適用することができるので、予測モデルの適切な変更時期を特定することが可能となり、しかもオペレータによる予測モデルの変更作業を必要としない。
【００３８】
さらに、複数の評価期間別に既に予測された複数の予測データと過去の時系列データとの誤差に基づいて、最適である評価期間を自動的に選択することができるので、従来技術に比較してより客観的なデータ予測を行うことが可能となり、しかも時系列データの性質が変化する周期にも対応することができる等、本発明は優れた効果を奏する。
【００３９】
なお、本発明を鉄鋼分野に適用した結果、上述したような効果が認められている。
【図面の簡単な説明】
【図１】本発明に係るデータ予測装置の実施の形態の構成を示すブロック図である。
【図２】実績データベースの概念図である。
【図３】第１予測履歴データベースの概念図である。
【図４】第２予測履歴データベースの概念図である。
【図５】データ予測装置として機能するコンピュータのデータ予測処理における処理手順を示すフローチャートである。
【図６】第１予測履歴データベースの概念図である。
【図７】第２予測履歴データベースの概念図である。
【符号の説明】
１コンピュータ
２ＣＰＵ
３ＲＡＭ
４入力部
５ディスプレイ
６外部記憶装置
７ハードディスク
８通信インタフェース
７１実績データベース
７２予測モデルデータベース
７３第１予測履歴データベース
７４第２予測履歴データベース[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a data prediction method for predicting future data based on time-series data, a data prediction device for carrying out the method, and a computer program for causing a computer to function as the device. It relates to the medium.
[0002]
[Prior art]
As a prediction model for predicting future data from time series data, a simple moving average model, an exponential smoothing model, an ARIMA (Auto Regressive Integrated Moving Average) model, a neural network model, and the like have been conventionally used. In addition, a prediction model in which elements such as seasonal variation or trend are included in these models may be used. Further, apart from these models, there are cases where a prediction model limited to the time series data is developed by paying attention to the characteristics of the target time series data.
[0003]
Each of the above prediction models has its own characteristics. In order to select a prediction model suitable for the target time-series data from these prediction models, these prediction models are actually used. It is necessary to calculate a prediction value by using and to evaluate each prediction model based on an error between the prediction value and the actual value. As a result, it is determined that the prediction model with the smallest error is a prediction model suitable for the target time series data.
[0004]
By the way, the nature of time-series data often changes with the passage of time, and in order to perform highly accurate prediction, it is necessary to change a prediction model to be applied in response to such a change. Therefore, in the data prediction method, it is an important problem to determine when to change the prediction model.
[0005]
In order to solve this problem, Japanese Patent Application Laid-Open No. 7-64965 (hereinafter referred to as Prior Art 1) uses a neural network to respond to changes in the properties of time series data, thereby moving a prediction model at an appropriate time. A sales volume forecasting method that can be corrected in a proposed manner has been proposed. In Japanese Patent Application Laid-Open No. 9-179850 (hereinafter referred to as Conventional Technology 2), errors occurring in prediction are classified into stationary errors inherent in the prediction model itself and disturbance errors due to factors that cannot be taken into account when the prediction model is built. Since a more accurate error can be calculated by separating, a demand prediction model evaluation method that can optimize the change timing of the prediction model has been proposed.
[0006]
[Problems to be solved by the invention]
However, although it is possible to dynamically correct the prediction model in the conventional technique 1, since it cannot be applied to a prediction model other than the neural network, there is a problem that applicable fields are limited.
[0007]
Further, in the prior art 2, it is possible to specify the optimal change time of the prediction model, but it is necessary to perform an operation for changing the prediction model separately. When forecasting product sales volume, etc., there are many cases that target not only one product but also multiple different products. In this case, every time the forecast model is changed, the operator changes the forecast model to all products. Therefore, there is a problem that it takes a lot of man-hours.
[0008]
Furthermore, in the prior art 2, when evaluating a prediction model, it is necessary for the operator to set a period to be evaluated (hereinafter referred to as an evaluation period) in advance, and if the set evaluation period is different, the prediction model is changed. Since the timing may be different, there is a problem that the evaluation can be highly arbitrary.
[0009]
The present invention has been made in view of such circumstances, by predicting a plurality of future data using a plurality of prediction models, and selecting optimal data from a plurality of predicted future data. An object of the present invention is to provide a data prediction method, a data prediction apparatus, and a recording medium that can be used for prediction of data in various fields.
[0010]
Another object of the present invention is to provide a data prediction method capable of automatically selecting an optimal prediction model by calculating an error between a plurality of already predicted data and past time-series data. An object of the present invention is to provide an apparatus for carrying out the method and a recording medium on which a computer program for causing a computer to function as the apparatus is recorded.
[0011]
Furthermore, another object of the present invention is to automatically select an optimal evaluation period by calculating an error between a plurality of prediction data already predicted for each evaluation period and past time series data. An object of the present invention is to provide a data prediction method, a data prediction device, and a recording medium.
[0012]
[Means for Solving the Problems]
A data prediction apparatus according to a first aspect of the present invention includes first storage means and second storage means for storing data, and the first storage means includes a plurality of data based on past time series data and the past time series data. A plurality of first prediction data calculated using the prediction model, and a data prediction device that outputs data calculated from the past time-series data as future prediction data, First evaluation value calculating means for calculating first evaluation values of the plurality of prediction models for each of a plurality of evaluation periods from the past time series data and the first prediction data stored in one storage means; Means for storing a first evaluation value calculated by one evaluation value calculation means in the second storage means; and a first evaluation value stored in the second storage means from among the plurality of prediction models According to the plurality Prediction model selection means for selecting a prediction model for each evaluation period; second prediction data calculated using the prediction models for each of the plurality of evaluation periods selected by the prediction model selection means; and the past time series data Second evaluation value calculation means for calculating a second evaluation value for each of the plurality of evaluation periods, and processing for storing the second evaluation value calculated by the second evaluation value calculation means in the second storage means Means for performing, an evaluation period selecting means for selecting one evaluation period in accordance with a second evaluation value stored in the second storage means from the plurality of evaluation periods, and the evaluation period selecting means selected by the evaluation period selecting means Output means for outputting data calculated using the prediction model selected by the prediction model selection means corresponding to one evaluation period as future prediction data .
[0013]
The data prediction method according to the second aspect of the present invention comprises first storage means and second storage means for storing data, and the first storage means includes a plurality of times based on past time series data and the past time series data. A data prediction method in which a data prediction device in which a plurality of first prediction data calculated using the prediction model is stored outputs data calculated from the past time series data as future prediction data. A first evaluation value calculation for calculating a first evaluation value of the plurality of prediction models in a plurality of evaluation periods from the past time series data and the first prediction data stored in the first storage unit A step of storing a first evaluation value calculated in the first evaluation value calculating step in the second storage means, and a second storage means stored in the second storage means. First review A prediction model selection step of selecting a prediction model for each of the plurality of evaluation periods according to a value; second prediction data calculated using the prediction model for each of the plurality of evaluation periods selected by the prediction model selection step; A second evaluation value calculating step for calculating a second evaluation value for each of the plurality of evaluation periods from past time-series data; and a second evaluation value calculated in the second evaluation value calculating step as the second storage means. Performing the process of storing in the evaluation period, the evaluation period selection process of selecting one evaluation period from the plurality of evaluation periods according to the second evaluation value stored in the second storage means, and the evaluation period selection process and an output step of outputting the data calculated by using the prediction model selected by the predictive model selection process in response to the selected evaluation period of the one as a future prediction data by And wherein the door.
[0014]
A recording medium according to a third aspect of the present invention comprises first storage means and second storage means for storing data, wherein the first storage means includes a plurality of times based on past time series data and the past time series data. A computer for causing a computer storing a plurality of first prediction data calculated using a prediction model to function as a data prediction device that outputs data calculated from the past time-series data as future prediction data A recording medium in which a program is recorded, wherein the computer includes the plurality of prediction models for each of a plurality of evaluation periods from the past time-series data and the first prediction data stored in the first storage unit. A first evaluation value calculating means for calculating the first evaluation value and a process of storing the first evaluation value calculated by the first evaluation value calculating means in the second storage means A prediction model selection unit that selects a prediction model for each of the plurality of evaluation periods according to a first evaluation value stored in the second storage unit from the plurality of prediction models, and the prediction model selection unit The second evaluation value for calculating the second evaluation value for each of the plurality of evaluation periods from the second prediction data calculated using the prediction model for each of the plurality of evaluation periods selected by the above and the past time series data. A calculation unit; a unit for performing processing for storing the second evaluation value calculated by the second evaluation value calculation unit in the second storage unit; and the second storage unit out of the plurality of evaluation periods. An evaluation period selecting means for selecting one evaluation period according to the stored second evaluation value, and the prediction model selecting means corresponding to the one evaluation period selected by the evaluation period selecting means Wherein the computer program to function data calculated using a serial prediction model as an output means for outputting as a future prediction data has been recorded.
[0016]
According to the present invention, a plurality of prediction data that has already been predicted is stored, a plurality of future data is predicted from past time-series data using a plurality of prediction models, and then the plurality of stored prediction data is stored. And an error between the past time-series data. The plurality of prediction models are evaluated based on the calculated error, and an optimal prediction model is selected for each evaluation period according to the evaluation result. Next, an error between the prediction data predicted by the selected prediction model and the time series data is calculated. An evaluation period that is optimal based on the calculated error is selected. Then, data specified by the selected optimal prediction model and the optimal evaluation period is selected, and the selected data is used as the final result.
[0017]
Thus, since not only a specific prediction model but a plurality of prediction models can be applied, it can be used for prediction of data in various fields.
[0018]
In addition, it is possible to automatically select and apply the optimal prediction model based on the error between multiple prediction data already predicted and past time series data. Can be specified, and the operator does not need to change the prediction model.
[0019]
Furthermore, it is possible to automatically select the optimal evaluation period based on the error between a plurality of prediction data already predicted for each evaluation period and the past time series data. It is possible to perform more objective data prediction, and it is possible to cope with a cycle in which the properties of time-series data change.
[0020]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, the present invention will be described in detail with reference to the drawings illustrating embodiments thereof.
FIG. 1 is a block diagram showing a configuration of an embodiment of a data prediction apparatus according to the present invention. In FIG. 1, reference numeral 1 denotes a computer used as a data predicting device. The computer 1 has a CPU 2 and is composed of an input device such as a RAM 3 for storing data generated in the CPU 2, a keyboard and a mouse. CD for reading the program of the data prediction apparatus according to the present invention from the input unit 4, the display 5 for displaying the input / output screen, and the portable recording medium 10 such as a CD-ROM or a flexible disk on which the program of the present invention is recorded. An external storage device 6 such as a ROM drive or a flexible disk drive, a hard disk 7 storing the program of the present invention read by the external storage device 6, and a communication interface 8 for communicating with the outside are connected. The hard disk 7 also includes a performance database 71 that stores past time-series data, a prediction model database 72 that stores a plurality of prediction models, and a first prediction history that stores past prediction values for each prediction model. It has a database 73 and a second prediction history database 74 that stores past predicted values for each evaluation period.
[0021]
The computer 1 is connected to a communication line 20 by a communication interface 8. Further, the communication line 20 is connected to an external network line 22 such as the Internet by a connection device 21 such as a router.
[0022]
In addition to reading from the portable recording medium 10, the program of the data prediction apparatus according to the present invention is connected to the external server computer 23 via the external network line 22, and records the program built in the external server computer 23. The program is downloaded from a certain recording medium 24 to the computer 1 to be stored in the hard disk 7, and the stored program is loaded into the RAM 3 by the CPU 2, so that the computer 1 functions as the data prediction apparatus of the present invention.
In this way, the computer 1 functioning as a data prediction apparatus can execute the processing procedure of the data prediction method of the present invention described later.
[0023]
2 to 4 are conceptual diagrams of the performance database 71, the first prediction history database 73, and the second prediction history database 74, respectively.
[0024]
The actual result database 71 shown in FIG. 2 stores the actual value of the monthly demand amount of a certain product in the past. Note that the stored data may be data that changes with time such as the shipment amount or stock amount of the product and the temperature, for example. The time-series data may be data at regular intervals such as weekly, daily, and hourly, rather than monthly data.
[0025]
The first prediction history database 73 shown in FIG. 3 stores a history of predicted demand values calculated for each month for each prediction model m (m = 1 to M). The predicted value is calculated for the next month each time the monthly demand is determined. Note that the prediction model m corresponds to all prediction models stored in the prediction model database 72. Therefore, for example, when five prediction models are stored in the prediction model database 72, the prediction value calculated for each month is stored in the first prediction history database 73 for each prediction model m (m = 1 to 5). The history is stored.
[0026]
The second prediction history database 74 shown in FIG. 4 stores a history of predicted demand values calculated for each month for each evaluation period n (n = 1 to N). This prediction value is a prediction value calculated by a prediction model having the highest evaluation in the evaluation period n, and is selected from prediction values stored in the first prediction history database 73 according to a procedure described later. It is. Here, the value of N is preset by the operator before executing the data prediction process according to the present invention. The evaluation period n is a period that dates back to the past from the month of the latest time-series data stored in the performance database 71. Therefore, in the present embodiment, as shown in FIG. 2, the month of the latest time-series data stored in the performance database 71 is December 1998. For example, the evaluation period n (n = 3) ) Represents three months from October to December 1998.
[0027]
The operation of the computer 1 functioning as a data prediction device will be described below. FIG. 5 is a flowchart showing a processing procedure in the data prediction process of the computer 1 functioning as a data prediction apparatus.
[0028]
First, an arbitrary prediction model m is acquired from a plurality of prediction models m (m = 1 to M) stored in the prediction model database 72 (S501). Next, using the acquired prediction model m, a predicted value of the demand amount is calculated from the actual value of the demand amount stored in the actual result database 71 (S502), and the calculated predicted value is first calculated for each prediction model m. It stores in the prediction history database 73 (S503). The processes of S501 to S503 are performed on all the prediction models m stored in the prediction model database 72 (S504).
[0029]
FIG. 6 is a conceptual diagram of the first prediction history database 73 after executing the processes of S501 to S504. As shown in FIG. 6, as a result of executing the processing of S501 to S504, the predicted value of the demand amount related to January 1999, which is the target month for prediction, is added to the first prediction history database 73 for each prediction model m. Stored.
[0030]
Next, the actual value of the demand amount is acquired from the actual database 71, and the prediction history of the predicted value of the demand amount calculated by the arbitrary prediction model m is acquired from the first prediction history database 73 (S505). An evaluation value representing an error between the actual value of the acquired demand amount and the predicted value of the demand amount calculated in the past is calculated for each evaluation period n (n = 1 to N) (S506), and the calculated evaluation is calculated. The value is stored in the RAM 3 (S507). As the evaluation value, an average of square errors, an average of absolute values of errors, or the like can be used. The processes of S505 to S507 described above are performed for all prediction models m stored in the prediction model database 72 (S508).
[0031]
Next, with reference to all evaluation values stored in the RAM 3, a prediction model having the best evaluation value is selected for each evaluation period n (S509). The predicted value of the demand amount calculated by the selected prediction model m is stored in the second prediction history database 74 for each evaluation period n (S510).
[0032]
FIG. 7 is a conceptual diagram of the second prediction history database 74 after executing the processes of S505 to S510. As shown in FIG. 7, as a result of executing the processes of S505 to S510, the predicted value of the demand amount related to January 1999, which is the month to be predicted, is added to the second prediction history database 74 for each evaluation period n. Stored.
[0033]
Next, the actual value of the demand amount is obtained from the actual result database 71, and the prediction history of the predicted value of the demand amount related to an arbitrary evaluation period n is obtained from the second prediction history database 74 for the preset period L (respectively) ( S511). An evaluation value representing an error between the actual value of the acquired demand amount and the predicted value of the demand amount calculated in the past is calculated (S512), and the calculated evaluation value is stored in the RAM 3 (S513). In this case as well, as described above, the average of the square error and the average of the absolute value of the error can be used as the evaluation value. The processes of S511 to S513 are performed for all evaluation periods n (S514).
[0034]
Next, all evaluation values stored in the RAM 3 are referred to, and the evaluation period n having the best evaluation value is selected (S515). The predicted value of the demand amount related to the selected evaluation period n is displayed on the display 5 as a final result (S516).
[0035]
The above processing is repeated every time the monthly demand is determined. Then, the predicted value of the demand amount calculated by the optimal prediction model each time is used as the final result. Therefore, not only can the appropriate change time of the prediction model be specified, but the prediction model is being changed at the same time. Therefore, unlike the case of the prior art 1, it is not necessary to change the prediction model by the operator every time the prediction model is changed.
[0036]
【The invention's effect】
As described above, since not only a specific prediction model but also a plurality of prediction models can be applied, it can be used for prediction of data in various fields.
[0037]
In addition, it is possible to automatically select and apply the optimal prediction model based on the error between multiple prediction data already predicted and past time series data. In addition, the operator does not need to change the prediction model.
[0038]
Furthermore, it is possible to automatically select the optimal evaluation period based on the error between a plurality of prediction data already predicted for each evaluation period and the past time series data. The present invention has an excellent effect that it is possible to perform more objective data prediction, and it is possible to cope with a cycle in which the properties of time-series data change.
[0039]
In addition, as a result of applying this invention to the steel field, the effect as mentioned above is recognized.
[Brief description of the drawings]
FIG. 1 is a block diagram showing a configuration of an embodiment of a data prediction apparatus according to the present invention.
FIG. 2 is a conceptual diagram of a performance database.
FIG. 3 is a conceptual diagram of a first prediction history database.
FIG. 4 is a conceptual diagram of a second prediction history database.
FIG. 5 is a flowchart showing a processing procedure in data prediction processing of a computer functioning as a data prediction device.
FIG. 6 is a conceptual diagram of a first prediction history database.
FIG. 7 is a conceptual diagram of a second prediction history database.
[Explanation of symbols]
1 Computer 2 CPU
3 RAM
4 Input unit 5 Display 6 External storage device 7 Hard disk 8 Communication interface 71 Performance database 72 Prediction model database 73 First prediction history database 74 Second prediction history database

Claims

A first storage means and a second storage means for storing data, wherein the first storage means is a plurality of time series data calculated using a plurality of prediction models based on the past time series data and the past time series data; A first prediction data is stored, and the data prediction device outputs data calculated from the past time series data as future prediction data,
First evaluation value calculation means for calculating first evaluation values of the plurality of prediction models in a plurality of evaluation periods from the past time-series data and the first prediction data stored in the first storage means;
Means for performing processing for storing the first evaluation value calculated by the first evaluation value calculation means in the second storage means;
From among the plurality of prediction models, a prediction model selection unit that selects a prediction model for each of the plurality of evaluation periods according to a first evaluation value stored in the second storage unit;
A second evaluation value is calculated for each of the plurality of evaluation periods from the second prediction data calculated using the prediction model for each of the plurality of evaluation periods selected by the prediction model selection means and the past time series data. Second evaluation value calculating means for
Means for storing the second evaluation value calculated by the second evaluation value calculation means in the second storage means;
An evaluation period selecting means for selecting one evaluation period from the plurality of evaluation periods according to a second evaluation value stored in the second storage means;
Output means for outputting data calculated using the prediction model selected by the prediction model selection means corresponding to the one evaluation period selected by the evaluation period selection means as future prediction data;
A data prediction apparatus comprising:

A first storage means and a second storage means for storing data, wherein the first storage means is a plurality of time series data calculated using a plurality of prediction models based on the past time series data and the past time series data; A data prediction method for outputting data calculated from the past time-series data as future prediction data by a data prediction device in which the first prediction data is stored,
A first evaluation value calculating step of calculating a first evaluation value of the plurality of prediction models for each of a plurality of evaluation periods from the past time-series data and the first prediction data stored in the first storage unit;
Performing a process of storing the first evaluation value calculated in the first evaluation value calculating step in the second storage means;
A prediction model selection step of selecting a prediction model for each of the plurality of evaluation periods according to a first evaluation value stored in the second storage unit from the plurality of prediction models;
A second evaluation value is calculated for each of the plurality of evaluation periods from the second prediction data calculated using the prediction model for each of the plurality of evaluation periods selected in the prediction model selection step and the past time series data. A second evaluation value calculating step,
Performing a process of storing the second evaluation value calculated in the second evaluation value calculating step in the second storage means;
An evaluation period selecting step of selecting one evaluation period from the plurality of evaluation periods according to the second evaluation value stored in the second storage means;
An output step of outputting data calculated by using the prediction model selected by the prediction model selection step corresponding to the one evaluation period selected by the evaluation period selection step as future prediction data;
A data prediction method comprising:

A first storage means and a second storage means for storing data, wherein the first storage means is a plurality of time series data calculated using a plurality of prediction models based on the past time series data and the past time series data; And a computer that stores the first prediction data of the data prediction apparatus that outputs data calculated from the past time-series data as future prediction data. A computer-readable recording medium having a computer program recorded thereon,
The computer,
First evaluation value calculation means for calculating first evaluation values of the plurality of prediction models for each of a plurality of evaluation periods from the past time series data and the first prediction data stored in the first storage means;
Means for performing a process of storing the first evaluation value calculated by the first evaluation value calculation means in the second storage means;
Prediction model selection means for selecting a prediction model for each of the plurality of evaluation periods according to a first evaluation value stored in the second storage means from the plurality of prediction models;
A second evaluation value is calculated for each of the plurality of evaluation periods from the second prediction data calculated using the prediction model for each of the plurality of evaluation periods selected by the prediction model selection means and the past time series data. Second evaluation value calculating means for causing
Means for performing a process of storing the second evaluation value calculated by the second evaluation value calculation means in the second storage means;
An evaluation period selecting means for selecting one evaluation period from the plurality of evaluation periods according to a second evaluation value stored in the second storage means;
Output means for outputting data calculated using the prediction model selected by the prediction model selection means corresponding to the one evaluation period selected by the evaluation period selection means as future prediction data
A computer-readable recording medium in which a computer program that functions as a computer program is recorded.