JP5561643B2 - 需要予測装置及び水運用監視システム - Google Patents

Description

本発明は、上水道プラントの運用及び監視に用いる需要予測装置及びそれを備える水運用監視システムに関する。

従来、上水道プラントの運用監視システムでは、各施設が計算機を用いて単独で運用計画を立案している。また、近年においては、水道事業の広域化にともない、散在する浄水場、配水場、ポンプ場等の水処理施設を一括して中央管理室で広域監視する水運用監視制御システムも定着している。

水運用監視制御システムによる運用計画は、主に、需要予測の立案、及び、配分計画の立案の２つに分けられる。需要予測の立案では予め当日の需要量を予測し、配分計画の立案では予測した需要量に基づいて各配水区域の需要量の割合を算出する。なお、水の需要量は、天候、気温等の気象条件だけでなく、例えば、曜日、祝祭日、正月及びお盆等の社会生活条件により変動するので、日々、需要予測を実施する必要がある。

上述のような需要予測の手法としては、従来、需要量の実績データに基づく統計的手法により需要予測を行うモデル（需要予測モデル）を使用して需要量の日総量や時間毎の変化を予測する手法が提案されている（例えば特許文献１参照）。なお、特許文献１では、ニューラルネットワークモデルを用いて需要予測を行う手法及び需要予測装置が提案されている。

特開平１０−２１９７５８号公報

上述のように、従来、水の需要量は気象条件や社会生活条件に影響される。それゆえ、従来の統計的手法による需要予測演算では、例えば天候、気温、曜日及び特異日(５月連休、お盆、正月など)等の条件を予測条件とする。そして、その予測条件に対応する過去の立案条件（需要パターン）を実績データベースから抽出し、該抽出した需要パターンを使用して需要予測を行う。

しかしながら、稀少な天候や特異日といった単一の予測条件や、特異日と稀少な気温又は天候とを組み合わせた予測条件などの出現頻度は一年に数回程度であり、特に出現頻度の少ない予測条件になれば、数年に１回出現する程度である。それゆえ、このような出現頻度の少ない条件に対応する需要パターンは、計算機の実績データベースにも数回分程度しか格納されていない。

それゆえ、このような出現頻度の少ない予測条件で需要予測を行う場合、古い実績値に基づいて作成された需要パターンを使用することになる。しかしながら、例えば配水区域の見直しなどにより現在の需要状況が過去の状況に適合しない場合にはその需要パターンを使用することができないという問題が生じる。この場合、オペレータが介入して、再度、需要予測の立案や予測値を設定しなおす必要がある。また、たとえ、古い実績値に基づいて算出された需要パターンを用いて需要予測を行っても、精度の悪い需要予測値しか算出することができないという問題が生じる。

本発明は上記問題を解決するためになされたものであり、本発明の目的は、過去に出現頻度の少ない予測条件においてもより高精度に需要量を予測することが可能な需要予測装置及びそれを備える水運用監視システムを提供することである。

上記課題を解決するために、本発明の需要予測装置は、出現頻度判定部と、類似条件探索部と、需要予測演算部とを備える構成とし、各部の機能を次のようにする。出現頻度判定部は、水需要の予測条件、及び、実績値データベースに格納された過去の水需要状況を示す実績値に基づいて、該予測条件の過去の出現頻度が所定頻度以下であるか否か判定する。類似条件探索部は、出現頻度判定部で予測条件の過去の出現頻度が所定頻度以下であると判定された場合に、過去の実績値に基づいて作成されかつ予測条件と相関のある類似条件を格納する類似条件データベースを探索して予測条件に対応する類似条件を取得し、かつ、水需要の需要モデルパターンのデータを格納する需要パターンデータベースから該取得した類似条件に対応する需要モデルパターンのデータを取得する。そして、需要予測演算部は、実績値データベースから過去の水需要の実績値を取得し、該取得した実績値、及び、類似条件探索部で取得した類似条件に対応する需要モデルパターンのデータに基づいて、需要予測の立案日に特異日が含まれない場合の総需要モデルパターンを所定期間における水の総需要量の平均値に掛け合わせて、立案日に特異日が含まれない場合に全配水区域で予測される１日あたりの水の全需要量を算出し、立案日に特異日が含まれる場合の総需要モデルパターンを立案日に特異日が含まれない場合に全配水区域で予測される１日あたりの水の全需要量に掛け合わせて、立案日に特異日が含まれる場合に全配水区域で予測される１日あたりの水の全需要量を算出し、立案日に特異日が含まれない場合の各配水区域の単位需要モデルパターンを、立案日に特異日が含まれない場合に全配水区域で予測される１日あたりの水の全需要量に掛け合わせて、立案日に特異日が含まれない場合に各配水区域で予測される１日あたりの水の需要量を算出し、立案日に特異日が含まれる場合の各配水区域の単位需要モデルパターンを立案日に特異日が含まれない場合に各配水区域で予測される水の全需要量に掛け合わせて、立案日に特異日が含まれる場合に各配水区域で予測される１日あたりの水の需要量を算出し、立案日に特異日が含まれない場合の各配水区域の立案時単位需要モデルパターンを、立案日に特異日が含まれない場合に各配水区域で予測される１日あたりの水の需要量に掛け合わせて、立案日に特異日が含まれない場合に各配水区域で時間毎に予測される水の需要量を算出し、立案日に特異日が含まれる場合の各配水区域の立案時単位需要モデルパターンを、立案日に特異日が含まれない場合に各配水区域で時間毎に予測される水の需要量に掛け合わせて、立案日に特異日が含まれる場合に各配水区域で時間毎に予測される水の需要量を算出し、需要予測を行う。

また、本発明の水運用監視システムは、入力装置部と、実績値データベースと、類似条件データベースと、需要パターンデータベースと、出現頻度判定部と、類似条件探索部と、需要予測演算部と、実績値取得部とを備える構成とし、各部の機能を次のようにする。入力装置部は、水需要の予測条件が入力される。実績値データベースは、過去の水需要状況を示す実績値を格納する。類似条件データベースは、過去の実績値に基づいて作成され、かつ、予測条件と相関のある類似条件を格納する。需要パターンデータベースは、水需要の需要モデルパターンのデータを格納する。出現頻度判定部は、入力装置部に入力された予測条件、及び、実績値データベースに格納された過去の水需要状況を示す実績値に基づいて、予測条件の過去の出現頻度が所定頻度以下であるか否か判定する。類似条件探索部は、出現頻度判定部で予測条件の過去の出現頻度が所定頻度以下であると判定された場合に、類似条件データベースを探索して予測条件に対応する類似条件を取得し、かつ、需要パターンデータベースから該取得した類似条件に対応する需要モデルパターンのデータを取得する。需要予測演算部は、実績値データベースから過去の水需要の実績値を取得し、該取得した実績値、及び、類似条件探索部で取得した類似条件に対応する需要モデルパターンのデータに基づいて、需要予測の立案日に特異日が含まれない場合の総需要モデルパターンを所定期間における水の総需要量の平均値に掛け合わせて、立案日に特異日が含まれない場合に全配水区域で予測される１日あたりの水の全需要量を算出し、立案日に特異日が含まれる場合の総需要モデルパターンを立案日に特異日が含まれない場合に全配水区域で予測される１日あたりの水の全需要量に掛け合わせて、立案日に特異日が含まれる場合に全配水区域で予測される１日あたりの水の全需要量を算出し、立案日に特異日が含まれない場合の各配水区域の単位需要モデルパターンを、立案日に特異日が含まれない場合に全配水区域で予測される１日あたりの水の全需要量に掛け合わせて、立案日に特異日が含まれない場合に各配水区域で予測される１日あたりの水の需要量を算出し、立案日に特異日が含まれる場合の各配水区域の単位需要モデルパターンを立案日に特異日が含まれない場合に各配水区域で予測される水の全需要量に掛け合わせて、立案日に特異日が含まれる場合に各配水区域で予測される１日あたりの水の需要量を算出し、立案日に特異日が含まれない場合の各配水区域の立案時単位需要モデルパターンを、立案日に特異日が含まれない場合に各配水区域で予測される１日あたりの水の需要量に掛け合わせて、立案日に特異日が含まれない場合に各配水区域で時間毎に予測される水の需要量を算出し、立案日に特異日が含まれる場合の各配水区域の立案時単位需要モデルパターンを、立案日に特異日が含まれない場合に各配水区域で時間毎に予測される水の需要量に掛け合わせて、立案日に特異日が含まれる場合に各配水区域で時間毎に予測される水の需要量を算出し、需要予測を行う。そして、実績値取得部は、実績値データベースに格納する実績値に関するデータを取得する。

上述のように、本発明の需要予測装置では、入力された予測条件が稀少な条件である場合、過去の実績値に基づいて作成され、かつ、予測条件と相関のある類似条件を用いて、需要予測の立案日に特異日が含まれない場合及び特異日が含まれる場合のそれぞれについて需要予測を行う。すなわち、本発明では、稀少な予測条件においても、より多くの過去の実績値、特に最近の実績値を考慮した需要予測が可能になる。それゆえ、本発明によれば、稀少な予測条件においても高精度の需要予測が可能となる。

本発明の一実施形態に係る需要予測装置及び水運用監視システムの概略構成図である。 需要パターンデータベースに格納される総需要量モデルパターンのデータ構成の一例を示す図である。 需要パターンデータベースに格納される配水区域毎の日単位需要量モデルパターンのデータ構成の一例を示す図である。 需要パターンデータベースに格納される配水区域毎の立案時単位需要量モデルパターンのデータ構成の一例を示す図である。 需要予測処理の手順を示すフローチャートである。 類似条件探索処理の手順を示すフローチャートである。

以下、本発明に係る需要予測装置及び水運用監視システムの一実施形態を、図面を参照しながら説明する。ただし、本発明は以下に示す例に限定されない。

［水運用監視システムの構成］
図１に、本発明の一実施形態に係る水運用監視システムの概略ブロック構成を示す。なお、図１には、需要予測処理に関連する要部のみを示す。

図１には、配水池２０１から配水区域２０５ａ，２０５ｂに向かう各水供給経路の途中に設けられた水運用監視システム１００の構成例を示す。また、図１では、配水池２０１から配水区域２０５ａに向かう水供給経路の途中にポンプ２０２及び流量計２０３が設けられ、配水池２０１から配水区域２０５ｂに向かう水供給経路の途中に流量計２０４が設けられた例を示す。

水運用監視システム１００は、入出力表示装置１（入力装置部）と、需要予測装置２と、プロセスデータインターフェース装置３（実績値取得部）とを備える。

入出力表示装置１は、オペレータによる需要予測条件の入力操作が可能な入力部（不図示）を有する。また、入出力表示装置１は、例えば、需要予測装置２で立案された需要予測結果及び現在の配水状況等の情報を表示する表示部（不図示）も有する。

入出力表示装置１は、需要予測装置２内の後述する需要予測演算部２２に接続されており、入出力表示装置１内の入力部を介して入力された需要予測条件（例えば、立案日、立案期間、前日、当日の天候、最高気温等）を需要予測演算部２２に出力する。また、需要予測演算部２２で算出された需要予測結果は、入出力表示装置１に出力され、入出力表示装置１内の表示部に表示される。

需要予測装置２は、オペレータから入出力表示装置１を介して入力された需要予測条件（以下、単に予測条件という）に基づいて、需要予測の立案を行い、その予測結果を入出力表示装置１に出力する。なお、需要予測装置２の内部構成は、後で詳述する。

プロセスデータインターフェース装置３は、配水池２０１から配水区域２０５ａ，２０５ｂに向かう各水供給経路の途中に設けられた流量計２０４，２０５に接続されており、流量計２０４，２０５で計測された各水供給経路の流量（実績値に関するデータ）を取得する。すなわち、プロセスデータインターフェース装置３は、各水供給経路における水需要の現状を示すデータを取得する。

また、プロセスデータインターフェース装置３は、需要予測装置２内の後述する実績値データベース２４ｂに接続されており、取得した流量に基づいて各水供給経路における水需要の各種実績値（総需要量、配水区域毎における日単位の需要量及び所定時間単位の需要量）を算出する。そして、プロセスデータインターフェース装置３は、算出した水需要の各種実績値を実績値データベース２４ｂに出力する。

［需要予測装置の構成］
需要予測装置２は、図１に示すように、出現頻度判定部２１と、需要予測演算部２２と、類似条件探索部２３と、データベース部２４と、類似条件作成部２５と、需要パターン作成部２６とを備える。また、データベース部２４は、予測値データベース２４ａ、実績値データベース２４ｂ、類似条件データベース２４ｃ、及び、需要パターンデータベース２４ｄを有する。各データベース内のデータ構成については、後で詳述する。

なお、本実施形態では、データベース部２４を需要予測装置２内に設ける例を説明したが、本発明はこれに限定されず、需要予測装置２の外部の設けてもよい。例えば、水運用監視システム１００の記憶部（不図示）にデータベース部２４を設けてもよい。

出現頻度判定部２１は、需要予測演算部２２及び実績値データベース２４ｂに接続される。出現頻度判定部２１は、需要予測の立案時に、予測条件を入出力表示装置１及び需要予測演算部２２を介して取得する。また、出現頻度判定部２１は、取得した予測条件と実績値データベース２４ｂに格納された実績値とを比較して、予測条件が稀少な条件であるか否かを判定する。具体的には、過去、所定期間において、予測条件の出現頻度が所定の割合以下である否かを判定する。そして、出現頻度判定部２１は、予測条件の出現頻度の判定結果を需要予測演算部２２に出力する。

なお、上記判定処理における出現頻度の閾値及び検索期間は、例えば予測する地域、環境等に応じて適宜設定される。また、この判定処理において、出現頻度の閾値を０％に設定した場合には、予測条件に適合する条件が過去所定期間に出現しているか否かを判定していることになる。

需要予測演算部２２は、入出力表示装置１、出現頻度判定部２１、類似条件探索部２３、予測値データベース２４ａ、実績値データベース２４ｂ、及び、需要パターンデータベース２４ｄに接続される。需要予測演算部２２は、予測条件、又は、予測条件に対応する後述の類似条件（予測条件と相関性の高い条件）に基づいて後述の各種需要予測パラメータを算出して、需要予測を行う。そして、需要予測演算部２２は、算出した需要予測結果を入出力表示装置１及び予測値データベース２４ａに出力する。なお、需要予測演算部２２で算出する各種需要予測パラメータ及びその算出手法については、後で詳述する。

類似条件探索部２３は、需要予測演算部２２、類似条件データベース２４ｃ、及び、需要パターンデータベース２４ｄに接続される。類似条件探索部２３は、出現頻度判定部２１で予測条件が稀少な条件であるという判定結果が得られた場合に需要予測演算部２２から入力される指令信号に基づいて、予測条件に対応する類似条件を類似条件データベース２４ｃで探索する。

具体的には、類似条件探索部２３は、予測条件と、類似条件データベース２４ｃに格納されている類似条件のデータ（後述の要素対応表）とを比較し、予測条件に対応する後述の類似条件が存在するか否かを判定する。そして、予測条件に対応する類似条件が存在する場合には、類似条件探索部２３は、類似条件データベース２４ｃからその類似条件（後述の要素）を取得する。

また、類似条件探索部２３は、取得した類似条件に基づいて、需要パターンデータベース２４ｄを探索し、その類似条件に対応する各種需要モデルパターンのデータを取得する。そして、類似条件探索部２３は、取得した各種需要モデルパターンのデータを需要予測演算部２２に出力する。

類似条件作成部２５は、実績値データベース２４ｂ、類似条件データベース２４ｃ、及び、需要パターンデータベース２４ｄに接続される。類似条件作成部２５は、稀少な予測条件の日だけでなく、それ以外の日にも更新される実績値及びその実績値により作成される各種需要モデルパターンに基づいて、類似条件のデータ（後述の要素対応表）を作成（更新）する。そして、類似条件作成部２５は、作成された類似条件のデータを類似条件データベース２４ｃに出力する。なお、類似条件のデータの生成（更新）のタイミングは任意であるであるが、定期的（例えば、一日に一回程度）に行うことが好ましい。

需要パターン作成部２６は、実績値データベース２４ｂ、及び、需要パターンデータベース２４ｄに接続される。需要パターン作成部２６は、実績値データベース２４ｂから実績値を取得し、該取得した実績値に基づいて需要モデルパターンのデータセットを作成する。そして、需要パターン作成部２６は、生成した需要モデルパターンのデータセットを需要パターンデータベース２４ｄに格納する。これにより、各種需要モデルパターンのデータが日々更新され、新たに更新された需要モデルパターンが次回以降の需要予測で使用可能になる。なお、需要モデルパターンの更新（作成）するタイミングは、需要予測が終了した後であれば、任意のタイミングで実施することができる。

［データベース部の構成］
次に、データベース部２４を構成する各データベースに格納されるデータの構成について説明する。

予測値データベース２４ａには、例えば、立案日、予測条件、及び、後述する需要予測手法により算出された各種需要予測パラメータ（配水エリア全体の総需要量、各配水区域の日単位の需要量及び立案時単位の需要量）等の各種データからなるデータセットが格納される。

実績値データベース２４ｂには、立案日から過去、所定期間分の水需要の実績データが格納される。具体的には、例えば、日付、曜日、天候、最高気温、特異日であるか否かの情報、及び、各種需要量の実績値（配水エリア全体の総需要量、各配水区域の日単位の需要量及び立案時単位の需要量）等の各種実績データからなるデータセットが格納される。なお、実績値データベース２４ｂに格納されるデータの保持期間は、例えば予測する地域、環境等に応じて適宜設定される。

類似条件データベース２４ｃには、予測条件が稀少な条件である場合に参照する要素対応表のデータが格納（登録）される。

なお、要素とは、予測条件毎に予め設定された分類情報（区分）である。具体的には、予測条件が天候条件である場合には、例えば、快晴、晴れ、曇り、雨、雪、みぞれ等の天気情報が要素となる。予測条件が気温条件である場合には、例えば、０℃未満、０℃以上〜１０℃未満、１０℃以上〜２０℃未満、２０℃以上等の気温区分情報が要素となる。また、予測条件が曜日条件である場合には、月曜日から日曜日までの各曜日情報が要素となる。さらに、予測条件が特異日である場合には、例えば、ゴールデンウィーク（ＧＷ）、お盆、年末及び年始等の特異日情報が要素となる。なお、このような要素の設定は、例えば予測する地域、環境等に応じて適宜変更することができる。

また、要素対応表は、需要モデルパターンが類似する要素間の対応関係を示すテーブルデータであり、各要素間の相関関係を示すデータである。なお、本実施形態では、予測条件（例えば、天候条件、気温条件及び曜日条件等）の種類毎に要素対応表を作成する。例えば、天候条件の要素対応表では、快晴、晴れ、曇り、雨、雪、及びみぞれ等の要素間の相関関係が示される。

本実施形態では、予測条件が稀少な条件である場合、予測条件に対応する類似条件を要素対応表から抽出する。より具体的には、天候条件の要素対応表において、要素「晴」と相関の高い要素（類似条件）として例えば要素「曇」が登録されている場合、予測条件として「晴」が入力された際には、類似条件としては要素「曇」が出力される。なお、要素対応表は、日々計測される実績値より作成（更新）される需要モデルパターンを用い、要素間の需要モデルパターンを比較して作成（更新）する。要素対応表の具体的な生成手法は後で詳述する。

需要パターンデータベース２４ｄには、各種需要量の予測値（各種需要予測パラメータ）を算出する際に用いる需要モデルパターンのデータが格納される。

図２（ａ）〜（ｄ）に、配水エリア全体の全需要量（Ｑ_Ａ）の予測値を算出する際に用いる総需要量モデルパターンのデータ構成例を示す。なお、本実施形態では、総需要量モデルパターン（Ｊ_ａ）は、図２（ａ）〜（ｄ）に示すように、要素毎にテーブルデータとしてまとめられる。すなわち、総需要量モデルパターン（Ｊ_ａ）は要素ｆにより変化するので、以下では、要素ｆを変数扱いとし、総需要量モデルパターンをＪ_ａ（ｆ）と記す。

図２（ａ）は、天候要素別の総需要量モデルパターンＪ_ａ（ｆ）のデータ構成例である。図２（ａ）に示す例では、図２（ａ）中のＡ１（％）〜Ａ４（％）が、天候要素ｆがそれぞれ晴、曇、雨及び雪であるときの総需要量モデルパターンＪ_ａ（ｆ）の値である。

図２（ｂ）は、気温要素別の総需要量モデルパターンＪ_ａ（ｆ）のデータ構成例である。図２（ｂ）に示す例では、図２（ｂ）中のＢ１（％）〜Ｂ５（％）が、気温要素ｆがそれぞれ、１０℃以下、１１〜１５℃、１６〜２０℃、２１〜２５℃及び２６℃以上であるときの総需要量モデルパターンＪ_ａ（ｆ）の値である。

図２（ｃ）は、曜日要素別の総需要量モデルパターンＪ_ａ（ｆ）のデータ構成例である。図２（ｃ）に示す例では、図２（ｃ）中のＣ１（％）〜Ｃ７（％）が、曜日要素ｆがそれぞれ月曜日〜日曜日であるときの総需要量モデルパターンＪ_ａ（ｆ）の値である。

図２（ｄ）は、特異日要素別の総需要量モデルパターンＪ_ａ（ｆ）のデータ構成例である。図２（ｄ）に示す例では、図２（ｄ）中のＤ１（％）〜Ｄ４（％）が、特異日要素ｆがそれぞれゴールデンウィーク（ＧＷ）、お盆、年末及び年始であるときの総需要量モデルパターンＪ_ａ（ｆ）の値である。

そして、配水エリア全体の全需要量（Ｑ_Ａ）の予測値を算出する際には、需要予測演算部２２又は類似条件探索部２３が、需要モデルパターンの探索条件（予測条件又は類似条件）の要素ｆに基づいて、対応する総需要量モデルパターンＪ_ａ（ｆ）を、図２（ａ）〜（ｄ）に示すような各種テーブルデータから抽出する。

図３（ａ）〜（ｄ）に、各配水区域における日単位の需要量（Ｑ_ＨＤ）の予測値を算出する際に用いる日単位需要量モデルパターンのデータ構成例を示す。なお、本実施形態では、各配水区域の日単位需要量モデルパターン（Ｊ_ｈｄ）は、図３（ａ）〜（ｄ）に示すように、要素毎にテーブルデータとしてまとめられる。すなわち、各配水区域の日単位需要量モデルパターン（Ｊ_ｈｄ）は、配水区域ｄ（＝ｄ１〜ｄｎ）及び要素ｆ（＝天候要素、気温要素、曜日要素又は特異日要素）により変化するので、以下では、配水区域ｄ及び要素ｆを変数扱いとし、各配水区域ｄの日単位需要量モデルパターンをＪ_ｈｄ（ｄ，ｆ）と記す。

図３（ａ）は、各天候要素ｆにおける各配水区域ｄの日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）のデータ構成例である。図３（ａ）に示す例では、図３（ａ）中のＡＸ１１（％）〜ＡＸ４Ｎ（％）が、天候要素ｆがそれぞれ晴、曇、雨及び雪であるときに各配水区域ｄに供給される日単位の配水量の割合を示す値であり、天候要素別の日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）の値である。

図３（ｂ）は、各気温要素ｆにおける各配水区域ｄの日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）のデータ構成例である。図３（ｂ）に示す例では、図３（ｂ）中のＢＸ１１（％）〜ＢＸ５Ｎ（％）が、気温要素ｆがそれぞれ１０℃以下、１１〜１５℃、１６〜２０℃、２１〜２５℃及び２６℃以上であるときに各配水区域ｄに供給される日単位の配水量の割合を示す値であり、気温要素別の日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）の値である。

図３（ｃ）は、各曜日要素ｆにおける各配水区域ｄの日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）のデータ構成例である。図３（ｃ）に示す例では、図３（ｃ）中のＣＸ１１（％）〜ＣＸ７Ｎ（％）が、曜日要素ｆがそれぞれ月曜日〜日曜日であるときに各配水区域ｄに供給される配水量の割合を示す値であり、曜日要素別の日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）の値である。

図３（ｄ）は、各特異日要素ｆにおける各配水区域ｄの日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）のデータ構成例である。図３（ｄ）に示す例では、図３（ｄ）中のＤＸ１１（％）〜ＤＸ４Ｎ（％）が、特異日要素ｆがそれぞれゴールデンウィーク（ＧＷ）、お盆、年末及び年始であるときに各配水区域ｄに供給される配水量の割合を示す値であり、特異日要素別の日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）の値である。

そして、各配水区域ｄにおける日単位の需要量（Ｑ_ＨＤ）の予測値を算出する際には、需要予測演算部２２又は類似条件探索部２３が、需要モデルパターンの探索条件（予測条件又は類似条件）の要素ｆ、及び、配水区域ｄの情報（ｄ１〜ｄｎ）に基づいて、対応する日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）を、図３（ａ）〜（ｄ）に示すような各種テーブルデータから抽出する。

図４（ａ）〜（ｄ）に、所定の配水区域ｄ（ｄ１〜ｄｎのいずれか）における立案時間単位の需要量（Ｑ_ＨＴ）の予測値を算出する際に用いる立案時単位需要量モデルパターンのデータ構成例を示す。

なお、本実施形態では、各配水区域の立案時単位需要量モデルパターン（Ｊ_ｈｔ）は、図４（ａ）〜（ｄ）に示すように、要素毎にテーブルデータとしてまとめられる。すなわち、各配水区域の立案時単位需要量モデルパターン（Ｊ_ｈｔ）は、要素ｆ（＝天候要素、気温要素、曜日要素又は特異日要素）及び立案時刻ｔ（＝ｔ１〜ｔｍ）により変化する。また、立案時単位需要量モデルパターン（Ｊ_ｈｔ）は、配水区域ｄ（＝ｄ１〜ｄｎ）により変化する。それゆえ、以下では、配水区域ｄ、要素ｆ及び立案時刻ｔを変数扱いとし、各配水区域ｄにおける立案時単位需要量モデルパターンをＪ_ｈｔ（ｄ，ｆ，ｔ）と記す。

また、図４（ａ）〜（ｄ）に示す例では、立案時刻ｔ＝ｔ１〜ｔｍの一周期で２４時間（１日）とする。具体的には、需要予測の立案間隔Δｔを１時間に設定した場合には、例えば立案時刻ｔ＝１，２，…，２４［時］とすることができる。さらに、本実施形態では、図４（ａ）〜（ｄ）に示すデータセットを配水区域毎に設定する。

図４（ａ）は、各天候要素ｆにおける所定の配水区域ｄの立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）のデータ構成例である。図４（ａ）に示す例では、図４（ａ）中のＡＴ１１（％）〜ＡＴ４Ｍ（％）が、天候要素ｆがそれぞれ晴、曇、雨及び雪であるときに立案時刻ｔ毎に供給される配水量の割合を示す値であり、天候要素別の立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）の値である。

図４（ｂ）は、各気温要素ｆにおける所定の配水区域ｄの立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）のデータ構成例である。図４（ｂ）に示す例では、図４（ｂ）中のＢＴ１１（％）〜ＢＴ５Ｍ（％）が、気温要素ｆがそれぞれ１０℃以下、１１〜１５℃、１６〜２０℃、２１〜２５℃及び２６℃以上であるときに立案時刻ｔ毎に供給される配水量の割合を示す値であり、気温要素別の立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）の値である。

図４（ｃ）は、各曜日要素ｆにおける所定の配水区域ｄの立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）のデータ構成例である。図４（ｃ）に示す例では、図４（ｃ）中のＣＴ１１（％）〜ＣＴ７Ｍ（％）が、曜日要素ｆがそれぞれ月曜日〜日曜日であるときに立案時刻ｔ毎に供給される配水量の割合を示す値であり、曜日要素別の立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）の値である。

図４（ｄ）は、各特異日要素ｆにおける所定の配水区域ｄの立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）のデータ構成例である。図４（ｄ）に示す例では、図４（ｄ）中のＤＴ１１（％）〜ＤＴ４Ｍ（％）が、特異日要素ｆがそれぞれゴールデンウィーク（ＧＷ）、お盆、年末及び年始であるときに立案時刻ｔ毎に供給される配水量の割合を示す値であり、特異日要素別の立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）の値である。

そして、各配水区域ｄにおける立案時間単位の需要量（Ｑ_ＨＴ）の予測値を算出する際には、需要予測演算部２２又は類似条件探索部２３が、配水区域ｄの情報（ｄ１〜ｄｎ）、需要モデルパターンの探索条件（予測条件又は類似条件）の要素ｆ、及び、立案時刻ｔ（ｔ１〜ｔｍ）に基づいて、対応する立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）を、図４（ａ）〜（ｄ）に示すような各種テーブルデータから抽出する。

なお、本実施形態では、上述のように、要素として、天候要素、気温要素、曜日要素、及び、特異日要素を用いる例を説明したが、本発明はこれに限定されず、需要予測に影響を与える任意のパラメータ（条件）を要素として用いることができる。

［需要予測パラメータの算出手法］
次に、需要予測演算部２２における各種需要予測パラメータの算出手法について説明する。なお、本実施形態では、入出力表示装置１を介して需要予測装置２に入力された予測条件が稀少な条件でないときには、その予測条件に基づいて需要予測パラメータを算出する。一方、予測条件が稀少な条件である場合には、類似条件データベース２４ｃに格納された予測条件に対応する類似条件に基づいて需要予測パラメータを算出する。

本実施形態において、需要予測時に需要予測演算部２２で算出する需要予測パラメータは、次の３つとする。なお、算出された各種需要予測パラメータは、予測値データベース２４ａに格納される。
（１）需要予測の立案日ｉ（予測日）に、全配水区域で予測される１日あたりの水の全需要量Ｑ_Ａ（ｉ）［ｍ^３／日］
（２）立案日ｉに、各配水区域ｄで予測される１日あたりの水の需要量Ｑ_ＨＤ（ｉ，ｄ）［ｍ^３／日］
（３）立案日ｉの立案時ｔ毎（立案期間Δｔ毎）に、各配水区域ｄで予測される水の需要量Ｑ_ＨＴ（ｉ，ｄ，ｔ）［ｍ^３／Δｔ］

なお、上記（３）の立案時毎の需要量Ｑ_ＨＴ（ｉ，ｄ，ｔ）を算出することにより、立案時ｔ毎の需要量（需要予測）変化特性が得られる。また、需要予測の立案間隔Δｔは任意に設定することができる。

最初に、予測条件に特異日が含まれない場合の各種需要パラメータの算出手法を説明する。まず、需要予測装置２は、予測条件、又は、予測条件に対応する類似条件に基づいて需要パターンデータベース２４ｄに格納された要素別（ｆ１：天候要素、気温要素又は曜日要素）のテーブルデータ（図２〜４参照）を探索する。そして、需要予測演算部２２は、予測条件、又は、類似条件に対応する要素ｆ１の総需要量モデルパターンＪ_ａ（ｆ１）、各配水区域ｄの日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ１）、及び、各配水区域ｄの立案時単位需要量モデルパターンモデルパターンＪ_ｈｔ（ｄ，ｆ１，ｔ）を取得する。

次いで、需要予測演算部２２は、実績値データベース２４ｂを探索し、立案日ｉから過去所定期間分（ここでは過去ｋ日分の例を説明する）の総需要量Ｑ（ｉ−ｊ）（ｊ＝１〜ｋ）の実績値を取得する。なお、ここで取得する過去の実績値の期間（ｋ日）は、例えば予測する地域、環境等に応じて適宜設定される。

そして、需要予測演算部２２は、取得した総需要量モデルパターンＪ_ａ（ｆ１）及び過去所定期間分の総需要量Ｑ（ｉ−ｊ）の実績値を用いて、立案日ｉに全配水区域で予測される１日あたりの水の全需要量Ｑ_Ａ（ｉ）を下記数式１で算出する。

すなわち、立案日ｉにおいて、全配水区域で予測される１日あたりの水の全需要量Ｑ_Ａ（ｉ）は、過去ｋ日分の総需要量（Ｑ）の平均値に総需要量モデルパターンＪ_ａ（ｆ１）を掛け合わせた値となる。

次いで、需要予測演算部２２は、取得した各配水区域ｄの日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ１）、及び、上記数式１で算出した立案日ｉに予測される１日あたりの全需要量Ｑ_Ａ（ｉ）を用いて、立案日ｉに各配水区域ｄで予測される１日あたりの水の需要量Ｑ_ＨＤ（ｉ，ｄ）を下記数式２で算出する。

次いで、需要予測演算部２２は、取得した各配水区域ｄの立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ１，ｔ）、及び、上記数式２で算出した各配水区域ｄで予測される１日あたりの需要量Ｑ_ＨＤ（ｉ，ｄ）を用いて、各配水区域ｄで立案時ｔ毎に予測される水の需要量Ｑ_ＨＴ（ｉ，ｄ，ｔ）を下記数式３で算出する。

予測条件に特異日が含まれない場合には、上述のようにして各種需要予測パラメータを算出するが、予測条件に特異日が含まれる場合（立案日ｉが特異日である場合）には、次のようにして各種需要予測パラメータを算出する。

まず、需要予測装置２は、特異日の条件に基づいて需要パターンデータベース２４ｄに格納された特異日要素（ｆ２：例えばＧＷ、お盆、年末又は年始）別のテーブルデータ（図２（ｄ）〜４（ｄ）参照）を探索する。そして、需要予測装置２は、特異日要素ｆ２に対応する総需要量モデルパターンＪ_ａ（ｆ２）、各配水区域ｄの日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ２）、及び、各配水区域ｄの立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ２，ｔ）を取得する。

次いで、需要予測演算部２２は、上記数式１で算出した、立案日ｉに予測される全配水区域の１日あたりの全需要量Ｑ_Ａ（ｉ）に、特異日要素ｆ２の総需要量モデルパターンＪ_ａ（ｆ２）を掛け合わせて、特異日に全配水区域で予測される１日あたりの水の全需要量Ｑ_Ａ（ｉ）を算出する。すなわち、立案日ｉが特異日である場合に予測される１日あたりの水の全需要量Ｑ_Ａ（ｉ）は、下記数式４に基づいて算出する。

また、需要予測演算部２２は、上記数式２で算出した各配水区域ｄで予測される１日あたりの需要量Ｑ_ＨＤ（ｉ，ｄ）に、特異日要素ｆ２における各配水区域ｄの日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ２）を掛け合わせて、特異日に各配水区域ｄで予測される１日あたりの水の需要量Ｑ_ＨＤ（ｉ，ｄ）を算出する。すなわち、特異日に各配水区域ｄで予測される１日あたりの水の需要量Ｑ_ＨＤ（ｉ，ｄ）は、下記数式５に基づいて算出する。

さらに、需要予測演算部２２は、上記数式３で算出した各配水区域ｄで予測される立案時ｔ毎の水の需要量Ｑ_ＨＴ（ｉ，ｄ，ｔ）に、特異日要素ｆ２における各配水区域ｄの立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ２，ｔ）を掛け合わせて、特異日に各配水区域ｄで予測される立案時ｔ毎の水の需要量Ｑ_ＨＴ（ｉ，ｄ，ｔ）を算出する。すなわち、特異日に各配水区域ｄで予測される立案時ｔ毎の水の需要量Ｑ_ＨＴ（ｉ，ｄ，ｔ）は、下記数式６に基づいて算出する。

本実施形態では、上述のように、上記数式１〜６に基づいて各種需要予測パラメータ（Ｑ_Ａ（ｉ）、Ｑ_ＨＤ（ｉ，ｄ）及びＱ_ＨＴ（ｉ，ｄ，ｔ））を算出する。

なお、本実施形態では、上記数式１〜６で算出した需要予測パラメータに基づいて需要予測する例を説明したが、本発明はこれに限定されず、上記以外の任意の需要予測パラメータを別途算出して需要予測を行ってもよい。また、上記数式１〜６で算出した需要予測パラメータと同等の意味を有するパラメータで有れば任意のパラメータを用いることができ、この場合、需要予測パラメータの算出式は上記数式１〜６以外の算出式を用いることができる。

［類似対応表の作成手法］
次に、類似条件データベース２４ｃに格納される要素対応表の作成手法について説明する。なお、本実施形態では、上述のように、予測条件の種類毎に要素対応表を作成する。

要素対応表は、上述のように、予測条件が稀少な条件である日に限らず、日々計測される実績値により作成（更新）される需要モデルパターンを用いて作成（更新）する。具体的には、本実施形態では、所定要素と他の各要素との間でそれぞれ需要モデルパターンの誤差を算出し、誤差が最も小さい他の要素を所定要素の類似条件として登録する。なお、ここでは、立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）を用いて類似対応表の作成（更新）を行う例を説明する。

まず、類似条件作成部２５は、所定の配水区域ｄにおける立案時ｔ毎の立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）を需要パターンデータベース２４ｄから取得する。そして、立案時ｔ毎に、所定要素と他の各要素との間でそれぞれ立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）を比較して誤差を算出する。

次いで、所定要素と他の各要素との間で算出された立案時ｔ毎の誤差を加算し、１日分の誤差を算出する。そして、所定要素と他の各要素との間でそれぞれ算出された１日分の誤差を比較し、最も誤差の小さな他の要素を類似条件として登録する。本実施形態では、この類似条件登録処理を要素毎に実施することにより類似対応表を作成する。なお、上記要素間の誤差が、所定範囲に収まらない場合には、所定要素に対する類似条件は「無し」の情報が要素対応表に登録される。

上述のように、立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）を比較して要素対応表を作成した場合、配水区域毎に要素対応表を作成することができる。なお、本発明はこれに限定されず、総需要量モデルパターンＪ_ａ（ｆ）や、日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）を比較して要素対応表を作成してもよい。

なお、上記類似条件登録処理では、所定要素と他の各要素との間における立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）の誤差を直接算出する例を説明したが、本発明はこれに限定されない。例えば、各配水区域における所定要素Ｐと他の各要素Ｓとの間の立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ）の誤差ΔＪ_ＨＴ（配水区域立案単位誤差）を下記数式７により算出してもよい。なお、下記数式７は、上記数式３から導出される。

上記数式７中のＱ_ＨＤＰ（ｉ，ｄ）及びＱ_ＨＴＰ（ｉ，ｄ，ｔ）は、それぞれ、所定要素Ｐの需要モデルパターンを用いて算出した配水区域ｄの１日あたりの需要量Ｑ_ＨＤ（ｉ，ｄ）、及び、立案時ｔ毎の需要量Ｑ_ＨＴ（ｉ，ｄ，ｔ）である。また、上記数式７中のＱ_ＨＤＳ（ｉ，ｄ）及びＱ_ＨＴＳ（ｉ，ｄ，ｔ）は、それぞれ、他の各要素Ｓの需要モデルパターンを用いて算出した配水区域ｄの１日あたりの需要量Ｑ_ＨＤ（ｉ，ｄ）、及び、立案時ｔ毎の需要量Ｑ_ＨＴ（ｉ，ｄ，ｔ）である。なお、上記数式７中の各種需要量は、日々更新される実績値及び各種需要モデルパターンに基づいて類似条件作成部２５で算出される。

上記実施形態では、予測条件（例えば天候条件、気温条件又は曜日条件）毎に要素対応表を作成する例を説明したが、本発明はこれに限定されない。例えば、予測条件に関係なく要素間の需要モデルパターンの誤差を算出して要素対応表を作成してもよい。具体的には、天候条件内の所定要素と天候要素内の他の各要素との間で需要モデルパターンを比較するだけでなく、天候要素内の所定要素と気温要素や曜日要素内の各要素との間で需要モデルパターンを比較して要素対応表を作成してもよい。

［需要予測時の処理動作］
次に、本実施形態の需要予測装置２における需要予測処理の動作を、図５を参照しながら具体的に説明する。なお、図５は、本実施形態の需要予測手法の処理手順を示すフローチャートである。

まず、オペレータが入出力表示装置１の入力部に対して所定操作を行い、例えば、立案日、立案時刻、天候、最高気温及び曜日等の予測条件を入力する（ステップＳ１）。

次いで、需要予測装置２内の出現頻度判定部２１は、入力された予測条件を取得し、該予測条件が稀少な条件であるか否かを判定する（ステップＳ２）。具体的には、出現頻度判定部２１は、実績値データベース２４ｂを探索し、過去一定期間において、予測条件と同等の条件の出願頻度が所定頻度以下（出現していない場合も含む）であるか否か判定する。

そして、予測条件と同等の条件の出願頻度が所定頻度以下である場合、出現頻度判定部２１は、入力された予測条件が稀少な条件であると判定する。なお、ここでいう予測条件と同等の条件とは、予測条件が気温条件等の数値である場合に、その数値が一致する条件だけでなく、その数値が所定範囲内に収まっている条件も含む意味である。

ステップＳ２において、出現頻度判定部２１が、予測条件が稀少な条件でないと判定した場合、ステップＳ２はＮＯ判定となる。この場合、出現頻度判定部２１は判定結果を需要予測演算部２２に出力し、需要予測演算部２２はその判定結果に基づいて、後述するステップＳ５以降の処理を実施する。

一方、ステップＳ２において、出現頻度判定部２１が、予測条件が稀少な条件であると判定した場合、ステップＳ２はＹＥＳ判定となる。この場合、需要予測演算部２２はその判定結果に基づいて、類似条件を探索する旨の指令信号を類似条件探索部２３に出力する。

次いで、類似条件探索部２３は、需要予測演算部２２から入力された指令信号に基づいて、予測条件を取得し、該予測条件に基づいて類似条件データベース２４ｃを探索する。そして、類似条件探索部２３は、取得した予測条件と類似条件データベース２４ｃ内のデータ（要素対応表）とを比較して、予測条件に対応する類似条件（要素）が存在するか否かを判定する（ステップＳ３）。なお、ステップＳ３における類似条件データベース２４ｃの探索処理の処理手順は後で詳述する。

ステップＳ３において、予測条件に対応する類似条件が存在しない場合、ステップＳ３はＮＯ判定となる。この場合、類似条件探索部２３は、判定結果を需要予測演算部２２に出力し、需要予測演算部２２はその判定結果に基づいて、後述するステップＳ５以降の処理を実施する。

一方、ステップＳ３において、予測条件に対応する類似条件が存在する場合、ステップＳ３はＹＥＳ判定となる。この場合、類似条件探索部２３は、その類似条件（要素）を取得する（ステップＳ４）。

次いで、需要予測装置２は、入力された予測条件、又は、類似条件に基づいて需要パターンデータベース２４ｄを探索し（ステップＳ５）、予測条件、又は、類似条件に対応する各種需要モデルパターン（総需要量モデルパターンＪ_ａ（ｆ）、日単位需要量モデルパターンＪ_ｈｄ（ｄ，ｆ）、及び、立案時単位需要量モデルパターンＪ_ｈｔ（ｄ，ｆ，ｔ））を取得する。

なお、予測条件が稀少な条件でない場合、又は、類似条件が類似条件データベース２４ｃに存在しない場合、ステップＳ５では、需要予測演算部２２は、予測条件に基づいて需要パターンデータベース２４ｄを探索し、対応する各種需要モデルパターンを取得する。一方、予測条件が稀少な条件であり、かつ、類似条件が類似条件データベース２４ｃに存在する場合、ステップＳ５では、類似条件探索部２３は、類似条件に基づいて需要パターンデータベース２４ｄを探索し、対応する各種需要モデルパターンを取得する。そして、類似条件探索部２３は取得した各種需要モデルパターンを需要予測演算部２２に出力する。

次いで、需要予測演算部２２は、実績値データベース２４ｂを探索し、立案日から過去所定期間分の総需要量（Ｑ）の実績値を取得する。そして、需要予測演算部２２は、取得した実績値及び各種需要モデルパターンを用いて、上述した数式１〜６にしたがって各種需要予測パラメータを算出し、需要予測を行う（ステップＳ６）。

次いで、需要予測演算部２２は、算出した需要予測結果を入出力表示装置１に出力する。そして、入出力表示装置１は、算出された需要予測結果を表示部に表示する（ステップＳ７）。

次いで、オペレータは、入出力表示装置１の表示部に表示された需要予測結果を確認し、その予測結果が実際の水運用に適しているか否かを判定する（ステップＳ８）。

ステップＳ８において、オペレータが、算出された需要予測結果が実際の水運用に不適切であると判定した場合、ステップＳ８はＮＯ判定となる。この場合、オペレータは、入出力表示装置１の入力部に対して所定操作を行い、予測条件を修正する（ステップＳ９）。その後は、ステップＳ５に戻って、ステップＳ５以降の処理を繰り返す。

なお、本実施形態では、ステップＳ８がＮＯ判定となった場合、ステップＳ９を介してステップＳ５の処理に戻る例を説明したが、本発明はこれに限定されない。例えば、ステップＳ８がＮＯ判定となった場合、ステップＳ９を介してステップＳ２の処理に戻って、修正した予測条件が稀少な条件であるか否かを再度判定するようにしてもよい。また、ステップＳ８がＮＯ判定となった場合、ステップＳ８から直接ステップＳ１に戻ってもよい。

一方、ステップＳ８において、オペレータが、算出された需要予測結果が実際の水運用に適切であると判定した場合、ステップＳ８はＹＥＳ判定となる。この場合、需要予測演算部２２は、算出した需要予測結果を予測値データベース２４ａに格納し（ステップＳ１０）、需要予測処理を終了する。本実施形態では、このようにして配水の需要予測を行う。

［類似条件の探索処理手法］
ここで、入力された予測条件が稀少な条件である場合に、上記ステップＳ３で行う類似条件の探索処理の一例を、図６を参照しながら説明する。図６は、類似条件の探索処理の手順を示すフローチャートである。

なお、本実施形態では、後述のように、入力される予測条件が単一条件であるか、複合条件であるかを判定するが、単一条件とは、予測条件が、天候条件、気温条件、曜日条件、特異日条件のいずれかである場合である。また、複合条件とは、これらの単一条件を複数組み合わした条件（例えば、天候条件と気温条件との組合せ等）であり、かつ、稀少な予測条件として成立する条件である。

また、本実施形態では、予測条件が複合条件である場合、複合条件の中から需要予測により大きな影響を与える条件を優先的に選択して探索を行う。すなわち、本実施形態では、予測条件が複合条件である場合、需要予測に与える影響度の高い条件を選択して類似条件の探索を行う。なお、この優先度は、例えば予測する地域、環境等に応じて適宜変更することができる。ここでは、天候条件、気温条件及び曜日条件の順で需要予測に与える影響度が高いものとする。

さらに、本実施形態では、複合条件に特異日が含まれる場合、特異日以外の条件を用いて探索するものとする。特異日は、５月連休、お盆、正月、地域イベント等であるので、非常に出現頻度の低い条件（年に１回程度の出現頻度）である。それゆえ、最近の実績値により更新された要素対応表に、対象となる特異日の影響が反映されている可能性は低く、予測精度の観点でこの条件の優先度は低くなる。それゆえ、以下に説明する探索処理では過去一定期間内の類似条件を探索するが、本実施形態では、予測精度の観点から、特異日は過去一定期間内に出現していないものとし、特異日を類似条件の探索条件として選択しないようにする。

まず、類似条件探索部２３は、入力された予測条件（稀少な予測条件）が単一条件であるか否かを判定する（ステップＳ１１）。

ステップＳ１１において、予測条件が単一条件である場合、ステップＳ１１はＹＥＳ判定となる。この場合、類似条件探索部２３は、単一条件を用いて類似条件の探索を行う（ステップＳ２０）。

一方、ステップＳ１１において、予測条件が複合条件である場合、ステップＳ１１はＮＯ判定となる。この場合、類似条件探索部２３は、複合条件に天候条件が含まれるか否かを判定する（ステップＳ１２）。

ステップＳ１２において、複合条件に天候条件が含まれる場合、ステップＳ１２はＹＥＳ判定となる。この場合、類似条件探索部２３は、複合条件の中から、天候条件を選択する（ステップＳ１３）。その後、類似条件探索部２３は、天候条件を用いて類似条件の探索を行う（ステップＳ２０）。

一方、ステップＳ１２において、複合条件に天候条件が含まれない場合、ステップＳ１２はＮＯ判定となる。この場合、類似条件探索部２３は、複合条件に気温条件が含まれるか否かを判定する（ステップＳ１４）。

ステップＳ１４において、複合条件に気温条件が含まれる場合、ステップＳ１４はＹＥＳ判定となる。この場合、類似条件探索部２３は、複合条件の中から、気温条件を選択する（ステップＳ１５）。その後、類似条件探索部２３は、気温条件を用いて類似条件の探索を行う（ステップＳ２０）。

一方、ステップＳ１４において、複合条件に気温条件が含まれない場合、ステップＳ１４はＮＯ判定となる。この場合、類似条件探索部２３は、複合条件に曜日条件が含まれるか否かを判定する（ステップＳ１６）。

ステップＳ１６において、複合条件に曜日条件が含まれる場合、ステップＳ１６はＹＥＳ判定となる。この場合、類似条件探索部２３は、複合条件の中から、曜日条件を選択する（ステップＳ１７）。その後、類似条件探索部２３は、曜日条件を用いて類似条件の探索を行う（ステップＳ２０）。

一方、ステップＳ１６において、複合条件に曜日条件が含まれない場合、ステップＳ１６はＮＯ判定となる。この場合、類似条件探索部２３は、複合条件に特異日が含まれるか否かを判定する（ステップＳ１８）。

ステップＳ１８において、複合条件に特異日が含まれる場合、ステップＳ１８はＹＥＳ判定となる。この場合、類似条件探索部２３は、複合条件の中から特異日以外の条件を選択する（ステップＳ１９）。なお、この際、特異日以外の条件が２つ以上ある場合には、類似条件探索部２３は、その条件の中から任意の条件を選択する。その後、類似条件探索部２３は、ステップＳ１９で選択した条件を用いて類似条件の探索を行う（ステップＳ２０）。

一方、ステップＳ１８において、複合条件に特異日が含まれない場合、ステップＳ１８はＮＯ判定となる。この場合、類似条件探索部２３は、複合条件の中から任意の条件を選択する。そして、類似条件探索部２３は、選択した条件を用いて類似条件の探索を行う（ステップＳ２０）。

本実施形態では、予測条件が稀少な条件である場合、上述のようにして、類似条件探索部２３により類似条件の探索を行う。なお、上記例では、複合条件に天候条件、気温条件及び曜日条件が含まれない場合、複合条件の中から探索条件を任意に選択する例を説明したが、本発明はこれに限定されない。天候条件、気温条件及び曜日条件以外の予測条件に対しても優先度（需要予測に与える影響度）の順位を設定し、複合条件に天候条件、気温条件及び曜日条件が含まれない場合には、その優先順位に基づいて探索条件を選択してもよい。

上述のように、本実施形態の需要予測装置２では、予測条件が稀少な条件である場合、日々計測される実績値により作成（更新）された需要モデルパターンを用いて要素対応表を作成（更新）し、その要素対応表から抽出される類似条件に基づいて需要予測を行う。

すなわち、本実施形態の需要予測装置２では、予測条件が稀少な条件であっても、より多くの過去の実績値、特に最近の実績値に基づいて需要予測を立案することができ、需要予測の精度を向上させることができる。その結果、需要予測に基づいた配分計画を立案する際にも、精度のよい計画値を算出することが可能になる。それゆえ、本実施形態の水運用監視システム１００では、より安定した水供給を実現することができる。

また、本実施形態では、従来、オペレータが介在していた処理の自動化を促進することができるので、システム管理の人員の低減が可能になる。

なお、上記実施形態では、需要モデルパターンを探索して取得する際、１つの予測条件又は類似条件を用いる例を説明したが、本発明はこれに限定されない。２つ以上の予測条件又は類似条件（要素）を用いて需要モデルパターンを探索してもよい。この場合、取得される複数の需要モデルパターンの平均値を需要モデルパターンとしてもよいし、更新日の近い要素の需要モデルパターンを採用してもよい。

１…入出力表示装置、２…需要予測装置、３…プロセスデータインターフェース装置、２１…出現頻度判定部、２２…需要予測演算部、２３…類似条件探索部、２４…データベース部、２４ａ…予測値データベース、２４ｂ…実績値データベース、２４ｃ…類似条件データベース、２４ｄ…需要パターンデータベース、２５…類似条件作成部、２６…需要パターン作成部、１００…水運用監視システム

Claims (5)

1. 水需要の予測条件、及び、実績値データベースに格納された過去の水需要状況を示す実績値に基づいて、該予測条件の過去の出現頻度が所定頻度以下であるか否か判定する出現頻度判定部と、
   前記出現頻度判定部で前記予測条件の過去の出現頻度が所定頻度以下であると判定された場合に、過去の前記実績値に基づいて作成され、かつ、前記予測条件と相関のある類似条件を格納する類似条件データベースを探索して前記予測条件に対応する類似条件を取得し、かつ、水需要の需要モデルパターンのデータを格納する需要パターンデータベースから該取得した類似条件に対応する需要モデルパターンのデータを取得する類似条件探索部と、
   前記実績値データベースから過去の水需要の前記実績値を取得し、該取得した前記実績値、及び、前記類似条件探索部で取得した前記類似条件に対応する前記需要モデルパターンのデータに基づいて、需要予測の立案日に特異日が含まれない場合の総需要モデルパターンを所定期間における水の総需要量の平均値に掛け合わせて、前記立案日に特異日が含まれない場合に全配水区域で予測される１日あたりの水の全需要量を算出し、前記立案日に特異日が含まれる場合の総需要モデルパターンを前記立案日に特異日が含まれない場合に前記全配水区域で予測される１日あたりの水の全需要量に掛け合わせて、前記立案日に特異日が含まれる場合に前記全配水区域で予測される１日あたりの水の全需要量を算出し、前記立案日に特異日が含まれない場合の各配水区域の単位需要モデルパターンを、前記立案日に特異日が含まれない場合に前記全配水区域で予測される１日あたりの水の全需要量に掛け合わせて、前記立案日に特異日が含まれない場合に各配水区域で予測される１日あたりの水の需要量を算出し、前記立案日に特異日が含まれる場合の前記各配水区域の単位需要モデルパターンを前記立案日に特異日が含まれない場合に前記各配水区域で予測される水の全需要量に掛け合わせて、前記立案日に特異日が含まれる場合に前記各配水区域で予測される１日あたりの水の需要量を算出し、前記立案日に特異日が含まれない場合の前記各配水区域の立案時単位需要モデルパターンを、前記立案日に特異日が含まれない場合に前記各配水区域で予測される１日あたりの水の需要量に掛け合わせて、前記立案日に特異日が含まれない場合に前記各配水区域で時間毎に予測される水の需要量を算出し、前記立案日に特異日が含まれる場合の前記各配水区域の立案時単位需要モデルパターンを、前記立案日に特異日が含まれない場合に前記各配水区域で時間毎に予測される水の需要量に掛け合わせて、前記立案日に特異日が含まれる場合に前記各配水区域で時間毎に予測される水の需要量を算出し、前記需要予測を行う需要予測演算部とを備える需要予測装置。
2. さらに、前記実績値データベースと、
   前記類似条件データベースと、
   前記需要パターンデータベースとを備えることを特徴とする請求項１に記載の需要予測装置。
3. 前記需要予測演算部は、前記出現頻度判定部で前記予測条件の過去の出現頻度が所定頻度以下でないと判定された場合に、前記予測条件に対応する前記需要モデルパターンのデータを前記需要パターンデータベースから取得することを特徴とする請求項１又は２に記載の需要予測装置。
4. 前記類似条件探索部は、前記予測条件が複合条件であり、かつ、前記予測条件に特異日が含まれる場合、前記類似条件データベースを探索する際に、該特異日以外の条件に基づいて探索を行うことを特徴とする請求項１〜３のいずれか一項に記載の需要予測装置。
5. 水需要の予測条件が入力される入力装置部と、
   過去の水需要状況を示す実績値を格納する実績値データベースと、
   過去の前記実績値に基づいて作成され、かつ、前記予測条件と相関のある類似条件を格納する類似条件データベースと、
   水需要の需要モデルパターンのデータを格納する需要パターンデータベースと、
   前記入力装置部に入力された前記予測条件、及び、前記実績値データベースに格納された過去の水需要状況を示す前記実績値に基づいて、前記予測条件の過去の出現頻度が所定頻度以下であるか否か判定する出現頻度判定部と、
   前記出現頻度判定部で前記予測条件の過去の出現頻度が所定頻度以下であると判定された場合に、前記類似条件データベースを探索して前記予測条件に対応する前記類似条件を取得し、かつ、前記需要パターンデータベースから該取得した類似条件に対応する前記需要モデルパターンのデータを取得する類似条件探索部と、
   前記実績値データベースから過去の水需要の前記実績値を取得し、該取得した前記実績値、及び、前記類似条件探索部で取得した前記類似条件に対応する前記需要モデルパターンのデータに基づいて、需要予測の立案日に特異日が含まれない場合の総需要モデルパターンを所定期間における水の総需要量の平均値に掛け合わせて、前記立案日に特異日が含まれない場合に全配水区域で予測される１日あたりの水の全需要量を算出し、前記立案日に特異日が含まれる場合の総需要モデルパターンを前記立案日に特異日が含まれない場合に前記全配水区域で予測される１日あたりの水の全需要量に掛け合わせて、前記立案日に特異日が含まれる場合に前記全配水区域で予測される１日あたりの水の全需要量を算出し、前記立案日に特異日が含まれない場合の各配水区域の単位需要モデルパターンを、前記立案日に特異日が含まれない場合に前記全配水区域で予測される１日あたりの水の全需要量に掛け合わせて、前記立案日に特異日が含まれない場合に各配水区域で予測される１日あたりの水の需要量を算出し、前記立案日に特異日が含まれる場合の前記各配水区域の単位需要モデルパターンを前記立案日に特異日が含まれない場合に前記各配水区域で予測される水の全需要量に掛け合わせて、前記立案日に特異日が含まれる場合に前記各配水区域で予測される１日あたりの水の需要量を算出し、前記立案日に特異日が含まれない場合の前記各配水区域の立案時単位需要モデルパターンを、前記立案日に特異日が含まれない場合に前記各配水区域で予測される１日あたりの水の需要量に掛け合わせて、前記立案日に特異日が含まれない場合に前記各配水区域で時間毎に予測される水の需要量を算出し、前記立案日に特異日が含まれる場合の前記各配水区域の立案時単位需要モデルパターンを、前記立案日に特異日が含まれない場合に前記各配水区域で時間毎に予測される水の需要量に掛け合わせて、前記立案日に特異日が含まれる場合に前記各配水区域で時間毎に予測される水の需要量を算出し、前記需要予測を行う需要予測演算部と
   前記実績値データベースに格納する前記実績値に関するデータを取得する実績値取得部とを備える水運用監視システム。

Images