JP6410130B2 - 農作物の収穫予測装置、収穫予測システム及び収穫予測方法 - Google Patents

Description

本発明は、農作物の収穫予測装置、収穫予測システム及び収穫予測方法に関し、特に、複数の予測モデルを用いる収穫予測装置、収穫予測システム及び収穫予測方法に関する。

農作物の収穫時期、収穫量を予測する手法は、有効積算気温法をはじめとして様々な予測モデルがあり（非特許文献１参照）、システム化が試みられている。それらのシステムでは、その予測モデルによって、気温だけで行えるものから日照時間、土壌、害虫の発生状況から多岐にわたる入力データが必要となるものまで様々である。例えば、特許文献１には、農作物の生育が成功するか否かを判断する基準である管理範囲を算出し、気象予報と誤差分布とに基づいて気象条件を算出し、当該算出した気象条件、作業計画情報及び圃場条件を算出する数式とに基づいて圃場条件を算出し、当該算出した圃場条件から予測モデルを用いて、予測評価指標の評価値の予測結果を予測生育範囲として出力する農作物生育管理装置が記載されている。

特開２０１３−５１８８７号公報

田村良文、発育ステージの予測モデルとその実用化、農業技術 ４４（９）、ｐ．３９７−４００、１９８９年９月

しかしながら、一般に農業経営者は、そうした予測モデルが必要とする入力データを収集していないことが多い。そのため、上記の文献に記載のような予測モデルを用いたシステムの導入に際しては、新たに多種多様なデータ収集が必要となり、その準備のために多くの労力とコストが必要となる。このことが農業経営者に重い負担となっており、農業のＩＴ化が進まない一因となっている。また、仮にデータ収集がうまくいっても、作物の種類や、育成条件によって、適用可能な予測モデルが異なるので、農業経営者が最適な予測モデルを選定することは困難である。

したがって、本発明では、上記のような課題に鑑み、収集されたデータに応じた最適な予測モデルを選定し、収穫予測を行う収穫予測装置、収穫予測システム、及び収穫予測方法、を提供することを目的とする。

上記課題を解決するため、本発明の収穫予測装置、収穫予測システム、及び収穫予測方法は、以下のような解決手段を提供する。

（１）本発明の第１の態様は、農作物の収穫を予測するための複数の予測モデルを実行可能な収穫予測装置であって、前記予測モデルの入力となる予測用データを蓄積するデータ蓄積データベースと、前記データ蓄積データベースに蓄積された予測用データを分析した結果を受付けるデータ分析結果受付部と、前記予測モデルごとに定められた、データの種類、データの蓄積期間、データの記録間隔、データの記録地点、及びデータの欠損度、に対して必要な量と質を定めた基準を格納する予測モデル設定ファイルと、前記予測用データの分析結果と前記予測モデル設定ファイルの基準とに基づいて、前記複数の予測モデルをそれぞれ評価し、最適な予測モデルを選定する予測モデル評価部と、前記予測モデル評価部の評価に基づいて選定された予測モデルに対応する予測プログラムを実行させる予測実行部と、を備えることを特徴とする。

（２）上記（１）の収穫予測装置において、前記予測プログラムの実行によって得られた予測結果に対応する実績値の情報を受付け、前記予測結果と前記実績値を比較し、前記予測モデル設定ファイルの予測モデルの評価データとして記録する予測結果評価部をさらに備えることを特徴とする。

（３）上記（１）又は（２）の収穫予測装置において、前記予測モデル評価部の予測モデル別の評価結果及び前記予測用データの分析結果に基づいて、より予測精度の高い予測に向けてのアドバイスを生成するアドバイス生成部をさらに備えることを特徴とする。

（４）上記（１）〜（３）の収穫予測装置において、前記データ蓄積データベースを読出し、前記予測用データの各データの収集状況を分析し、前記予測用データに欠損値がある場合には、当該欠損値を補完することが可能か否かを判断し、前記補完が可能な場合は、前記欠損値を補完した分析結果を前記データ分析結果受付部に受け渡す、データ分析／補完部をさらに備えることを特徴とする。

（５）本発明の第２の態様は、農作物の収穫を予測するための複数の予測モデルを実行可能な収穫予測システムであって、前記予測モデルの入力となる予測用データを蓄積するデータ蓄積データベースと、前記データ蓄積データベースに蓄積された予測用データを分析した結果を受付けるデータ分析結果受付部と、前記予測モデルごとに定められた、データの種類、データの蓄積期間、データの記録間隔、データの記録地点、及びデータの欠損度、に対して必要な量と質を定めた基準を格納する予測モデル設定ファイルと、前記予測用データの分析結果と前記予測モデル設定ファイルの基準とに基づいて、前記複数の予測モデルをそれぞれ評価し、最適な予測モデルを選定する予測モデル評価部と、前記予測モデル評価部の評価に基づいて選定された予測モデルに対応する予測プログラムを実行させる予測実行部と、前記実行した予測モデルの予測結果を出力すると共に、前記実行した予測モデルとは別の予測モデルを実行した場合の予測結果を出力し比較させる予測結果評価部と、を備えることを特徴とする。

（６）本発明の第３の態様は、農作物の収穫を予測するための複数の予測モデルを実行可能な収穫予測方法であって、前記予測モデルの入力となる予測用データを蓄積するデータ蓄積データベースと、前記予測モデルごとに定められた、データの種類、データの蓄積期間、データの記録間隔、データの記録地点、及びデータの欠損度、に対して必要な量と質を定めた基準を格納する予測モデル設定ファイルとを備え、前記データ蓄積データベースに蓄積された予測用データを分析した結果を受付けるステップと、前記予測用データの分析結果と前記予測モデル設定ファイルの基準とに基づいて、前記複数の予測モデルをそれぞれ評価するステップと、前記評価するステップでの予測モデルの評価に基づいて選定された予測モデルに対応する予測プログラムを実行させるステップと、を含むことを特徴とする。

本発明によれば、収集されたデータに応じて、収穫予測のための最適な予測モデルを選定することができる。また、当初は限られたデータで収穫予測を始めながら、その他のデータの収集が進むに従って、より複雑で高度な予測モデルを用いた予測へ進歩させていくことができる。

本発明の実施形態に係る収穫予測システム１の機能構成を示す図である。 （ａ）予測モデル設定ファイル１０４の基準定義の例、（ｂ）データ分析結果を一つの予測モデルの基準に照らして評価した例を示す図である。 データ分析結果を複数の予測モデルの基準に照らして評価した具体例を示す図である。 データ分析結果を複数の予測モデルの基準に照らして評価した別の具体例を示す図である。 収穫予測装置１０のアドバイス生成部１０９が生成したアドバイスの表示例を示す図である。 収穫予測装置１０のアドバイス生成部１０９が生成したアドバイスの別の表示例を示す図である。 収穫予測装置１０の全体的な処理のフローを示す図である。

以下、添付図面を参照して、本発明を実施するための形態（以下、実施形態）について詳細に説明する。以降の図においては、実施形態の説明の全体を通して同じ要素には同じ番号または符号を付している。

（収穫予測システム１の構成）
図１は、本発明の実施形態に係る収穫予測システム１（以下、本システム）の機能構成の概念を示す図である。この図において、機能ブロック間の矢印は、データの流れ方向、又は処理の流れ方向を表す。

本システム１は、収穫予測装置１０と、収穫予測装置１０に接続されたユーザ端末２０とから構成される。収穫予測装置１０は、図示するように機能構成として、データ蓄積データベース（データ蓄積ＤＢ１０１）、データ分析／補完部１０２、データ分析結果受付部１０３、予測モデル設定ファイル１０４、予測モデル評価部１０５、パラメータファイル１０６、予測実行部１０７、予測結果評価部１０８、アドバイス生成部１０９を備えている。以下、順に各部の機能について説明する。

データ蓄積ＤＢ１０１は、農作物の収穫を予測するための予測モデルの入力となる予測用データを蓄積したデータベースである。予測モデルとは、予測対象を計量可能なモデルとしてとして表現したものであり、農作物の収穫予測のモデルには、例えば、予測用データとして気温を用いたモデルとして、単純積算温度法、有効積算温度法等があり、また、予測用データとして、気温と日長（日照時間）を用いたモデルとして、発育速度（ＤＶＲ：Developmental Rate）モデルによる方法、ノンパラメットリックＤＶＲ法等がある。本システムでは、上記のような予測モデル以外にも様々なモデルを取り扱うことができる。

また、データ蓄積ＤＢ１０１には、気温や日照時間以外にも様々なデータを格納することができ、例えば、作付データ（作物・品種・播種日・定植日・株間・畝間・播種／定植数）、農地データ（面積、土質、水はけ、日当たり、傾斜度、土壌の化学的組成）、農法データ（施肥、施農薬、作型）、インシデントデータ（病害虫発生など）、日々の作業・生育データなどを含むことができる。

データ分析／補完部１０２は、データ蓄積ＤＢ１０１にアクセスし、各データの収集状況を整理して分析し、その分析結果を後述のデータ分析結果受付部１０３に受け渡す。すなわち、データ分析／補完部１０２は、データ蓄積ＤＢ１０１に、各予測モデルが予測用データとして利用可能なデータの量と質が揃っているかをチェックし、各予測モデルに対応する予測プログラムが入力可能なフォーマットに変換する。もっともデータ蓄積ＤＢ１０１に格納されたデータが必ずしもすべて予測用データとして使用されるわけではない。例えば、干ばつなど特別なインシデントがあったような場合のデータは、予測用データとしては不適と判断し、そのデータは除外する。

また、データ分析／補完部１０２は、予測用データに欠損値（欠損があることを示す情報）がある場合には、当該欠損値を補完することが可能か否かを判断し、補完が可能な場合は、欠損値を補完したデータをデータ分析結果に含めて、後述のデータ分析結果受付部１０３に受け渡す。例えば、ある日の日平均気温データが欠けている場合は、前後の日の平均をとること等でその欠損値をある程度正確に補完することが可能であるが、欠損値が連続した数日間に渡る場合は、正確に補完することは難しいので補完は行わないと判断する。欠損値の補完方法の詳細については、発明者らが既に出願した特願２０１４−５２２０５に記載の方法を用いてもよい。

なお、データ分析／補完部１０２は、必須の構成ではなく、データ蓄積ＤＢ１０１のデータを人間の手又は外部のシステムによって予め分析しておき、その分析済みのデータをユーザ端末２０等からデータ分析結果受付部１０３に入力するようにしてもよい。

データ分析結果受付部１０３は、前述したように、データ分析／補完部１０２又はユーザ端末２０等の収穫予測装置１０の外部から、分析済みのデータ（欠損値を補完済のデータを含む）を受付け、予測モデル評価部１０５の入力データとして受け渡す。

予測モデル設定ファイル１０４は、予測モデルごとに、必要な設定情報を記憶したファイルである。この設定情報には、予測モデルごとに、必要とするデータの種類、データの量と質、モデルの利用優先度、モデルの評価のための基準等の情報を含む。モデルの利用優先度とは、予測結果の精度が高いと評価される順に予測モデルを順位付けしたものである。利用優先度や評価の基準は固定ではなく、各予測モデルを実行した予測結果と収穫の実績値を比較して、その結果によって、予め設定された利用優先度や評価基準を変更するようにしてもよい。予測モデル設定ファイル１０４に含まれる情報については、以降の図でさらに具体的に説明する。

予測モデル評価部１０５は、予測モデル設定ファイル１０４に定義された各予測モデルの評価基準と、データ分析結果受付部１０３が受付けたデータ分析結果から、各モデルによる予測の有効性（予測精度）を評価判定する。そして予測モデルの評価判定結果に基づいて、最適な（最も評価値の高い）予測モデルのプログラムの起動を後述の予測実行部１０７に指令する。

図２（ａ）は、予測モデル設定ファイル１０４に含まれる基準の定義の具体例を示したものである。この例では図示するように、３つの予測モデル１，２，３について、モデル利用優先度と、必要なデータの種類、必須のデータとオプションのデータ項目が示されている。例えば、予測モデル１〜３はすべて、気温（日平均気温）のデータだけでも予測を実行することが可能であるが、予測モデル３では、日照時間をオプションとして利用可能なことを示されている。

データの量と質に関しては、データの蓄積期間、記録間隔、記録地点、欠損度について、それぞれのモデルが最低限必要とする必須値と、予測精度をあげるために望ましい推奨値が示されている。例えば、予測モデル１〜３では、気温の必須の蓄積期間は１か月であるが、推奨蓄積期間は、予測モデル３では、３年としている。もちろん、収集されたデータが、推奨値に近いほど精度の高い結果が得られることが期待できる。また、予測モデル３では、予測用データとして気温だけでなく、日照時間も加えたほうがより精度の高い結果が期待できる。そのため、予測モデル３のモデル利用優先度は、日照時間を加えなかった場合と、加えた場合の２つに分けてもよい。

欠損度とは、各データ項目に対して欠損値が全体に対して占める割合を示すが、少なくとも欠損値は、この予測モデル１〜３の場合では、１０％〜２５％以下である必要があるが、好ましくは１〜５％以下であることが推奨されている。なお、前述したように、欠損値が連続日に現れていない場合は、データ分析／補完部１０２によって欠損値を前後のデータから補完できる可能性が高くなる。

図２（ｂ）は、図示するようなデータ分析結果を、上記の予測モデル１の基準に照らして評価した例を示す図である。このとき、データ分析結果（補完済み）の各データ項目が必要十分に揃っている場合（データの量と質が推奨値以上の場合）は評価Ａ、精度は落ちるが予測可能なデータがある場合（データの量と質が必要値以上で推奨値未満の場合）は評価Ｂ、データ不足の場合（データの量と質が必要値未満である場合）で、正確な予測が難しい場合は、評価Ｃなどと定義する。

例えば、図２（ｂ）で示すデータ分析結果の場合、データ項目ごとの評価は、予測モデル１の基準に照らし合わせると、気温の蓄積期間は評価Ｂ，記録間隔と記録地点は評価Ａ、欠損度は評価Ｃとなる。もちろん評価の方法は、このような段階評価だけでなく、収集されたデータと、基準値である必要値、推奨値との差分を求め、その差分に基づいて評価値（評価点）を算出してもよい。

図３は、データ分析結果を複数の予測モデルの基準に照らして評価した具体例を示す図である。例えば、データ分析の結果、データの種類は気温のみで、そのデータの蓄積期間は３か月、記録間隔は１日平均、記録地点は１か所、欠損度は１５％であったとする。このデータを用いて、予測モデル１を使用した場合は、各項目の評価がＢ，Ａ，Ａ，Ｂで、総合評価Ｂ＋、予測モデル２を使用した場合は、各項目の評価がＢ，Ｃ，Ａ，Ｃで、総合評価Ｂ−、予測モデル３を使用した場合は、各項目の評価がＢ，Ａ，Ａ，Ｃで、総合評価Ｂとなったとすると、総合評価が最も高い予測モデル１がここでは最適のモデルとして選定されることになる。なお、総合評価は、各データ項目の評価値の単純平均又は加重平均等によって求めるものする。

図４は、データ分析結果を複数の予測モデルの基準に照らして評価した別の具体例を示す図である。この例では、データ分析の結果、気温だけでなく、日照時間も予測用データとして利用可能であったとする。この場合、日照時間を必要としない予測モデル１と予測モデル２の評価値は図３の場合と変わらないが、日照時間をオプションとして利用可能な予測モデル３は、日照時間の各項目の評価値が高ければ、総合評価もＢからＡ−と高くなり、結果として、予測モデル３が最適のモデルとして選定されることになる。

図１に戻り、予測実行部１０７は、予測モデル評価部１０５からの指令により選定された予測モデルに対応する予測プログラムを起動する。予測プログラムは、公知のプログラム又は新たに作成したプログラムを複数、収穫予測装置１０内に予め記憶済みかダウンロードを完了しているものとする。ここで、実行される予測プログラムは、複数であってもよい。例えば、最高評価のプログラムと、評価はそれほど高くないが利用優先度の高いプログラムを並行して実行させてもよい。あるいは、ユーザの設定等により、評価や優先度の高い予測モデルのプログラムだけを起動するのでなく、与えられたデータに対して実行可能なすべての予測プログラムを起動し、各予測実行結果を比較できるようにしてもよい。あるいは、評価に関わらず、ユーザの指定により、特定のプログラムを強制的に実行させるようにしてもよい。設定ファイルやパラメータを変更して再度実行したい場合等があるからである。

パラメータファイル１０６は、予測プログラムを実行させる際の起動パラメータを記憶したファイルである。すなわち、各予測プログラムは、パラメータファイル１０６に格納された自身の起動パラメータを読み込んで起動する。起動パラメータとは、例えば、有効積算気温方法のモデルで用いられる有効積算温度（ＥＡＴ:Effective Accumulated Temperature）は、ＥＡＴ＝Σ（Ｔ−Ｄ）で表され、発育速度（Ｋ）は、Ｋ＝ａ（Ｔ−Ｄ）（ただし、Ｔは日平均気温、Ｄは生育零点（生育最低温度）、ａは定数）で表されるが、この定数ａがプログラムの起動パラメータである。なお、起動パラメータは、ユーザ端末２０等から変更が可能とする。

予測結果評価部１０８は、予測プログラムが出力した予測結果をユーザに提示し、また、その予測結果の評価に関わる情報（予実の差異、インシデントデータ等）の入力をユーザ端末２０等から受け付ける。特に、予測結果に対して実際の収穫の実績値を入力させる手段を備え、予測結果と実績値を比較する機能を提供する。また、事前の評価が高くなかった予測モデルを収穫実績が得られた後に実行し、その予測結果と実績値を比較し、それを評価情報として記録し、以後の評価に役立てるようにしてもよい。すなわち、システム管理者等は、この評価情報を参照し、予測モデルの評価判定のための設定の変更（例えば、必要なデータの蓄積期間の設定変更）を行うことができる。

また、同じ作物を、隣接する圃場に日付をずらして植えている場合などに、先行する圃場の結果をフィードバックすることで、より予測精度の高いプログラムが後続の圃場に提供できるよう調整できる。すなわち、先行する実績値とその予測結果を対比することで、以後の予測モデルの評価に対して、場合によっては、予測モデル設定ファイル１０４やパラメータファイル１０６の値が妥当であったかどうかも含めて、フィードバックをかけることができる。

アドバイス生成部１０９は、予測モデル評価部１０５の評価結果に基づいて、予測精度を上げるために、あるいはより高度な予測モデルを利用するために、ユーザにとって必要なアクションを含んだアドバイスを生成する。生成されたアドバイスはユーザ端末２０等に表示される。なお、アドバイスの生成は、予測モデルの評価時であってもよいし、予測モデルを実行した後であってもよい。また、予測結果に対してその実績値が得られた後であってもよい。

図５、図６は、アドバイス生成部１０９が生成したアドバイスの表示例を示す図である。ここでいうアドバイスとは、設定ファイルのデータと予測用に利用したデータを比較して、不足しているデータ、評価の低いデータ項目の評価を上げるための要件、総合評価を上げるための要件などを表示することである。

図５の表示例では、（ａ）では、データ分析結果に対して、今回実行した予測モデル（図２で示した予測モデル１とする）の評価結果を表示し、（ｂ）では、今回実行した予測モデルよりも高度な予測モデル（予測モデル２、予測モデル３とする）を実行するために必要な条件を表示している。例えば、予測モデル２を実行させるには、気温の記録間隔を現在の１日から６時間ごとに変更し、欠損度を現在の１５％から１％以下にする必要があることが示されている。また、予測モデル３を実行させるためには、気温データの欠損度は５％以下でよいが、日照時間のデータを、欠損度５％以下で、日合計値を０．５月以上蓄積する必要があることを示されている。なおこの表示画面に、図２で示したような各モデルの基準定義を表示するようにしてもよい。

図６の表示例では、テキスト形式でアドバイス文を画面に表示した場合を示している。アドバイス文の生成のためには、アドバイスの文例を多数格納したデータベースを用意しておき、分析結果の数字を最も適切なアドバイス文に埋め込んでアドバイス文を生成するようにしてもよい。図示するアドバイス表示例２ａでは、予測モデルは必要な平均気温の蓄積期間が基準に満たなかったために不足分のデータを補うようにアドバイスが生成されている。また、アドバイス表示例２ｂでは、気温データの収集をあと１年続ければ、予測モデル３による予測が可能になることを示すアドバイスが生成されている。また、アドバイス表示例２Ｃでは、日照時間のデータの収集をすれば、オプション付の予測モデル３（気温と日照時間を使った予測モデル３；図２参照）による予測が可能になることを示すアドバイスが生成されている。

このようにアドバイス生成部１０９は、実行した予測モデルについて、必要基準に満たないデータがあれば、そのデータの確実な収集を提案する。また、利用できなかった予測モデルについて、必要なデータを示し、何を収集・準備すべきかを提案する。このようにすることで、当初は、予備知識があまりなく、既にあるデータだけで予測を始めようとするユーザであっても、より高度の予測方法に段階的に導くことができる。

以上説明した収穫予測装置１０又は収穫予測システム１の機能構成は、あくまで一例であり、一つの機能ブロック（データベース及び機能処理部）を分割したり、複数の機能ブロックをまとめて一つの機能ブロックとして構成したりしてもよい。各機能処理部は、装置に内蔵されたＣＰＵ（Central Processing Unit）が、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＳＳＤ(Solid State Drive)、ハードディスク、ＣＤ(Compact Disc)、及びＤＶＤ(Digital Versatile Disc)等の記憶装置や記憶媒体に格納されたコンピュータ・プログラムを読み出し、ＣＰＵにより実行されたコンピュータ・プログラムによって実現される。すなわち、各機能処理部は、このコンピュータ・プログラムが、記憶装置に格納されたデータベース（ＤＢ;Data Base)やメモリ上の記憶領域からテーブル等の必要なデータを読み書きし、場合によっては、関連するハードウェア（例えば、入出力装置、表示装置、通信インターフェース装置）を制御することによって実現される。このコンピュータ・プログラムは、外部からネットワークを介してダウンロードすることで提供されてもよい。また、実施形態におけるデータベース（ＤＢ）は、商用データベースであってよいが、単なるテーブルやファイルの集合体をも意味し、データベースの内部構造自体は問わないものとする。

（処理フロー）
図７は、本発明の実施形態に係る収穫予測装置１０、収穫予測システム１の全体的な処理の流れをまとめた図である。以下のフローチャートは、典型的な処理の流れを示すが、各ステップの入力と出力の関係を損なわない限り、各ステップの処理順序を入れ替えてもよい。

収穫予測装置１０のデータ分析／補完部１０２（以下、データ分析部と略す）は、まずステップＳ１において、データ蓄積ＤＢ１０１に格納されたデータを読出し、整理して分析し、各モデルの入力となる予測用データを抽出する。また、特殊事情により、予測に適さないデータを除外する。次にステップＳ２において、予測用データの中に欠損値がある場合は、その欠損値を補完可能かを判断する。補完可能な場合は、ステップＳ３において、欠損のある個所の前後のデータの平均をとるなどしてその欠損値を補完する。

次に、ステップＳ４においては、収穫予測装置１０の予測モデル評価部１０５が、データ分析部が分析、補完した予測用データと、各予測モデルが必要とするデータを比較し、与えられたデータから利用可能な予測モデルをそれぞれ評価する。このとき、予測モデル設定ファイル１０４に予測モデルごとに定義された基準を参照して予測モデルの評価を行う。

続いて、ステップＳ５においては、収穫予測装置１０のアドバイス生成部１０９が、必要に応じて、ユーザに対するアドバイスを生成し、ユーザ端末２０等に表示する。

収穫予測装置１０の予測実行部１０７は、実行する予測モデルを決定し、実行させる。詳しくは、予測モデル評価部１０５が評価した予測モデルのうち最も評価値の高いと選定された予測モデル、及び／又は、ユーザや設定により指定された予測モデルから、最終的に実行すべき予測モデルを決定し（ステップＳ６）、予測モデルに対応した予測プログラムを１又は複数起動する（ステップＳ７。このプログラム起動時には、パラメータファイル１０６の起動パラメータを読み取り、予測プログラムに受け渡す。

収穫予測装置１０の予測結果評価部１０８は、予測プログラムの実行結果を受け取り、ユーザに表示する（ステップＳ８）。その後、予測結果に対する実績値が得られた場合は（ステップＳ９：Ｙ）、ステップＳ１０において、予測結果と実績値を比較し、その結果をユーザに示すなどして、予測モデルの評価のフィードバックに利用する。この時点で、使用した予測モデル以外の他の予測モデルを実行させ、各予測モデルの予測結果と実績値とを比較表示するようにしてもよい。このようにすることで、各予測モデルを評価するためのデータを常に更新し、予測モデル評価部１０５が行う評価の信頼性を高めていくことができる。

（実施形態の効果）
本実施形態の収穫予測装置１０によれば、蓄積された予測用データに応じて、最適な予測モデルを選定することができる。また、限られたデータで収穫予測を始めながら、その他のデータの収集が進むに従ってより複雑で高度な予測モデルを用いた予測へ進歩させていくことができる。

また、収穫予測装置１０に予測結果評価部１０８をさらに備えることで、選定した予測モデルの予測結果と実績値と比較データを集め、予測モデル設定ファイル１０４に記録することで、予測モデルの評価方法自体にフィードバックをかけることができる。

また、収穫予測装置１０にアドバイス生成部１０９をさらに備えることで、より予測精度の高い予測に向けて必要なデータ等を本装置のユーザに対してアドバイスすることができる。

また、収穫予測装置１０にデータ分析／補完部１０２をさらに備えることで、予測用データの各データの収集状況を単に分析するだけでなく、予測用データに欠損値がある場合には当該欠損値を補完することが可能か否かを判断し、補完が可能な場合は欠損値を補完した分析結作成することができる。

以上、実施形態を用いて本発明を説明したが、本発明の技術的範囲は上記実施形態に記載の範囲には限定されないことは言うまでもない。上記実施形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。またその様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。なお、上記の実施形態では、本発明を物の発明として収穫予測装置１０又は収穫予測システム１で説明したが、本発明は、方法の発明（収穫予測方法）としても捉えることもできる。

１ 収穫予測システム
１０ 収穫予測装置
２０ ユーザ端末
１０１ データ蓄積ＤＢ
１０２ データ分析／補完部
１０３ データ分析結果受付部
１０４ 予測モデル設定ファイル
１０５ 予測モデル評価部
１０６ パラメータファイル
１０７ 予測実行部
１０８ 予測結果評価部
１０９ アドバイス生成部

Claims (6)

1. 農作物の収穫を予測するための複数の予測モデルを実行可能な収穫予測装置であって、
   前記予測モデルの入力となる予測用データを蓄積するデータ蓄積データベースと、
   前記データ蓄積データベースに蓄積された予測用データを分析した結果を受付けるデータ分析結果受付部と、
   前記予測モデルごとに定められた、データの種類、データの蓄積期間、データの記録間隔、データの記録地点、及びデータの欠損度、に対して必要な量と質を定めた基準を格納する予測モデル設定ファイルと、
   前記予測用データの分析結果と前記予測モデル設定ファイルの基準とに基づいて、前記複数の予測モデルをそれぞれ評価し、最適な予測モデルを選定する予測モデル評価部と、
   前記予測モデル評価部の評価に基づいて選定された予測モデルに対応する予測プログラムを実行させる予測実行部と、
   を備えることを特徴とする収穫予測装置。
2. 前記予測プログラムの実行によって得られた予測結果に対応する実績値の情報を受付け、前記予測結果と前記実績値を比較し、前記予測モデル設定ファイルの予測モデルの評価情報として記録する予測結果評価部をさらに備えることを特徴とする請求項１に記載の収穫予測装置。
3. 前記予測モデル評価部の予測モデル別の評価結果及び前記予測用データの分析結果に基づいて、より予測精度の高い予測に向けてのアドバイスを生成するアドバイス生成部をさらに備えることを特徴とする請求項１又は２に記載の収穫予測装置。
4. 前記データ蓄積データベースを読出し、前記予測用データの各データの収集状況を分析し、前記予測用データに欠損値がある場合には、当該欠損値を補完することが可能か否かを判断し、前記補完が可能な場合は、前記欠損値を補完した分析結果を前記データ分析結果受付部に受け渡す、データ分析／補完部をさらに備えることを特徴とする請求項１乃至３のいずれか１項に記載の収穫予測装置。
5. 農作物の収穫を予測するための複数の予測モデルを実行可能な収穫予測システムであって、
   前記予測モデルの入力となる予測用データを蓄積するデータ蓄積データベースと、
   前記データ蓄積データベースに蓄積された予測用データを分析した結果を受付けるデータ分析結果受付部と、
   前記予測モデルごとに定められた、データの種類、データの蓄積期間、データの記録間隔、データの記録地点、及びデータの欠損度、に対して必要な量と質を定めた基準を格納する予測モデル設定ファイルと、
   前記予測用データの分析結果と前記予測モデル設定ファイルの基準とに基づいて、前記複数の予測モデルをそれぞれ評価し、最適な予測モデルを選定する予測モデル評価部と、
   前記予測モデル評価部の評価に基づいて選定された予測モデルに対応する予測プログラムを実行させる予測実行部と、
   前記実行した予測モデルの予測結果を出力すると共に、前記実行した予測モデルとは別の予測モデルを実行した場合の予測結果を出力し比較させる予測結果評価部と、
   を備えることを特徴とする収穫予測システム。
6. 農作物の収穫を予測するための複数の予測モデルを実行可能な収穫予測システムにより実行される収穫予測方法であって、
   前記収穫予測システムが、
   前記予測モデルの入力となる予測用データを蓄積するデータ蓄積データベースと、
   前記予測モデルごとに定められた、データの種類、データの蓄積期間、データの記録間隔、データの記録地点、及びデータの欠損度、に対して必要な量と質を定めた基準を格納する予測モデル設定ファイルとを備え、
   前記データ蓄積データベースに蓄積された予測用データを分析した結果を受付けるステップと、
   前記予測用データの分析結果と前記予測モデル設定ファイルの基準とに基づいて、前記複数の予測モデルをそれぞれ評価するステップと、
   前記評価するステップでの予測モデルの評価に基づいて選定された予測モデルに対応する予測プログラムを実行させるステップと、
   を含むことを特徴とする収穫予測方法。

Images