JP5320985B2 - 予測システム、予測方法および予測プログラム - Google Patents

Description

本発明は、連続的な時系列データの将来の振る舞いを予測する予測システム、予測方法および予測プログラムに関し、特に過去のサンプルを用いて予測を行う予測システム、予測方法および予測プログラムに関する。

負荷分散のための各サーバの負荷の予測や空調制御のための室内の温度の予測等、連続的な時系列データの将来の振る舞いを予測する需要は少なくない。このような連続的な時系列データの予測方法として、時系列データの過去の値をサンプルとし、そのサンプルから将来の値を予測する方法が知られている。

サンプルから将来の値を予測する方法の一つとして、非特許文献１に記載された移動平均法という方法がある。移動平均法は、図１４に示すように、サンプルの平均値を算出し、時系列データが今後もこの平均値に近い値をとる仮定して将来の値を予測する。図１４には、過去の時系列データｆ（ｔ）におけるｎ個のサンプル（時刻ｔ０−ｎ〜ｔ０−１におけるデータ）の平均値（［（ｆ（ｔ０−１）＋ｆ（ｔ０−２）＋・・・＋ｆ（ｔ０−ｎ）］／ｎ）が、将来の時刻ｔｘにおける予測値として採用される例が示されている。また、移動平均法の種類として、個々のサンプルに異なる重みを付けて平均値を算出する加重移動平均法や指数加重移動平均法といった種類がある。

また、サンプルから将来の値を予測する他の方法として、同じく非特許文献１に記載された回帰分析の一種である最小二乗法という方法がある。最小二乗法は、図１５に示すように、サンプルの傾向を特定の近似関数で近似し、時系列データが今後もこの近似関数に近い振る舞いをすると仮定して将来の値を予測する。

なお、近似関数は、各サンプルの差の二乗和が最小となる様に決定される。また、図１５には、近似関数ｇ（ｔ）として１次直線関数が用いられているが、一般には、サンプルの傾向は、ｎ次の曲線関数で近似される。また、図１５には、将来の時刻ｔｘにおける予測値がｇ（ｔｘ）になることが示されている。

また、一般的な予測システムの構成例が、特許文献１，２に記載されている。

特開２００１−１７５７３５号公報 特開２００８−３９２０号公報 上田太一郎，高橋玲子，村田真樹，渕上美喜，藤川貴司，近藤宏，上田和明、「Ｅｘｅｌで学ぶ時系列分析と予測」、オーム社、２００６年、p.24-31 ，p.119-124

しかし、非特許文献１に記載されているような予測方法すなわち過去のサンプルから予測を行う方法は、過去のサンプルの変動の影響を受ける。すると、過去の時系列データの変動傾向が現状の時系列データの変動傾向と明らかに異なる場合にはサンプルの一部がノイズになり、予測精度が落ちるという課題がある。

例えば、図１６（Ａ）に示す例では、時系列データｆ（ｔ）は、時刻ｔａの前では上昇傾向にあり、時刻ｔａの後にはほぼ一定値であって、時刻ｔａの前後で変動傾向が明らかに異なる。変動傾向が異なる時刻ｔａを変化点とする。

移動平均法によって時刻ｔｂの時系列データ値ｆ（ｔｂ）を予測する場合に、時刻ｔａ以前の小さな時系列データ値もサンプルとして予測を行う。すなわち、移動平均法による予測ｇ（ｔ）を用いると、時刻ｔｂにおける予測値ｇ（ｔｂ）は、時刻ｔａ以前の小さな時系列データ値もサンプルにした予測で決定されるので、予測値ｇ（ｔｂ）は、実際の値ｆ（ｔｂ）より小さい値になってしまう。

また、最小二乗法による予測ｈ（ｔ）では、時刻ｔｂにおける予測値ｈ（ｔｂ）は、時刻ｔａ以前の上昇傾向の時系列データ値をサンプルにした予測で決定されるので、実際の値ｆ（ｔｂ）より大きな値になってしまう。

そこで、本発明は、連続的な時系列データの過去の値をサンプルとしサンプルから将来の値を予測する予測システム、予測方法および予測プログラムにおいて、過去の変動傾向が現状の変動傾向とは異なる場合でも高精度に予測を行うことができるようにすることを目的とする。

本発明による予測システムは、連続的な時系列データの過去の値であるサンプルの変動傾向が変わる変化点以降のサンプルを選択するサンプル選択手段と、サンプル選択手段が選択したサンプルを用いて予測を行う予測実行手段と、複数のサンプル選択手段に対応して設けられ、サンプル入力手段が入力したサンプルからそれぞれ異なる方式で変動傾向が変わる変化点を検出する複数の変化点検出手段と、複数の予測実行手段による予測結果を実際の値である予測時刻のサンプルと比較することによって検証を行う予測結果検証手段と、予測結果検証手段による検証結果を記憶する検証結果記憶手段と、検証結果記憶手段に格納されている以前の検証結果にもとづいて複数の予測実行手段による予測結果から１つの予測結果を選択する予測結果選択手段とを備え、複数のサンプル選択手段は、それぞれ、サンプル情報記憶手段に格納されているサンプルから、対応する変化点検出手段が検出した変化点以降のサンプルのみを選択することを特徴とする。

本発明による他の態様の予測システムは、連続的な時系列データの過去の値をサンプルとして入力するサンプル入力手段と、サンプル入力手段が入力したサンプルを記憶するサンプル情報記憶手段と、サンプルの変動傾向が変わる変化点を決定する変化点決定手段と、変化点決定手段が決定した変化点を区切りにして、変化点後における各サンプルにより高い重みがつくように、変化点前後における各サンプルに重みを設定する重み付け手段と、重み付け手段が重みを設定したサンプルを用いて予測を実行する予測実行手段とを備えたことを特徴とする。

本発明による予測方法は、連続的な時系列データの過去の値であるサンプルの変動傾向が変わる変化点以降のサンプルを選択するサンプル選択手段と、選択したサンプルを用いて予測を行う予測実行手段とを用いる予測方法であって、連続的な時系列データの過去の値をサンプルとして入力し、サンプル入力手段が入力したサンプルをサンプル情報記憶手段に記憶し、サンプル選択手段および予測実行手段は、それぞれ複数用意され、複数の予測実行手段が、複数のサンプル選択手段が選択したサンプルを用いて予測を実行し、複数のサンプル選択手段に対応して設けられた複数の変化点検出手段が、入力したサンプルからそれぞれ異なる方式で変動傾向が変わる変化点を検出し、複数の予測実行手段による予測結果を実際の値である予測時刻のサンプルと比較することによって検証を行い、検証結果を検証結果記憶手段に記憶し、検証結果記憶手段に格納されている以前の検証結果にもとづいて複数の予測実行手段による予測結果から１つの予測結果を選択し、複数のサンプル選択手段が、それぞれ、サンプル情報記憶手段に格納されているサンプルから、対応する変化点検出手段が検出した変化点以降のサンプルのみを選択することを特徴とする。

本発明による予測プログラムは、コンピュータに、連続的な時系列データの過去の値であるサンプルの変動傾向が変わる変化点以降のサンプルを選択する処理と、選択したサンプルを用いて予測を行う処理とを実行させるための予測プログラムであって、サンプルを選択する処理および予測を行う処理を実行する部分が、それぞれ複数用意され、コンピュータに、連続的な時系列データの過去の値をサンプルとして入力する処理と、入力したサンプルをサンプル情報記憶手段に記憶する処理と、予測を行う処理で、複数のサンプルを選択する処理で選択したサンプルを用いて予測を実行させ、複数のサンプルを選択する処理のそれぞれに対応して、入力したサンプルから異なる方式で変動傾向が変わる変化点を検出する処理とを実行させ、複数の予測を行う処理による予測結果を実際の値である予測時刻のサンプルと比較することによって検証を行わせ、検証結果を検証結果記憶手段に記憶する処理と、検証結果記憶手段に格納されている以前の検証結果にもとづいて複数の予測を行う処理の予測結果から１つの予測結果を選択する処理とを実行させ、複数のサンプル選択する処理で、それぞれ、サンプル情報記憶手段に格納されているサンプルから、対応する変化点を検出する処理で検出された変化点以降のサンプルのみを選択させることを特徴とする。

本発明によれば、過去の時系列データの変動傾向が現状の時系列データの変動傾向と明らかに異なる場合でも高精度な予測を行うことができる。その理由は、変動傾向が変わる変化点以前のノイズになる変動傾向の異なるサンプルの影響を除去したり軽減したりして変化点以降のサンプルで予測を行うからである。

以下、本発明の実施形態を図面を参照して説明する。

実施形態１．
図１は、本発明による予測システムの第１の実施形態（実施形態１）の構成を示すブロック図である。図１に示すように、第１の実施形態の予測システムは、連続的な時系列データの過去の値をサンプルとして入力するサンプル入力手段１０１と、サンプル入力手段１０１が入力したサンプルを記憶するサンプル情報記憶手段１０２と、サンプルの変動傾向が変わる変化点の時刻を入力する変化点入力手段１０３と、サンプル情報記憶手段１０２から変化点入力手段１０３が入力した変化点以降のサンプルのみを選択するサンプル選択手段１０４と、サンプル選択手段１０４が選択したサンプルを用いて予測を実行する予測実行手段１０５と、予測実行手段１０５による予測結果を出力する結果出力手段１０６とを備えている。

一例として、サンプル選択手段１０４および予測実行手段１０５は、予測システムを実現するコンピュータにおいて、プログラムに従って動作するＣＰＵで実現される。また、サンプル情報記憶手段１０２は、例えば、コンピュータに内蔵された記憶装置またはコンピュータの外部に設置された記憶装置で実現される。サンプル入力手段１０１は、例えば、サンプルを出力する装置やシステムからサンプルを入力する装置と、その装置を制御するためのプログラムに従って動作するＣＰＵとで実現される。サンプルを出力する装置やシステムが予測システムと通信手段を介して接続される場合には、受信装置で実現される。また、変化点入力手段１０３は、例えば、変化点に関する情報を出力する装置やシステムから変化点に関する情報を入力する装置、その装置を制御するためのプログラムに従って動作するＣＰＵとで実現される。変化点に関する情報を出力する装置やシステムが予測システムと通信手段を介して接続される場合には、受信装置で実現される。

図２は、第１の実施形態の予測システムの動作を示す流れ図である。図１のブロック図と図２の流れ図とを参照して、第１の実施形態の動作を説明する。

図２に示すように、サンプル入力手段１０１は、連続的な時系列データの過去の値をサンプルとして入力し、サンプル情報記憶手段１０２に格納する（ステップＳ２０１）。

図３は、サンプル情報記憶手段１０２が格納するサンプル情報を記録するテーブルＴ３００の構造を示す説明図である。図３において、時刻Ｔ３０１は、サンプルの時刻（発生時刻）を示す。値Ｔ３０２は、サンプルの値である。

次に、変化点入力手段１０３は、サンプルの変動傾向が変わる変化点の時刻（発生時刻）を入力する（ステップＳ２０２）。変化点は、サンプルそのものや、サンプルの元である時系列データが発生する環境から、人が変動傾向を判定することによって決定されたり、何らかのシステムが自動的に変動傾向を判定することによって決定される。

変化点の判定の仕方として、例えば以下のような方法が考えられる。

（１）サンプルの傾き平均が、ある点を境に一定以上異なる場合に、その点を変化点とする。例えば、時系列的に連続するｎ個のサンプルｓ（１），ｓ（２），・・・，ｓ（ｎ）において、あるサンプルｓ（ｘ）の傾きＤ（ｘ）を｛ｖａｌ（ｓ（ｘ＋１））−ｖａｌ（ｓ（ｘ））｝／｛ｔｉｍｅ（ｓ（ｘ＋１））−ｔｉｍｅ（ｓ（ｘ））｝とする。ｓ（ｘ）はサンプルのラベルを示す。ｖａｌ（ｓ（ｘ））は、サンプルｓ（ｘ）の値を示す。ｔｉｍｅ（ｓ（ｘ））は、サンプルｓ（ｘ）の時刻を示す。なお、ｘを直接時刻にしないのは、各サンプルの時刻が等間隔とは限らないからである。

さらに、ｍ個のサンプルｓ（ｎ），ｓ（ｎ＋１），・・・，ｓ（ｎ＋ｍ−１）の傾き平均ＡｖｅＤ（ｎ，ｎ＋ｍ−１）を｛Ｄ（ｎ）＋Ｄ（ｎ＋１）＋・・・＋Ｄ（ｎ＋ｍ−１）｝／ｍとする。そして、ｎ個のサンプルのうちのあるサンプルｓ（ｐ）を境として、それぞれの傾き平均ＡｖｅＤ（１，ｐ）とＡｖｅＤ（ｐ，ｎ）との差が所定の閾値以上である場合に、サンプルｓ（ｐ）の時刻ｔｉｍｅ（ｓ（ｐ））が変化点の時刻であると判定する。

（２）サンプルの平均値が、ある点を境に一定以上異なる場合に、その点を変化点とする。例えば、時系列的に連続するｎ個のサンプルｓ（１），ｓ（２），・・・，ｓ（ｎ）において、ｍ個のサンプルｓ（ｘ），ｓ（ｘ＋１），・・・，ｓ（ｘ＋ｍ−１）の平均値ＡｖｅＶ（ｘ，ｘ＋ｍ−１）を｛ｖａｌ（ｓ（ｘ））＋ｖａｌ（ｓ（ｘ＋１）＋・・・＋ｖａｌ（ｓ（ｘ＋ｍ−１））｝／ｍとする。ｖａｌ（ｓ（ｘ））は、サンプルｓ（ｘ）の値を示す。

ｎ個のサンプルのうちのあるサンプルｓ（ｐ）を境にして、それぞれの平均値ＡｖｅＶ（１，ｐ）とＡｖｅＶ（ｐ，ｎ）との差が所定の閾値以上である場合に、サンプルｓ（ｐ）の時刻ｔｉｍｅ（ｓ（ｐ））が変化点の時刻であると判定する。なお、ｔｉｍｅ（ｓ（ｘ））は、サンプルｓ（ｘ）の時刻を表す。

（３）特定の時刻において時系列データの変動が変化することを知識として知っている場合に、その時刻を変化点と判定する。例えば、シンクライアントシステムのサーバ負荷等の時系列データの場合には、業務開始時刻で多くのクライアントが一斉に起動するので、その時刻において変動傾向が変わることを知識として知っている場合に、その時刻が変化点の時刻であると判定する。また、多くの業務システムの使用率は平日と土日とで異なるので、曜日の変わり目で変動傾向が変わることを知識として知っている場合に、その時刻が変化点の時刻であると判定する。

（４）時系列データが特定のパラメータの影響で変化することを知識として知っている場合に、そのパラメータの変動を検知したときを変化点の時刻であると判定する。例えば、複数のサーバを含むシステムの場合には、接続数によって負荷が変化するが、接続数による影響を知識として知っている場合に、接続数が所定の閾値以上に変化したら、その時点を変化点の時刻であると判定する。また、空調設備の場合には、外気温によって出力が変化するが、外気温による影響を知識として知っている場合に、外気温が所定の閾値以上になったら、その時点を変化点の時刻であると判定する。

なお、上記の（１）〜（４）の判定方法のうちの複数を組み合わせて用いてもよい。例えば、ある時間帯では変動傾向が変化しやすいことを知識として知っている場合に、その時間帯におけるサンプルの傾き平均による変化点判定の閾値を下げることなどが考えられる。

また、上記の（１）〜（４）の判定方法は例示であって、他の判定方法を用いてもよい。

また、変化点と判定される度に変化点を入力するのではなく、変化点入力手段１０３に代えて変化点記憶手段を備え、変化点記憶手段に変化点を事前に（予測処理を実行する前に）記憶しておいてもよい。

次に、サンプル選択手段１０４は、サンプル情報記憶手段１０２から、サンプル入力手段１０１から入力されたサンプルのうち変化点の時刻以降のサンプルを選択する（ステップＳ２０３）。そして、予測実行手段１０５は、選択したサンプルのみを用いて予測処理を行う（ステップＳ２０４）。予測方法として、上記の移動平均法や最小二乗法を用いることができるが、それら以外の予測方法を用いてもよい。

その後、結果出力手段１０６は、予測実行手段１０５による予測処理結果を出力する（ステップＳ２０５）。

第１の実施形態では、過去の時系列データの変動傾向が現状の時系列データの変動傾向と明らかに異なる場合でも、変動傾向が変わる変化点以前のノイズとなる変動傾向の異なるサンプルを用いずに、変化点以降のサンプルのみを用いて予測を行う。すなわち、変動傾向が異なるサンプルを用いずに予測を行う。従って、高精度な予測を行うことができる。

実施の形態２．
図４は、本発明による予測システムの第２の実施形態（実施形態２）の構成を示すブロック図である。図４に示すように、第２の実施形態の予測システムは、連続的な時系列データの過去の値をサンプルとして入力するサンプル入力手段４０１と、サンプル入力手段４０１が入力したサンプルを記憶するサンプル情報記憶手段４０２と、サンプル入力手段４０１が入力したサンプル（具体的には、サンプル情報記憶手段４０２に格納されたサンプル）から変動傾向が変わる変化点を検出する変化点検出手段４０３と、サンプル情報記憶手段４０２から変化点検出手段４０３が検出した変化点以降のサンプルのみを選択するサンプル選択手段４０４と、サンプル選択手段４０４が選択したサンプルを用いて予測を実行する予測実行手段４０５と、予測実行手段４０５による予測結果を出力する結果出力手段４０６とを備えている。

一例として、変化点検出手段４０３、サンプル選択手段４０４および予測実行手段１０５は、予測システムを実現するコンピュータにおいて、プログラムに従って動作するＣＰＵで実現される。また、サンプル情報記憶手段４０２は、例えば、コンピュータに内蔵された記憶装置またはコンピュータの外部に設置された記憶装置で実現される。サンプル入力手段４０１は、例えば、サンプルを出力する装置やシステムからサンプルを入力する装置と、その装置を制御するためのプログラムに従って動作するＣＰＵとで実現される。サンプルを出力する装置やシステムが予測システムと通信手段を介して接続される場合には、受信装置で実現される。

図５は、第２の実施形態の予測システムの動作を示す流れ図である。図４のブロック図と図５の流れ図を参照して、第２の実施形態の動作を説明する。

サンプル入力手段４０１は、連続的な時系列データの過去の値をサンプルとして入力し、サンプル情報記憶手段４０２に格納する（ステップＳ５０１）。サンプル情報記憶手段４０２が格納するサンプル情報の構造は、第１の実施形態におけるサンプル情報記憶手段１０２が格納するサンプル情報の構造と同様である。

次に、変化点検出手段４０３は、サンプル入力手段４０１が入力したサンプル（具体的には、サンプル情報記憶手段４０２に格納されたサンプルの情報）を解析して、サンプルの変動傾向が変わる変化点を検出する（ステップＳ５０２）。変化点の検出方法として、第１の実施形態で用いられたサンプルの傾き平均にもとづいて判定する方法、サンプルの平均値にもとづいて判定する方法、サンプルの時刻にもとづいて判定する方法等が考えられるが、それらの検出方法以外の検出方法を用いてもよい。

なお、複数の変化点を検出した場合には、時系列的に最も新しい変化点を選択してもよいし、例えば、サンプルの傾き平均から判定する場合に傾き平均の変化が最も大きい変化点を選択してもよい。ただし、それらの方法も一例であって、他の方法を用いてもよい。

次いで、サンプル選択手段４０４は、サンプル情報記憶手段４０２から、サンプル入力手段１０１から入力されたサンプルのうち、検出した変化点の時刻以降のサンプルを選択する（ステップＳ５０３）。なお、変化点が検出されない場合には、全てのサンプルを選択する。そして、予測実行手段４０５は、選択したサンプルのみを用いて予測処理を行う（ステップＳ５０４）。予測方法として、上記の移動平均法や最小二乗法を用いることができるが、それら以外の予測方法を用いてもよい。

その後、結果出力手段４０６は、予測実行手段４０５による予測処理結果を出力する（ステップＳ５０５）。

第２の実施形態では、第１の実施形態で得られる効果に加えて、予測システムが、入力したサンプルデータから変化点を検出するので、外部から変化点入力を行うことなく、変化点以降のサンプルのみを用いて予測を行うことができる。

実施形態３．
図６は、本発明による予測システムの第３の実施形態（実施形態３）の構成を示すブロック図である。図６に示すように、第３の実施形態の予測システムは、連続的な時系列データの過去の値をサンプルとして入力するサンプル入力手段６０１と、サンプル入力手段６０１が入力したサンプルを記憶するサンプル情報記憶手段６０２と、サンプル情報記憶手段６０２に格納されたサンプルからそれぞれ異なる方法を用いて変動傾向が変わる変化点を検出する複数の変化点検出手段６０３−１，６０３−２，・・・，６０３−ｎと、変化点検出手段６０３−１，６０３−２，・・・，６０３−ｎによって検出された変化点以降のサンプルのみを選択する複数のサンプル選択手段６０４−１，６０４−２，・・・，６０４−ｎと、サンプル選択手段６０４−１，６０４−２，・・・，６０４−ｎが選択したサンプルを用いて予測を実行する複数の予測実行手段６０５−１，６０５−２，・・・，６０５−ｎと、予測実行手段６０５−１，６０５−２，・・・，６０５−ｎによる予測結果を実際の値である予測時刻のサンプルと比較することによって検証を行う予測結果検証手段６０６と、予測結果検証手段６０６による検証結果を記憶する検証結果記憶手段６０７と、これまでの検証結果にもとづいて複数の予測結果から１つの予測結果を選択する予測結果選択手段６０８と、予測結果選択手段６０８が選択した予測結果を出力する結果出力手段６０９とを備えている。

一例として、変化点検出手段６０３−１，６０３−２，・・・，６０３−ｎ、サンプル選択手段６０４−１，６０４−２，・・・，６０４−ｎ、予測実行手段６０５−１，６０５−２，・・・，６０５−ｎ、予測結果検証手段６０６および予測結果選択手段６０８は、予測システムを実現するコンピュータにおいて、プログラムに従って動作するＣＰＵで実現される。また、サンプル情報記憶手段６０２および検証結果記憶手段６０７は、例えば、コンピュータに内蔵された記憶装置またはコンピュータの外部に設置された記憶装置で実現される。サンプル入力手段６０１は、例えば、サンプルを出力する装置やシステムからサンプルを入力する装置と、その装置を制御するためのプログラムに従って動作するＣＰＵとで実現される。サンプルを出力する装置やシステムが予測システムと通信手段を介して接続される場合には、受信装置で実現される。

図７は、第３の実施形態の予測システムの動作を示す流れ図である。図６のブロック図と図７の流れ図を参照して、第３の実施形態の動作を説明する。

サンプル入力手段６０１は、連続的な時系列データの過去の値をサンプルとして入力し、サンプル情報記憶手段１０２に格納する（ステップＳ７０１）。サンプル情報記憶手段６０２が格納するサンプル情報の構造は、第１の実施形態におけるサンプル情報記憶手段１０２が格納するサンプル情報の構造と同様である。

次に、複数の変化点検出手段６０３−１，６０３−２，・・・，６０３−ｎは、サンプル情報記憶手段６０２に格納されたサンプル情報を、それぞれ、異なる方式で解析して、サンプルの変動傾向が変わる変化点を検出する（ステップＳ７０２）。変化点の検出方法として、第１の実施形態で用いられたサンプルの傾き平均にもとづいて判定する方法、サンプルの平均値にもとづいて判定する方法、サンプルの時刻にもとづいて判定する方法等が考えられるが、それらの検出方法以外の検出方法を用いてもよい。

また、同じ方法でも、判定のパラメータ例えばサンプルの傾き平均から判定する場合に、傾き平均の差分を判定するパラメータ等が異なっているときには、異なる方法であるとみなす。

次いで、複数のサンプル選択手段６０４−１，６０４−２，・・・，６０４−ｎは、それぞれ、サンプル情報記憶手段６０２から、サンプル入力手段６０１から入力されたサンプルのうち、変化点検出手段６０３−１，６０３−２，・・・，６０３−ｎが検出した変化点の時刻以降のサンプルを選択する（ステップＳ７０３）。サンプル選択手段６０４−１，６０４−２，・・・，６０４−ｎの動作は、第２の実施形態におけるサンプル選択手段４０４の動作と同様である。

次に、複数の予測実行手段６０５−１，６０５−２，・・・，６０５−ｎは、それぞれ、サンプル選択手段６０４−１，６０４−２，・・・，６０４−ｎが選択したサンプルのみを用いて予測処理を行う（ステップＳ７０４）。予測方法として、上記の移動平均法や最小二乗法を用いることができるが、それら以外の予測方法を用いてもよい。また、各予測実行手段６０５−１，６０５−２，・・・，６０５−ｎの各々が実行する予測方法が異なっていてもよい。

そして、予測結果検証手段６０６は、複数の予測実行手段６０５−１，６０５−２，・・・，６０５−ｎが出力した複数の予測結果を一時的に記憶し、予測時刻（予測された値に対応する将来の時刻）まで待機する（ステップＳ７１１）。予測時刻が到来したときには、サンプル情報記憶手段６０２には、予測時刻のデータの値がサンプルとして格納されている。

予測時刻が到来したときに、予測結果検証手段６０６は、一時的に記憶していた複数の予測結果と、サンプル情報記憶手段６０２に格納されている予測時刻のサンプルとを比較することによって検証する（ステップＳ７１２）。そして、予測結果検証手段６０６は、検証結果として、予測実行手段６０５−１，６０５−２，・・・，６０５−ｎのうち最も高精度に予測を行った予測実行手段すなわち予測時刻のサンプルの値に最も近い予測結果を出力した予測実行手段を特定する。予測実行手段を特定することによって、特定された予測実行手段にサンプルを出力したサンプル選択手段のサンプル選択の基準になった変化点を検出した変化点検出手段が特定されることになる。以下、特定された変化点検出手段を、「最も高精度に予測を行った予測実行手段に対応する変化点検出手段」という。

次に、図８および図９を参照して予測結果検証手段６０６の動作の一例を説明する。

図８は、予測結果検証手段６０６の内部の記憶状態の一例を示すテーブルＴ８００の構造を示す説明図である。図８において、複数の列Ｃ８０１−１，Ｃ８０１−２，・・・，Ｃ８０１−ｎは、複数の予測実行手段６０５−１，６０５−２，・・・，６０５−ｎのそれぞれに対応している。複数の行Ｒ８０２−１，Ｒ８０２−２，・・・，Ｒ８０２−ｍは、１回前，２回前，・・・，ｍ回前の検証結果のそれぞれに対応している。「１」は最も精度が高い予測結果を示し、「０」はそれ以外の検証結果を示す。

列Ｃ８０１−ｉ（ｉ：１〜ｎ）と行Ｒ８０２−ｍとの交点がｍ回前の予測実行手段６０５−ｉ（ｉ：１〜ｎ）の予測結果の検証結果になる。行Ｒ８０３には、１回前，２回前，・・・，ｍ回前の検証結果の合計値が示されている。

図９は、予測結果検証手段６０６および予測結果選択手段６０８の動作の一例を示す流れ図である。図９に示す処理では、予測結果検証手段６０６によって、過去ｍ回実行された予測処理において最も高精度に予測を行った予測実行手段が特定され、その結果、最も高精度に予測を行った予測実行手段に対応する変化点検出手段が特定される。

予測結果検証手段６０６は、まず、ｍ−１回前の検証結果をｍ回前の検証結果に、ｍ−２回前の検証結果をｍ−１回目の検証結果に、・・・、１回前の検証結果を２回前の検証結果にというように、検証結果を上書きして１つずつシフトする（ステップＳ９０１）。その結果、ｍ回前の検証結果のみ破棄される。

次に、予測結果検証手段６０６は、一時的に記憶していた複数の予測結果と、サンプル情報記憶手段６０２に格納されている予測時刻のサンプルの値との差分の絶対値をそれぞれ算出する（ステップＳ９０２）。

次いで、複数の差分絶対値のうち最も小さい差分絶対値を判定し、その差分絶対値を算出するときの演算対象であった予測結果が、最も精度の高い予測結果であると判定する（ステップＳ９０３）。

さらに、テーブルＴ８００において、最も精度の高い予測結果の１回前の検証結果を「１」にし、それ以外の予測結果の１回前の検証結果を「０」にする（ステップＳ９０４）。例えば、予測実行手段６０５−２の予測結果が最も高精度であった場合には、１回前の検証結果である行Ｒ８０２−１の予測実行手段６０５−２に関する列Ｃ８０１−２を、つまり図８における網点が施されている部分を「１」に、それ以外の１回前の検証結果である行Ｒ８０２−１を「０」にする。

次に、各予測実行手段毎に１回前，２回前，・・・，ｍ回前の検証結果の合計値であるＲ８０３を再計算する（ステップＳ９０５）。最後に、合計値が最も大きい予測実行手段を、過去ｍ回において最も高精度に予測を行った予測実行手段であると判定する（ステップＳ９０６）。

以上のようにして、予測結果検証手段６０６は、過去ｍ回実行された予測処理において最も高精度に予測を行った予測実行手段を特定する。最も高精度に予測を行った予測実行手段を特定することは、実質的に、特定された予測実行手段にサンプルを出力したサンプル選択手段のサンプル選択の基準になった変化点を検出した変化点検出手段が特定されたことになる。

なお、図９に示された予測結果検証手段６０６の上記の処理の流れは一例であり、予測結果検証手段６０６の動作は、図９に示された処理に限定されない。例えば、予測結果検証手段６０６が予測結果を記憶して検証を行うまでの間に、再び時系列データの変動傾向が変化した場合、すなわち変化点検出手段６０３−１，６０３−２，・・・，６０３−ｎが変化点を検出した場合に、検証を行わないようにしてもよい。なぜなら、変動傾向が変化していることから、一般に予測の精度は低下しているので、そのような場合に検証を行っても、適切な検証になっていない可能性が高いからである。また、適切でない変化点を基に予測を行った予測結果の方がたまたま予測時刻の値に近くなり、最も高精度に予測を行ったと誤判定される場合もあるからである。

次に、予測結果検証手段６０６は、検証結果である最も高精度な予測を行えた変化点を検出した変化点検出手段を検証結果記憶手段６０７に記憶する（ステップＳ７１３）。

予測結果選択手段６０８は、予測結果検証手段６０６によるステップＳ７１１，ステップＳ７１２，ステップＳ７１３の処理と独立に並行して、検証結果記憶手段６０７に格納されたこれまでの検証結果（以前の検証結果）を基に、複数の予測実行手段６０５−１，６０５−２，・・・，６０５−ｎが出力した複数の予測結果から、過去に最も高精度に予測を行った予測実行手段の予測結果を選択する（ステップＳ７２１）。

なお、この予測結果選択を行う時点では、検証結果記憶手段６０７に格納された検証結果は、選択対象である予測結果を検証した結果ではなく、当該予測よりも前までに行われた予測の結果を検証した結果である。なぜなら、選択対象である予測結果を検証するには、ステップＳ７１１の処理のように、予測時刻まで待機し、実際の値を得る必要があるからである。

そして、最後に、結果出力手段６０９は、選択した予測処理結果を出力する（ステップＳ７２２）。

以上のようにして、複数の変化点検出手段が異なる方法で検出した複数の変化点のうち、最も高精度に予測を行なった実績を持つ変化点検出手段が検出した変化点を用いて予測を行うことができる。すなわち、第３の実施形態では、第２の実施形態で得られる効果に加えて、最も高精度に予測を行った実績を持つ変化点検出手段の検出した変化点を用いて予測を行うことによって、より高精度な予測を行うことができる。

実施形態４．
図１１は、本発明による予測システムの第４の実施形態（実施形態４）の構成を示すブロック図である。図１１に示すように、第４の実施形態の予測システムは、連続的な時系列データの過去の値をサンプルとして入力するサンプル入力手段１００１と、サンプル入力手段１００１が入力したサンプルを記憶するサンプル情報記憶手段１００２と、サンプル入力手段１００１が入力したサンプル（具体的には、サンプル情報記憶手段１００２に格納されたサンプル）サンプルから変動傾向が変わる変化点を検出する変化点検出手段１００３と、変化点検出手段１００３が検出した変化点を区切りにして、変化点後における各サンプルにより高い重みがつくように、変化点前後における各サンプルに重みを設定する重み付け手段１００４と、重み付け手段１００４が重みを設定したサンプルを用いて予測を実行する重み付き予測実行手段１００５と、予測実行手段１００５による予測結果を出力する結果出力手段１００６とを備えている。

一例として、変化点検出手段１００３、重み付け手段１００４および重み付き予測実行手段１００５は、予測システムを実現するコンピュータにおいて、プログラムに従って動作するＣＰＵで実現される。また、サンプル情報記憶手段１００２は、例えば、コンピュータに内蔵された記憶装置またはコンピュータの外部に設置された記憶装置で実現される。サンプル入力手段１００１は、例えば、サンプルを出力する装置やシステムからサンプルを入力する装置と、その装置を制御するためのプログラムに従って動作するＣＰＵとで実現される。サンプルを出力する装置やシステムが予測システムと通信手段を介して接続される場合には、受信装置で実現される。

図１１は、第４の実施形態の予測システムの動作を示す流れ図である。図１０のブロック図と図１１の流れ図を参照して、第４の実施形態の動作を説明する。

サンプル入力手段１００１は、連続的な時系列データの過去の値をサンプルとして入力し、サンプル情報記憶手段１００２に格納する（ステップＳ１１０１）。サンプル情報記憶手段１００２が格納するサンプル情報の構造は、第１の実施形態におけるサンプル情報記憶手段１０２が格納するサンプル情報の構造と同様である。

次に、変化点検出手段１００３は、サンプル入力手段１００１が入力したサンプル（具体的には、サンプル情報記憶手段１００２に格納されたサンプルの情報）を解析して、サンプルの変動傾向が変わる変化点を検出する（ステップＳ１１０２）。変化点検出手段１００３の動作は、第２の実施形態における変化点検出手段４０３の動作と同様である。

次いで、重み付け手段１００４は、検出した変化点を区切りに、サンプルに重みを設定する（ステップＳ１１０３）。重みは、予測を行う際に、サンプルが予測計算にどの程度影響を与えるかを示す値であり、０〜１の間で設定される。０は予測計算にまったく影響を与ない値であり、１は予測計算に１００％影響を与える値である。また、重みの値については、サンプルの時刻が新しいほど重く設定する。なお、変化点以前に発生したサンプルに対する重みが変化点以降に発生したサンプルに対する重みよりも小さければ、変化点以前に発生した各サンプルに対する重みを同じにしたり、変化点以降に発生した各サンプルに対する重みを同じにしたりしてもよい。例えば、変化点が１つの場合には、変化点以降に発生したサンプル群をＳａ、変化点以前に発生したサンプル群をＳｂとする。そして、Ｓａには１の重みを設定し、Ｓｂは半分の０．５の重みを設定する。

なお、上記のような重みの付け方は重み付け設定の一例にすぎず、それに限定されるわけではない。また、変化点を複数検出した場合にも、変化点を区切りに、サンプルの時刻が新しいほど重く設定する。変化点が検出されない場合には、全てのサンプルに１の重みを設定する。

次に、重み付き予測実行手段１００５は、重みを設定したサンプルを用いて予測を実行する（ステップＳ１１０４）。一例として、予測方式が移動平均法であり、変化点以降に発生したサンプル群がＳａであり、変化点以前に発生したサンプル群がＳｂであり、Ｓａのサンプル数がＡ個であり、Ｓｂのサンプル数がＢ個であり、Ｓａの重みが１であり、Ｓｂの重みが０．５であるとする。すると、重み付き平均は、（ΣＳａ×１＋ΣＳｂ×０．５）／（Ａ×１＋Ｂ×０．５）になる。なお、このような予測の仕方は重み付き予測の一例であり、このような予測の仕方に限定されるわけではない。

そして、最後に、結果出力手段１００６は、選択した予測処理結果を出力する（ステップＳ１１０５）。

以上のようにして、変化傾向が異なるサンプルの影響をさほど受けることなく予測を行うことができる。すなわち、第４の実施形態では、過去の時系列データの変動傾向が現状の時系列データの変動傾向と明らかに異なる場合に、そのサンプルの影響をさほど受けないようにしながら、過去のサンプル（変化点以前に発生したサンプル）を完全には切り捨てずに予測を行うことによって、ある程度大局的な変動を考慮しつつ、高精度な予測を行うことができる。

なお、本発明は以上の実施形態に限定されず、その他各種の付加変更が可能である。一例として、第３の実施形態と第４の実施形態とを組み合わせてもよい。

また、上記の各実施形態の予測システムにおける各構成要素は、コンピュータとプログラムとで実現可能であるが、ハードウェア的に実現することも可能である。コンピュータとプログラムとで実現する場合に、プログラムは、磁気ディスクや半導体メモリ等のコンピュータ可読記録媒体に記録されて提供され、コンピュータの立ち上げ時などにコンピュータに読み取られ、そのコンピュータの動作を制御することによって、そのコンピュータを上記の各実施形態における構成要素として機能させる。

図１２は、本発明による予測システムの主要構成を示すブロック図である。図１２に示すように、本発明による予測システムは、連続的な時系列データの過去の値であるサンプルの変動傾向が変わる変化点以降のサンプルを選択するサンプル選択手段１２０１と、サンプル選択手段１２０１が選択したサンプルを用いて予測を行う予測実行手段１２０２とを備えている。

図１３は、本発明による予測方法の主要ステップを示す流れ図である。図１３に示すように、本発明による予測方法は、連続的な時系列データの過去の値であるサンプルの変動傾向が変わる変化点以降のサンプルを選択し（ステップＳ１３０１）、選択したサンプルを用いて予測を行う（ステップＳ１３０２）ことを特徴とする。

次に、第２の実施形態の具体的な実施例を説明する。第２の実施形態によれば、過去のサンプルから予測を行う一般的な手法に比べて、以下のような効果が得られた。

第２の実施形態を用いて、サーバのＣＰＵ負荷という時系列データ４５種類の予測を行った。変化点検出方法としてサンプルの傾き平均から判定する方法を用い、変化点以降のサンプルのみを選択し、移動平均法を用いて予測を行った。また、一般的な手法を用いるときに、サンプルを選択せず、全てのサンプルを使用して移動平均法を用いて予測を行った。

本発明による第２の実施形態を用いた場合には、予測誤差の平均は１．６９であった。一般的な手法を用いた場合には、予測誤差の平均は１．５５であった。第２の実施形態の方が、予測精度は約９％優れている（［１．６９÷１．５５］の演算による。）。なお、予測誤差を、［（ＣＰＵ負荷の予測値）−（ＣＰＵ負荷の実際の値）］とした。

本発明は、連続的な時系列データの将来の値を予測する予測システムにおいて、時系列データの変動傾向が変わる状況でも、高精度に時系列データの予測を行うと用途に適用可能である。

本発明による予測システムの第１の実施形態の構成を示すブロック図である。 第１の実施形態の動作を示す流れ図である。 サンプル情報記憶手段が格納するサンプル情報の構造の一例を示す図である。 本発明による予測システムの第２の実施形態の構成を示すブロック図である。 第２の実施形態の動作を示す流れ図である。 本発明による予測システムの第３の実施形態の構成を示すブロック図である。 第３の実施形態の動作を示す流れ図である。 第３の実施形態における予測結果検証手段の内部の記憶状態の一例を示す説明図である。 第３の実施形態における予測結果検証手段の動作の一例を示す流れ図である。 本発明による予測システムの第４の実施形態の構成を示すブロック図である。 第４の実施形態の動作を示す流れ図である。 本発明による予測システムの主要構成を示すブロック図である。 本発明による予測方法の主要ステップを示す流れ図である。 予測方法の一例である移動平均法を説明するための説明図である。 予測方法の一例である最小二乗法を説明するための説明図である。 予測方法の一例における過去の変動傾向の影響を説明するための説明図である。

符号の説明

１０１，４０１，６０１，１００１ サンプル入力手段
１０２，４０２，６０２，１００２ サンプル情報記憶手段
１０３ 変加点入力手段
４０３ 変化点検出手段，１００３
１０４，４０４ サンプル選択手段
１０５，４０５ 予測実行手段
１０６，４０６，６０９，１００６ 結果出力手段
６０３−１，６０３−２，・・・，６０３−ｎ 変化点検出手段
６０４−１，６０４−２，・・・，６０４−ｎ サンプル選択手段
６０５−１，６０５−２，・・・，６０５−ｎ 予測実行手段
６０６ 予測結果検証手段
６０７ 検証結果記憶手段
６０８ 予測結果選択手段
１００４ 重み付け手段
１００５ 重み付き実行手段
１２０１ サンプル選択手段
１２０２ 予測実行手段

Claims (5)

1. 連続的な時系列データの過去の値をサンプルとして入力するサンプル入力手段と、
   前記サンプル入力手段が入力したサンプルを記憶するサンプル情報記憶手段と、
   連続的な時系列データの過去の値であるサンプルの変動傾向が変わる変化点以降のサンプルを選択する複数のサンプル選択手段と、
   前記複数のサンプル選択手段が選択したサンプルを用いて予測を行う複数の予測実行手段と、
   前記複数のサンプル選択手段に対応して設けられ、前記サンプル入力手段が入力したサンプルからそれぞれ異なる方式で変動傾向が変わる変化点を検出する複数の変化点検出手段と、
   前記複数の予測実行手段による予測結果を実際の値である予測時刻のサンプルと比較することによって検証を行う予測結果検証手段と、
   前記予測結果検証手段による検証結果を記憶する検証結果記憶手段と、
   前記検証結果記憶手段に格納されている以前の検証結果にもとづいて前記複数の予測実行手段による予測結果から１つの予測結果を選択する予測結果選択手段とを備え、
   前記複数のサンプル選択手段は、それぞれ、前記サンプル情報記憶手段に格納されているサンプルから、対応する前記変化点検出手段が検出した変化点以降のサンプルのみを選択する
   ことを特徴とする予測システム。
2. 連続的な時系列データの過去の値をサンプルとして入力するサンプル入力手段と、
   前記サンプル入力手段が入力したサンプルを記憶するサンプル情報記憶手段と、
   前記サンプル入力手段が入力したサンプルから変動傾向が変わる変化点を検出する複数の変化点検出手段と、
   前記複数の変化点検出手段のそれぞれに対応して設けられ、前記サンプル情報記憶手段に格納されているサンプルから、対応する前記変化点検出手段が検出した変化点以降のサンプルのみを選択する複数のサンプル選択手段と、
   前記複数のサンプル選択手段が選択したサンプルを用いて予測を実行する複数の予測実行手段と、
   前記複数の予測実行手段による予測結果から１つの予測結果を選択する予測結果選択手段とを備えた
   ことを特徴とする予測システム。
3. 予測実行手段による予測結果を出力する結果出力手段を備えた
   請求項１または請求項２に記載の予測システム。
4. 連続的な時系列データの過去の値であるサンプルの変動傾向が変わる変化点以降のサンプルを選択するサンプル選択手段と、選択したサンプルを用いて予測を行う予測実行手段とを用いる予測方法であって、
   連続的な時系列データの過去の値をサンプルとして入力し、
   前記サンプル入力手段が入力したサンプルをサンプル情報記憶手段に記憶し、
   前記サンプル選択手段および前記予測実行手段は、それぞれ複数用意され、
   複数の前記予測実行手段が、複数の前記サンプル選択手段が選択したサンプルを用いて予測を実行し、
   前記複数のサンプル選択手段に対応して設けられた複数の変化点検出手段が、入力したサンプルからそれぞれ異なる方式で変動傾向が変わる変化点を検出し、
   前記複数の予測実行手段による予測結果を実際の値である予測時刻のサンプルと比較することによって検証を行い、
   検証結果を検証結果記憶手段に記憶し、
   前記検証結果記憶手段に格納されている以前の検証結果にもとづいて前記複数の予測実行手段による予測結果から１つの予測結果を選択し、
   前記複数のサンプル選択手段が、それぞれ、前記サンプル情報記憶手段に格納されているサンプルから、対応する前記変化点検出手段が検出した変化点以降のサンプルのみを選択する
   ことを特徴とする予測方法。
5. コンピュータに、連続的な時系列データの過去の値であるサンプルの変動傾向が変わる変化点以降のサンプルを選択する処理と、選択したサンプルを用いて予測を行う処理とを実行させるための予測プログラムであって、
   サンプルを選択する処理および予測を行う処理を実行する部分が、それぞれ複数用意され、
   コンピュータに、
   連続的な時系列データの過去の値をサンプルとして入力する処理と、
   入力したサンプルをサンプル情報記憶手段に記憶する処理と、
   前記予測を行う処理で、複数の前記サンプルを選択する処理で選択したサンプルを用いて予測を実行させ、
   前記複数のサンプルを選択する処理のそれぞれに対応して、入力したサンプルから異なる方式で変動傾向が変わる変化点を検出する処理とを実行させ、
   複数の前記予測を行う処理による予測結果を実際の値である予測時刻のサンプルと比較することによって検証を行わせ、
   検証結果を検証結果記憶手段に記憶する処理と、
   前記検証結果記憶手段に格納されている以前の検証結果にもとづいて前記複数の予測を行う処理の予測結果から１つの予測結果を選択する処理とを実行させ、
   前記複数のサンプル選択する処理で、それぞれ、前記サンプル情報記憶手段に格納されているサンプルから、対応する前記変化点を検出する処理で検出された変化点以降のサンプルのみを選択させる
   ための予測プログラム。

Images