JP6642431B2 - 流量予測装置、混合比推定装置、方法およびコンピュータ読み取り可能記録媒体 - Google Patents
流量予測装置、混合比推定装置、方法およびコンピュータ読み取り可能記録媒体 Download PDFInfo
- Publication number
- JP6642431B2 JP6642431B2 JP2016538155A JP2016538155A JP6642431B2 JP 6642431 B2 JP6642431 B2 JP 6642431B2 JP 2016538155 A JP2016538155 A JP 2016538155A JP 2016538155 A JP2016538155 A JP 2016538155A JP 6642431 B2 JP6642431 B2 JP 6642431B2
- Authority
- JP
- Japan
- Prior art keywords
- state
- flow rate
- model
- time
- mixture ratio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0894—Packet rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Environmental & Geological Engineering (AREA)
- Computational Mathematics (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Description
・ROM(Read Only Memory)502
・RAM(Ramdom Access Memory)503
・RAM503にロードされるプログラム504
・プログラム504を格納する記憶装置505
・記憶媒体506の読み書きを行うドライブ装置507
・通信ネットワーク509と接続する通信インターフェース508
・データの入出力を行う入出力インターフェース510
・各構成要素を接続するバス511
また、各装置の実現方法には様々な変形例がある。例えば、各装置は、専用の装置として実現することができる。また、各装置は、複数の装置の組み合わせにより実現することができる。
このため、通信スループットの状態はある時点で定常状態と判断されていても、数秒後には非定常状態となっている可能性がある。また、様々な要因が複雑に作用するために、非定常状態と判断されるような場合でも、変動の激しさの度合いがその時々で異なっていることも考えられる。そこで、本実施形態でも、通信スループットの変動状態は、定常状態と非定常状態とがある混合比で混合された混合状態をとるとする。そして、通信スループットが変化していく過程において変動の特性を示す指標として、所定期間中の通信スループットの変動状態に含まれる定常状態と非定常状態との割合である混合比を用いる。
xt=St−St−1 ・・・(2)
データ取得部101は、例えば単位時間毎に通信スループットxtを計測するまたは計測された通信スループットxtを収集することにより、時系列データとして通信スループットの集合{xt}(ここでのtは任意の時間を表す)を得ることができる。例えば、時間t=Tを、通信スループットが計測された最新時刻とすると、時系列データとして{xt}={・・・,xT−3,xT−2,xT−1,xT}を得ていることになる。なお、保持されるデータ数は、特に限定されない。
(1−ρL)(xt−ξ)=εt ・・・(3)
ここで、Lはラグ演算子であり、Lxt=xt−1というように、ラグ演算子がかかることで一つ過去のデータに推移する。εtはN(0,σε 2)の誤差項である。ξは定数項であり、ρは係数である。
Mn:xt=xt−1+εt ・・・(3−1)
Ms:xt=a+bxt−1+εt ・・・(3−2)
図2は、定常モデルMsによって表わされる定常過程のサンプルパスの例を示すグラフである。図2には、ρ<1のときの式(3)すなわち定常状態にあるときの確率過程モデル(式(3−2))の標本路(サンプルパス)の例が示されている。図2を参照すると、定常状態のときの通信スループットは、時間遷移により変動しているが、ある一定値周りを安定して変動している様子がわかる。
p(rt|rt−1)=p(rt)=U(0,1) ・・・(4A)
p(rt|rt−1)=U(a,b) ・・・(4B)
ただし、a=max(rt−1−σ,0)、b=min(rt−1+σ,1)
p(ut|rt)=(1−f(rt))δ(ut)+f(rt)δ(ut−1) ・・・(5)
ここで、δ()はディラックのデルタ関数を表す。また、f(rt)は、時間tを基準とする所定期間中の実際の通信スループットの変動状態における混合比がrtであった場合に、定常性の判別結果utが1(非定常が容認)となる確率を表す。f(rt)は解析的に得ることは困難なため、例えば事前にシミュレーション等により求めておく。
例えば、時間t=1〜Tまでの定常性の判別結果が、{u1,・・・,uT}だったときの時間t=Tにおける混合比rtの条件付き確率分布p(rt|u1,・・・,ut)は、以下の式(6)で近似できる。
gmix(xt=T+s)=(1−rT)gs(xt=T+s)+rTgn(xt=T+s)
・・・(8)
このような確率分布gmix(xt)を得る混合モデルを、通信スループットの変動モデルとしてもよい。
・定常性判別部51による判別結果
・流量の変動状態に含まれる定常状態と非定常状態の割合である混合比の確率的な変動をモデル化した混合比変動モデル
・任意の混合比に対して定常性判別部51による判別結果が所定の1状態である確率を示す判別結果観測モデル
51、102 定常性判別部
52、103 混合比推定部
1031 パーティクルフィルタ適用部
1032 混合比変動モデル記憶部
1033 観測モデル記憶部
53、104 モデル混合部
105 定常モデル記憶部
106 非定常モデル記憶部
107 予測モデル記憶部
108 通信スループット予測部
Claims (10)
- 流量の測定値の時系列データである流量時系列データに基づいて、前記流量の変動状態が定常状態であるか非定常状態であるかを判別する定常性判別手段と、
前記定常性判別手段による判別結果と、流量の変動状態に含まれる定常状態と非定常状態の割合である混合比の確率的な変動をモデル化した混合比変動モデルと、任意の混合比に対して前記定常性判別手段による判別結果が所定の1状態である確率を示す判別結果観測モデルとを用いて、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間における流量の変動状態に含まれる定常状態と非定常状態の混合比を推定する混合比推定手段と、
前記混合比推定手段によって推定された混合比に基づいて、定常状態にあるときの流量の変動を表現した定常モデルと、非定常状態にあるときの流量の変動を表現した非定常モデルとを混合して、前記流量の変動モデルとする混合モデルを構築するモデル混合手段と
を備えた流量予測装置であって、
前記定常性判別手段は、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間を基準とする所定期間中の前記流量の変動状態が定常状態であるか非定常状態であるかを判別し、
前記混合比推定手段は、予め用意された前記混合比変動モデルと前記判別結果観測モデルとを用いて、前記定常性判別手段による判別結果を判別の基準に用いた時間の順に並べた判別結果時系列データに対して、ベイズ推定をモンテカルロシミュレーションにより実現するパーティクルフィルタを適用して、指定された時間における流量の変動状態に含まれる混合比を推定する
流量予測装置。 - 前記モデル混合手段によって構築された前記混合モデルを用いて、前記流量時系列データに含まれる測定値に対応する最新の時間以降の時間における前記流量の値または前記最新の時間から任意の時間までの流量の確率的な広がりである確率的拡散を算出する流量予測手段を備えた
請求項1に記載の流量予測装置。 - 前記定常性判別手段は、単位根検定を用いて、前記流量の変動状態が定常状態であるか非定常状態であるかを判別する
請求項1または請求項2に記載の流量予測装置。 - 流量の測定値の時系列データである流量時系列データに基づいて、前記流量の変動状態が定常状態であるか非定常状態であるかを判別する定常性判別手段と、
前記定常性判別手段による判別結果と、流量の変動状態に含まれる定常状態と非定常状態の割合である混合比の確率的な変動をモデル化した混合比変動モデルと、任意の混合比に対して前記定常性判別手段による判別結果が所定の1状態である確率を示す判別結果観測モデルとを用いて、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間における流量の変動状態に含まれる定常状態と非定常状態の混合比を推定する混合比推定手段と、
前記混合比推定手段によって推定された混合比に基づいて、定常状態にあるときの流量の変動を表現した定常モデルと、非定常状態にあるときの流量の変動を表現した非定常モデルとを混合して、前記流量の変動モデルとする混合モデルを構築するモデル混合手段と
を備えた流量予測装置であって、
前記混合比変動モデルが、1つ前の時間における混合比を平均値とする正規分布を、混合比の定義域で切断した切断分布を持つ確率分布関数によって表現されている
流量予測装置。 - 流量の測定値の時系列データである流量時系列データに基づいて、前記流量の変動状態が定常状態であるか非定常状態であるかを判別する定常性判別手段と、
前記定常性判別手段による判別結果と、流量の変動状態に含まれる定常状態と非定常状態の割合である混合比の確率的な変動をモデル化した混合比変動モデルと、任意の混合比に対して前記定常性判別手段による判別結果が所定の1状態である確率を示す判別結果観測モデルとを用いて、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間における流量の変動状態に含まれる混合比を推定する混合比推定手段と
を備えた混合比推定装置であって、
前記定常性判別手段は、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間を基準とする所定期間中の前記流量の変動状態が定常状態であるか非定常状態であるかを判別し、
前記混合比推定手段は、予め用意された前記混合比変動モデルと前記判別結果観測モデルとを用いて、前記定常性判別手段による判別結果を判別の基準に用いた時間の順に並べた判別結果時系列データに対して、ベイズ推定をモンテカルロシミュレーションにより実現するパーティクルフィルタを適用して、指定された時間における流量の変動状態に含まれる混合比を推定する
混合比推定装置。 - 流量の測定値の時系列データである流量時系列データに基づいて、前記流量の変動状態が定常状態であるか非定常状態であるかを判別し、
前記判別結果と、流量の変動状態に含まれる定常状態と非定常状態の割合である混合比の確率的な変動をモデル化した混合比変動モデルと、任意の混合比に対して前記定常性の判別結果が所定の1状態である確率を示す判別結果観測モデルとを用いて、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間における流量の変動状態に含まれる定常状態と非定常状態の混合比を推定し、
推定された前記混合比に基づいて、定常状態にあるときの流量の変動を表現した定常モデルと、非定常状態にあるときの流量の変動を表現した非定常モデルとを混合して、前記流量の変動モデルとする混合モデルを構築する
流量予測方法であって、
前記流量の変動状態が定常状態であるか非定常状態であるかを判別する際に、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間を基準とする所定期間中の前記流量の変動状態が定常状態であるか非定常状態であるかを判別し、
前記混合比を推定する際に、予め用意された前記混合比変動モデルと前記判別結果観測モデルとを用いて、前記流量の変動状態が定常状態であるか非定常状態であるかの判別結果を判別の基準に用いた時間の順に並べた判別結果時系列データに対して、ベイズ推定をモンテカルロシミュレーションにより実現するパーティクルフィルタを適用して、指定された時間における流量の変動状態に含まれる混合比を推定する
流量予測方法。 - 流量の測定値の時系列データである流量時系列データに基づいて、前記流量の変動状態が定常状態であるか非定常状態であるかを判別し、
前記判別結果と、流量の変動状態に含まれる定常状態と非定常状態の割合である混合比の確率的な変動をモデル化した混合比変動モデルと、任意の混合比に対して前記定常性の判別結果が所定の1状態である確率を示す判別結果観測モデルとを用いて、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間における流量の変動状態に含まれる定常状態と非定常状態の混合比を推定し、
推定された前記混合比に基づいて、定常状態にあるときの流量の変動を表現した定常モデルと、非定常状態にあるときの流量の変動を表現した非定常モデルとを混合して、前記流量の変動モデルとする混合モデルを構築する
流量予測方法であって、
前記混合比変動モデルが、1つ前の時間における混合比を平均値とする正規分布を、混合比の定義域で切断した切断分布を持つ確率分布関数によって表現されている
流量予測方法。 - 流量の測定値の時系列データである流量時系列データに基づいて、前記流量の変動状態が定常状態であるか非定常状態であるかを判別し、
前記判別結果と、流量の変動状態に含まれる定常状態と非定常状態の割合である混合比の確率的な変動をモデル化した混合比変動モデルと、任意の混合比に対して前記定常性の判別結果が所定の1状態である確率を示す判別結果観測モデルとを用いて、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間における流量の変動状態に含まれる定常状態と非定常状態の混合比を推定する
混合比推定方法であって、
前記流量の変動状態が定常状態であるか非定常状態であるかを判別する際に、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間を基準とする所定期間中の前記流量の変動状態が定常状態であるか非定常状態であるかを判別し、
前記混合比を推定する際に、予め用意された前記混合比変動モデルと前記判別結果観測モデルとを用いて、前記流量の変動状態が定常状態であるか非定常状態であるかの判別結果を判別の基準に用いた時間の順に並べた判別結果時系列データに対して、ベイズ推定をモンテカルロシミュレーションにより実現するパーティクルフィルタを適用して、指定された時間における流量の変動状態に含まれる混合比を推定する
混合比推定方法。 - コンピュータに、
流量の測定値の時系列データである流量時系列データに基づいて、前記流量の変動状態が定常状態であるか非定常状態であるかを判別する処理、
前記判別結果と、流量の変動状態に含まれる定常状態と非定常状態の割合である混合比の確率的な変動をモデル化した混合比変動モデルと、任意の混合比に対して前記定常性の判別結果が所定の1状態である確率を示す判別結果観測モデルとを用いて、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間における流量の変動状態に含まれる定常状態と非定常状態の混合比を推定する処理、および
推定された前記混合比に基づいて、定常状態にあるときの流量の変動を表現した定常モデルと、非定常状態にあるときの流量の変動を表現した非定常モデルとを混合して、前記流量の変動モデルとする混合モデルを構築する処理
を実行させるための流量予測プログラムであって、
前記流量の変動状態が定常状態であるか非定常状態であるかを判別する処理において、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間を基準とする所定期間中の前記流量の変動状態が定常状態であるか非定常状態であるかを判別し、
前記混合比を推定する処理において、予め用意された前記混合比変動モデルと前記判別結果観測モデルとを用いて、前記流量の変動状態が定常状態であるか非定常状態であるかの判別結果を判別の基準に用いた時間の順に並べた判別結果時系列データに対して、ベイズ推定をモンテカルロシミュレーションにより実現するパーティクルフィルタを適用して、指定された時間における流量の変動状態に含まれる混合比を推定する
流量予測プログラム。 - コンピュータに、
流量の測定値の時系列データである流量時系列データに基づいて、前記流量の変動状態が定常状態であるか非定常状態であるかを判別する処理、および
前記判別結果と、流量の変動状態に含まれる定常状態と非定常状態の割合である混合比の確率的な変動をモデル化した混合比変動モデルと、任意の混合比に対して前記定常性の判別結果が所定の1状態である確率を示す判別結果観測モデルとを用いて、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間における流量の変動状態に含まれる定常状態と非定常状態の混合比を推定する処理
を実行させるための混合比推定プログラムであって、
前記流量の変動状態が定常状態であるか非定常状態であるかを判別する処理において、前記流量時系列データに含まれる測定値に対応する時間のうち指定された時間を基準とする所定期間中の前記流量の変動状態が定常状態であるか非定常状態であるかを判別し、
前記混合比を推定する処理において、予め用意された前記混合比変動モデルと前記判別結果観測モデルとを用いて、前記流量の変動状態が定常状態であるか非定常状態であるかの判別結果を判別の基準に用いた時間の順に並べた判別結果時系列データに対して、ベイズ推定をモンテカルロシミュレーションにより実現するパーティクルフィルタを適用して、指定された時間における流量の変動状態に含まれる混合比を推定する
混合比推定プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014157743 | 2014-08-01 | ||
JP2014157743 | 2014-08-01 | ||
PCT/JP2015/003822 WO2016017171A1 (ja) | 2014-08-01 | 2015-07-29 | 流量予測装置、混合比推定装置、方法およびコンピュータ読み取り可能記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2016017171A1 JPWO2016017171A1 (ja) | 2017-05-18 |
JP6642431B2 true JP6642431B2 (ja) | 2020-02-05 |
Family
ID=55217081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016538155A Active JP6642431B2 (ja) | 2014-08-01 | 2015-07-29 | 流量予測装置、混合比推定装置、方法およびコンピュータ読み取り可能記録媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10445444B2 (ja) |
JP (1) | JP6642431B2 (ja) |
WO (1) | WO2016017171A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107807371B (zh) * | 2017-09-14 | 2019-10-01 | 北京航空航天大学 | 基于北斗卫星观测数据的数据相关性处理方法 |
EP3825791A1 (de) * | 2019-11-25 | 2021-05-26 | Siemens Aktiengesellschaft | Verfahren zum bestimmen eines stationären modells eines technischen systems |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6321338B1 (en) * | 1998-11-09 | 2001-11-20 | Sri International | Network surveillance |
CN1256443C (zh) * | 2001-04-27 | 2006-05-17 | 松下电器产业株式会社 | 用于提取有效信号的方法 |
JP2004309998A (ja) * | 2003-02-18 | 2004-11-04 | Nec Corp | 確率分布推定装置および異常行動検出装置,ならびにその確率分布推定方法および異常行動検出方法 |
US7716022B1 (en) * | 2005-05-09 | 2010-05-11 | Sas Institute Inc. | Computer-implemented systems and methods for processing time series data |
FI20055512A0 (fi) * | 2005-09-27 | 2005-09-27 | Nokia Corp | Kanavanvaihdon ohjaus radioviestintäjärjestelmässä |
US8260652B1 (en) * | 2007-01-09 | 2012-09-04 | Massachusetts Institute Of Technology | Method and apparatus for determining and utilizing a time-expanded decision network |
US9369936B2 (en) * | 2007-04-02 | 2016-06-14 | British Telecommunications Public Limited Company | Handover technique for wireless communications enabled devices |
WO2009019691A2 (en) * | 2007-08-08 | 2009-02-12 | Yoram Kariv | System and method for predictive network monitoring |
US20100241639A1 (en) * | 2009-03-20 | 2010-09-23 | Yahoo! Inc. | Apparatus and methods for concept-centric information extraction |
JP2011118776A (ja) * | 2009-12-04 | 2011-06-16 | Sony Corp | データ処理装置、データ処理方法、およびプログラム |
JP5692091B2 (ja) * | 2009-12-15 | 2015-04-01 | 日本電気株式会社 | 情報処理装置、情報処理方法およびコンピュータプログラム |
WO2011088034A1 (en) * | 2010-01-12 | 2011-07-21 | Zte Corporation | Method and system of variable rate single- and multi-user mimo feedback for mobile communications systems |
JP5483506B2 (ja) * | 2010-06-25 | 2014-05-07 | 日本電気通信システム株式会社 | 情報分類システム |
CN102045762B (zh) * | 2010-12-02 | 2013-07-24 | 大唐移动通信设备有限公司 | 一种上报信道状态的方法及装置 |
JP5862023B2 (ja) * | 2011-03-04 | 2016-02-16 | 日本電気株式会社 | 目標追跡システム及び目標追跡方法 |
US8635175B2 (en) * | 2011-07-15 | 2014-01-21 | International Business Machines Corporation | Managing capacities and structures in stochastic networks |
JP2013069141A (ja) | 2011-09-22 | 2013-04-18 | Ntt Docomo Inc | 文書分析装置及び文書分析方法 |
WO2014007166A1 (ja) | 2012-07-02 | 2014-01-09 | 日本電気株式会社 | 流量予測装置、流量予測方法及び流量予測プログラム |
EP2701333B1 (en) * | 2012-08-23 | 2019-05-01 | Alcatel Lucent | Method and apparatus for transmitting channel feedback information in a wireless communication system and method and apparatus for receiving channel feedback information in a wireless communication system |
US9641232B2 (en) * | 2012-12-07 | 2017-05-02 | Sharp Kabushiki Kaisha | Transmission device and wireless communication method that provides precoded transmission data to first and second reception devices |
US8762302B1 (en) * | 2013-02-22 | 2014-06-24 | Bottlenose, Inc. | System and method for revealing correlations between data streams |
US9524365B1 (en) * | 2014-12-23 | 2016-12-20 | Cadence Design Systems, Inc. | Efficient monte carlo flow via failure probability modeling |
-
2015
- 2015-07-29 WO PCT/JP2015/003822 patent/WO2016017171A1/ja active Application Filing
- 2015-07-29 JP JP2016538155A patent/JP6642431B2/ja active Active
- 2015-07-29 US US15/329,632 patent/US10445444B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2016017171A1 (ja) | 2016-02-04 |
US10445444B2 (en) | 2019-10-15 |
JPWO2016017171A1 (ja) | 2017-05-18 |
US20170220711A1 (en) | 2017-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5768834B2 (ja) | プラントモデル管理装置及び方法 | |
US9727671B2 (en) | Method, system, and program storage device for automating prognostics for physical assets | |
EP3270252B1 (en) | Equipment control based on failure determination | |
JP6337881B2 (ja) | データ予測装置 | |
US20150206427A1 (en) | Prediction of local and network-wide impact of non-recurrent events in transportation networks | |
JP2015529813A (ja) | 遺伝的プログラミングを用いて発見された前兆的特徴からの、残存耐用寿命の推定 | |
US20180052441A1 (en) | Simulation system, simulation method, and simulation program | |
US10248462B2 (en) | Management server which constructs a request load model for an object system, load estimation method thereof and storage medium for storing program | |
JP6642431B2 (ja) | 流量予測装置、混合比推定装置、方法およびコンピュータ読み取り可能記録媒体 | |
WO2020105468A1 (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラムが格納された非一時的なコンピュータ可読媒体 | |
JP6744767B2 (ja) | 人流予測装置、パラメータ推定装置、方法、及びプログラム | |
JP6930602B2 (ja) | 異常判定装置、異常判定方法、及びプログラム | |
JP2020086778A (ja) | 機械学習モデル構築装置および機械学習モデル構築方法 | |
JP2019008637A (ja) | パラメータ推定装置、機器故障予測装置、最適施策探索装置、方法、及びプログラム | |
JP6733656B2 (ja) | 情報処理装置、情報処理システム、プラントシステム、情報処理方法、及び、プログラム | |
JP6919705B2 (ja) | 劣化予測装置、劣化予測方法、及びプログラム | |
Leser et al. | Sequential monte carlo: Enabling real-time and high-fidelity prognostics | |
US20220114519A1 (en) | Method for Device Monitoring | |
CN114450696A (zh) | 数据同化框架中的物理传感器的集成 | |
JP7198439B2 (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラム | |
JPWO2019230975A1 (ja) | 保全支援装置、保全支援用プログラム及び保全支援方法 | |
US11619932B2 (en) | Prediction method and system for multivariate time series data in manufacturing systems | |
Nikolaev et al. | Nonlinear filtering of asymmetric stochastic volatility models and value-at-risk estimation | |
JP6183359B2 (ja) | 設計支援装置、設計支援方法及びプログラム | |
JP7444426B2 (ja) | 状態推定評価装置、方法、及び、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170120 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180615 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190514 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190703 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191203 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191216 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6642431 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |