JP7283645B1 - 予測値補正装置、予測値補正方法及びプログラム - Google Patents

Abstract

【課題】予測値の補正による精度悪化を抑制できる技術を提供すること。
【解決手段】本開示の一態様による予測値補正装置は、予測モデルの長期的な予測誤差の傾向を表す長期誤差傾向を算出するように構成されている長期誤差傾向算出部と、前記予測モデルの短期的な予測誤差の傾向を表す短期誤差傾向を算出するように構成されている短期誤差傾向算出部と、前記長期誤差傾向と、前記短期誤差傾向とに基づいて、前記予測モデルによって算出される予測値を補正するか否かを判定するように構成されている補正実施判定部と、前記補正実施判定部によって前記予測値を補正すると判定された場合、前記長期誤差傾向に基づいて、前記予測値に対する補正量を算出するように構成されている補正量算出部と、前記補正量により前記予測値を補正するように構成されている補正部と、を有する。
【選択図】図５

Description

本開示は、予測値補正装置、予測値補正方法及びプログラムに関する。

機械学習や人工知能（ＡＩ：Artificial Intelligence）等を利用した予測では、時間経過に伴うデータ特性の変化等によって予測モデルの予測精度が悪化し得ることが知られている。これに対して、予測値の補正により予測精度の悪化を改善させる技術が知られている（例えば、特許文献１～３等）。

特許第７０６２１４４号公報 特開２０１９－１００６８７号公報 特開２０２０－１０２０８２号公報

しかしながら、従来では、予測値の補正によって誤差が増加し、予測精度が更に悪化する場合があった。

本開示は、上記の点に鑑みてなされたもので、予測値の補正による精度悪化を抑制できる技術を提供する。

本開示の一態様による予測値補正装置は、予測モデルの長期的な予測誤差の傾向を表す長期誤差傾向を算出するように構成されている長期誤差傾向算出部と、前記予測モデルの短期的な予測誤差の傾向を表す短期誤差傾向を算出するように構成されている短期誤差傾向算出部と、前記長期誤差傾向と、前記短期誤差傾向とに基づいて、前記予測モデルによって算出される予測値を補正するか否かを判定するように構成されている補正実施判定部と、前記補正実施判定部によって前記予測値を補正すると判定された場合、前記長期誤差傾向に基づいて、前記予測値に対する補正量を算出するように構成されている補正量算出部と、前記補正量により前記予測値を補正するように構成されている補正部と、を有する。

予測値の補正による精度悪化を抑制できる技術が提供される。

ノイズが存在する場合の補正の一例を示す図である。 長期的な誤差の傾向が変化する場合の補正の一例を示す図である。 本実施形態に係る予測装置のハードウェア構成の一例を示す図である。 本実施形態に係る予測装置の機能構成の一例を示す図である。 本実施形態に係る予測処理の一例を示すフローチャートである。 模擬データの分布を示す図である。 長期誤差と短期誤差の合計誤差の推移を示す図である。 補正を毎回実施した場合の絶対誤差の推移を示す図である。 本実施形態に係る予測装置により補正を実施した場合の絶対誤差の推移を示す図である。

以下、本発明の一実施形態について説明する。

＜予測値の補正による予測精度の悪化＞
以下、予測値の補正によって誤差が増加し、予測精度が更に悪化する場合について説明する。

予測値を補正する際には、過去の実績値とその予測値との誤差を利用する方法が一般的である。また、このとき、補正によって予測精度の悪化を改善するためには、補正が正しい正負の方向に行われる必要がある。しかしながら、一般に、誤差には長期的な傾向と短期的な傾向とが存在し、長期的な誤差の傾向に合わせた補正を行った場合、短期的な誤差の傾向に対応できず、誤った方向に補正が行われることがある。一方で、短期的な誤差の傾向に合わせた補正を行った場合、ノイズの影響等により誤った方向に補正が行われることがある。

例えば、図１に示すように、ノイズが存在する場合に短期的な誤差の傾向に合わせた補正を行うと、ノイズの影響によって誤差が増加する（つまり、誤った方向に補正が行われる。）。一方で、この場合は、長期的な誤差の傾向に合わせた補正を行うことによってノイズの影響の少ない補正を行うことが可能となり、予測精度の悪化を改善することができる（つまり、正しい方向に補正が行われる。）。

また、例えば、図２に示すように、長期的な誤差の傾向が変化する場合に長期的な誤差の傾向に合わせた補正を行うと、短期的な誤差の傾向に対応できず、誤差が増加する（つまり、誤った方向に補正が行われる。）。一方で、この場合は、短期的な誤差の傾向に合わせた補正を行うことによってその傾向に合わせた補正を行うことが可能となり、予測精度の悪化を改善することができる（つまり、正しい方向に補正が行われる。）。

以上のように、長期的な誤差の傾向又は短期的な誤差の傾向に合わせた補正を行う場合、誤った方向に補正が行われることがあり、その結果、誤差が増加し、予測精度が更に悪化することがある。そこで、以下では、予測値を補正した際に、長期的な誤差の傾向と短期的な誤差の傾向の方向が一致する場合にのみ長期的な誤差の傾向に合わせた補正を行う予測装置１０について説明する。これにより、予測値を補正した際に誤差が増加してしまうことが抑制されるため、本実施形態に係る予測装置１０は、予測値の補正によって予測精度が更に悪化してしまう事態を抑制することができる。なお、予測装置１０は予測値の補正を行うため、例えば、「予測値補正装置」等と称されてもよい。

＜予測装置１０のハードウェア構成例＞
本実施形態に係る予測装置１０のハードウェア構成例を図３に示す。図３に示すように、本実施形態に係る予測装置１０は、入力装置１０１と、表示装置１０２と、外部Ｉ／Ｆ１０３と、通信Ｉ／Ｆ１０４と、ＲＡＭ（Random Access Memory）１０５と、ＲＯＭ（Read Only Memory）１０６と、補助記憶装置１０７と、プロセッサ１０８とを有する。これらの各ハードウェアは、それぞれがバス１０９を介して通信可能に接続される。

入力装置１０１は、例えば、キーボード、マウス、タッチパネル、物理ボタン等である。表示装置１０２は、例えば、ディスプレイ、表示パネル等である。なお、予測装置１０は、入力装置１０１及び表示装置１０２のうちの少なくとも一方を有していなくてもよい。

外部Ｉ／Ｆ１０３は、記録媒体１０３ａ等の外部装置とのインタフェースである。記録媒体１０３ａとしては、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等が挙げられる。

通信Ｉ／Ｆ１０４は、予測装置１０を通信ネットワークに接続するためのインタフェースである。ＲＡＭ１０５は、プログラムやデータを一時保持する揮発性の半導体メモリ（記憶装置）である。ＲＯＭ１０６は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリ（記憶装置）である。補助記憶装置１０７は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の不揮発性の記憶装置である。プロセッサ１０８は、例えば、ＣＰＵ（Central Processing Unit）等の各種演算装置である。

なお、図３に示すハードウェア構成は一例であって、予測装置１０のハードウェア構成はこれに限られるものではない。例えば、予測装置１０は、複数の補助記憶装置１０７や複数のプロセッサ１０８を有していてもよいし、図示したハードウェアの一部を有していなくてもよいし、図示したハードウェア以外の種々のハードウェアを有していてもよい。

＜予測装置１０の機能構成例＞
本実施形態に係る予測装置１０の機能構成例を図４に示す。図４に示すように、本実施形態に係る予測装置１０は、実績データベース２０１と、予測対象データベース２０２とを有する。これら各データベースは、例えば、補助記憶装置１０７により実現される。また、本実施形態に係る予測装置１０は、データ取得部３０１と、データ加工部３０２と、過去データ予測部３０３と、長期誤差傾向算出部３０４と、短期誤差傾向算出部３０５と、補正実施判定部３０６と、モデル予測部３０７と、補正量算出部３０８と、予測値補正部３０９と、出力部３１０とを有する。これら各部は、例えば、予測装置１０にインストールされた１以上のプログラムがプロセッサ１０８等に実行させる処理により実現される。

ただし、実績データベース２０１及び予測対象データベース２０２の少なくとも一方は、例えば、予測装置１０と通信ネットワークを介して接続されるデータベースサーバ等の記憶装置により実現されてもよい。

実績データベース２０１は、予測値の算出対象となる機器（例えば、プラント、設備、装置等）から取得された実績データの時系列を格納する。実績データは、予測値の算出に用いられる変数である説明変数の実績値と、予測対象となる変数である目的変数の実績値とで構成される。すなわち、時刻インデックス（以下、単に時刻という。）をｔ、説明変数をｘ_１，・・・，ｘ_ｎ、目的変数をｙとすれば、時刻ｔにおける実績データｘ（ｔ）は、ｘ（ｔ）＝（ｘ_１（ｔ），・・・，ｘ_ｎ（ｔ），ｙ（ｔ））と表すことができる。なお、ｎは説明変数の数である。

予測対象データベース２０２は、予測値の算出対象となる機器から取得された予測対象データを格納する。予測対象データは、説明変数の実績値で構成される。すなわち、予測値の算出対象となる時刻をｔ_ｐとすれば、時刻ｔ_ｐにおける予測対象データｘ（ｔ_ｐ）は、ｘ（ｔ_ｐ）＝（ｘ_１（ｔ_ｐ），・・・，ｘ_ｎ（ｔ_ｐ））と表すことができる。なお、時刻ｔ_ｐは、例えば、現在時刻等である。

データ取得部３０１は、実績データベース２０１から実績データｘ（ｔ）の時系列を予測値補正用データとして取得する。例えば、予め決められた時間幅を表す１以上の整数値を持つパラメータをＴとして、データ取得部３０１は、時刻ｔ_ｐ－Ｔから時刻ｔ_ｐまでの実績データｘ（ｔ）を予測値補正用データとして取得する。これにより、予測値補正用データ｛ｘ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝が得られる。なお、データ取得部３０１は、実績データベース２０１に格納されているすべての実績データｘ（ｔ）を予測値補正用データとして取得してもよい。

また、データ取得部３０１は、予測対象データベース２０２から予測対象データｘ（ｔ_ｐ）を取得する。

データ加工部３０２は、必要に応じて予測値補正用データ｛ｘ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝や予測対象データｘ（ｔ_ｐ）を加工する。例えば、データ加工部３０２は、予測値補正用データ｛ｘ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝から異常値を除去したり、欠損値補完（リサンプリング）を行ったり、予測モデルへ入力可能な形式に変換（例えば、正規化等）したりする。また、例えば、データ加工部３０２は、予測対象データｘ（ｔ_ｐ）を予測モデルへ入力可能な形式に変換する。

過去データ予測部３０３は、データ加工後の予測値補正用データ｛ｘ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝に含まれる各実績データｘ（ｔ）と、予測モデルとを用いて、実績データｘ（ｔ）に対する予測値＾ｙ（ｔ）を算出する。これにより、｛＾ｙ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝が得られる。なお、予測モデルをｆとすれば、予測値＾ｙ（ｔ）は、＾ｙ（ｔ）＝ｆ（ｘ_１（ｔ），・・・，ｘ_ｎ（ｔ））と算出できる。

長期誤差傾向算出部３０４は、過去データ予測部３０３によって算出された予測値＾ｙ（ｔ）とそれに対応する実績値ｙ（ｔ）との誤差（予測誤差）Δ（ｔ）：＝ｙ（ｔ）－＾ｙ（ｔ）を用いて、長期的な誤差の傾向（以下、長期誤差傾向ともいう。）を算出する。例えば、長期的な誤差の傾向を算出する際に過去何点分の誤差を考慮するかを表す１以上の整数値を持つパラメータをＴ_１（ただし、Ｔ_１＜Ｔ）として、長期誤差傾向算出部３０４は、｛Δ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ_１，・・・，ｔ_ｐ｝の平均値（つまり、平均誤差）又は中央値を長期誤差傾向として算出する。なお、パラメータＴ_１の値は予め指定される。また、長期誤差傾向算出部３０４が平均誤差又は中央値のいずれを長期誤差傾向として算出するかはパラメータｓ_１で指定され、例えば、ｓ_１＝０のときは平均誤差、ｓ_１＝１のときは中央値が長期誤差傾向として算出される。

短期誤差傾向算出部３０５は、過去データ予測部３０３によって算出された予測値＾ｙ（ｔ）とそれに対応する実績値ｙ（ｔ）との誤差Δ（ｔ）：＝ｙ（ｔ）－＾ｙ（ｔ）を用いて、短期的な誤差の傾向（以下、短期誤差傾向ともいう。）を算出する。例えば、短期誤差傾向算出部３０５は、短期的な誤差の傾向を算出する際に過去何点分の誤差を考慮するかを表す１以上の整数値を持つパラメータをＴ_２（ただし、Ｔ_２＜Ｔ_１）として、短期誤差傾向算出部３０５は、｛Δ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ_２，・・・，ｔ_ｐ｝の平均値（つまり、平均誤差）又は中央値を短期誤差傾向として算出する。なお、パラメータＴ_２の値は予め指定される。また、短期誤差傾向算出部３０５が平均誤差又は中央値のいずれを短期誤差傾向として算出するかはｓ_１と同一の値を持つパラメータｓ_２（つまり、ｓ_２＝ｓ_１）で指定され、例えば、ｓ_２＝０のときは平均誤差、ｓ_２＝１のときは中央値が短期誤差傾向として算出される。

補正実施判定部３０６は、長期誤差傾向算出部３０４によって算出された長期誤差傾向と、短期誤差傾向算出部３０５によって算出された短期誤差傾向とを用いて、補正を実施するか否かを判定する。すなわち、補正実施判定部３０６は、長期誤差傾向と短期誤差傾向の方向（つまり、正負の符号）が一致する場合は補正を実施すると判定し、そうでない場合は補正を実施しないと判定する。

ただし、補正実施判定部３０６は、例えば、正負の符号が一致するか否かだけなく、長期誤差傾向と短期誤差傾向の差が予め決められた範囲内であるか否かを判定してもよい。例えば、予め決められた正の実数値を持つパラメータ（閾値）をｔｈとして、補正実施判定部３０６は、長期誤差傾向と短期誤差傾向の正負の符号が一致し、かつ、長期誤差傾向と短期誤差傾向の差の絶対値がｔｈ未満である場合は補正を実施すると判定し、そうでない場合は補正を実施しないと判定してもよい。

モデル予測部３０７は、データ加工後の予測対象データｘ（ｔ_ｐ）と、予測モデルとを用いて、予測対象データｘ（ｔ_ｐ）に対する予測値＾ｙ（ｔ_ｐ）を算出する。なお、予測モデルをｆとすれば、予測値＾ｙ（ｔ_ｐ）は、＾ｙ（ｔ_ｐ）＝ｆ（ｘ_１（ｔ_ｐ），・・・，ｘ_ｎ（ｔ_ｐ））と算出できる。

補正量算出部３０８は、補正実施判定部３０６によって補正を実施すると判定された場合、補正量を算出する。例えば、補正量算出部３０８は、｛Δ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ_１，・・・，ｔ_ｐ｝の平均値（以下、α_１とする。）、｛Δ（ｔ）／ｙ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ_１，・・・，ｔ_ｐ｝の平均値に対して＾ｙ（ｔ_ｐ）を乗じた値（以下、α_２とする。）、又はα_３：＝ｍｉｎ（｜α_１｜，｜α_２｜）を補正量として算出する。なお、α_１、α_２、α_３のいずれを補正量として算出するかはパラメータｓ_３で指定され、例えば、ｓ_３＝０のときはα_１、ｓ_３＝１のときはα_２、ｓ_３＝２のときはα_３が補正量として算出される。

予測値補正部３０９は、補正量算出部３０８によって算出された補正量を用いて、モデル予測部３０７によって算出された予測値＾ｙ（ｔ_ｐ）を補正する。すなわち、補正量算出部３０８によって算出された補正量をα（αはα_１、α_２又はα_３のいずれか）とすれば、予測値補正部３０９は、＾ｙ（ｔ_ｐ）＋αにより予測値＾ｙ（ｔ_ｐ）を補正する。これにより、補正後予測値＾ｙ_α（ｔ_ｐ）：＝＾ｙ（ｔ_ｐ）＋αが得られる。

出力部３１０は、補正が実施された場合は補正後予測値＾ｙ_α（ｔ_ｐ）、補正が実施されなかった場合は予測値＾ｙ（ｔ_ｐ）を所定の出力先に出力する。なお、所定の出力先としては、例えば、ディスプレイ等の表示装置１０２でもよいし、補助記憶装置１０７等の記憶装置でもよいし、通信ネットワークを介して接続される他の機器や装置等であってもよい。特に、出力部３１０は、補正後予測値＾ｙ_α（ｔ_ｐ）又は予測値＾ｙ（ｔ_ｐ）に基づいて予測値の算出対象となった機器の運転等を制御する制御装置に対して当該補正後予測値＾ｙ_α（ｔ_ｐ）又は予測値＾ｙ（ｔ_ｐ）を出力してもよい。

＜予測処理＞
以下、本実施形態に係る予測処理について、図５を参照しながら説明する。

まず、データ取得部３０１は、実績データベース２０１から実績データｘ（ｔ）の時系列を予測値補正用データ｛ｘ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝として取得する（ステップＳ１０１）。なお、ｔ_ｐは、例えば、現在時刻等である。

次に、データ加工部３０２は、上記のステップＳ１０１で取得された予測値補正用データ｛ｘ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝を加工する（ステップＳ１０２）。なお、データ加工の必要がない場合、本ステップは実行されなくてもよい。

次に、過去データ予測部３０３は、データ加工後の予測値補正用データ｛ｘ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝に含まれる各実績データｘ（ｔ）と、予測モデルｆとを用いて、実績データｘ（ｔ）に対する予測値＾ｙ（ｔ）を算出する（ステップＳ１０３）。これにより、｛＾ｙ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝が得られる。

次に、長期誤差傾向算出部３０４は、上記のステップＳ１０３で算出された予測値＾ｙ（ｔ）とそれに対応する実績値ｙ（ｔ）との誤差Δ（ｔ）：＝ｙ（ｔ）－＾ｙ（ｔ）を用いて、長期誤差傾向を算出する（ステップＳ１０４）。

次に、短期誤差傾向算出部３０５は、誤差Δ（ｔ）を用いて、短期誤差傾向を算出する（ステップＳ１０５）。

次に、補正実施判定部３０６は、上記のステップＳ１０４で算出された長期誤差傾向と、上記のステップＳ１０５で算出された短期誤差傾向とを用いて、補正を実施するか否かを判定する（ステップＳ１０６）。すなわち、補正実施判定部３０６は、例えば、長期誤差傾向と短期誤差傾向との正負の符号が一致するか否かにより、補正を実施するか否かを判定する。

上記のステップＳ１０６で補正を実施すると判定された場合、データ取得部３０１は、予測対象データベース２０２から予測対象データｘ（ｔ_ｐ）を取得する（ステップＳ１０７）。

次に、データ加工部３０２は、上記のステップＳ１０７で取得された予測対象データｘ（ｔ_ｐ）を加工する（ステップＳ１０８）。なお、データ加工の必要がない場合、本ステップは実行されなくてもよい。

次に、モデル予測部３０７は、データ加工後の予測対象データｘ（ｔ_ｐ）と、予測モデルｆとを用いて、予測対象データｘ（ｔ_ｐ）に対する予測値＾ｙ（ｔ_ｐ）を算出する（ステップＳ１０９）。

次に、補正量算出部３０８は、補正量を算出する（ステップＳ１１０）。例えば、補正量算出部３０８は、上記の補正量α_１、α_２又はα_３のいずれかを補正量αとして算出する。

次に、予測値補正部３０９は、上記のステップＳ１１０で算出された補正量を用いて、上記のステップＳ１０９で算出された予測値＾ｙ（ｔ_ｐ）を補正する（ステップＳ１１１）。例えば、予測値補正部３０９は、＾ｙ（ｔ_ｐ）＋αにより予測値＾ｙ（ｔ_ｐ）を補正して補正後予測値＾ｙ_α（ｔ_ｐ）：＝＾ｙ（ｔ_ｐ）＋αを得る。

上記のステップＳ１０６で補正を実施すると判定されなかった場合、データ取得部３０１は、予測対象データベース２０２から予測対象データｘ（ｔ_ｐ）を取得する（ステップＳ１１２）。

次に、データ加工部３０２は、上記のステップＳ１１２で取得された予測対象データｘ（ｔ_ｐ）を加工する（ステップＳ１１３）。なお、データ加工の必要がない場合、本ステップは実行されなくてもよい。

そして、ステップＳ１１１又はステップＳ１１４に続いて、出力部３１０は、補正が実施された場合は補正後予測値＾ｙ_α（ｔ_ｐ）、補正が実施されなかった場合は予測値＾ｙ（ｔ_ｐ）を出力する（ステップＳ１１５）。

＜実験例＞
以下、本実施形態に係る予測装置１０の実験例について説明する。

まず、以下の式の変数ｘ_１，ｘ_２，ｘ_３に対して０から１までの一様乱数を与えて１００００点の模擬データを作成した。

ｙ＝１２ｘ_１ ^４－４ｘ_２ ^３＋ｘ_３ ^３
上記の式により作成した模擬データの分布を図６に示す。

また、以下の式の変数ｘに対して０から１までの９０００項の等差数列を与えて９０００点の長期誤差Ｅ_ｌと短期誤差Ｅ_ｓを作成した。

Ｅ_ｌ＝ｓｉｎ（２πｘ）
Ｅ_ｓ＝０．７ｓｉｎ（１００πｘ）
そして、１００００点の模擬データのうち、１００１点から１００００点の９０００点の模擬データに対して、９０００点の長期誤差Ｅ_ｌ及び短期誤差Ｅ_ｓの和（合計誤差）をそれぞれ足し合わせた。

上記の足し合わせを行った後の模擬データにおける長期誤差Ｅ_ｌ及び短期誤差Ｅ_ｓの合計誤差の推移を図７に示す。図７に示すように、短期誤差Ｅ_ｓの影響により、長期誤差Ｅ_ｌと合計誤差の正負の符号が一致しない範囲がある。具体的には、範囲Ｉ_１とＩ_２で長期誤差Ｅ_ｌと合計誤差の正負の符号が一致していない。

このとき、以下の条件の下、本実施形態に係る予測装置１０のと、既存手法とを比較した。

説明変数：ｘ_１，ｘ_２，ｘ_３
目的変数：ｙ
学習データ：０～１０００点
評価データ：１００１～１００００点
予測モデル：勾配ブースティング
長期誤差傾向：平均誤差
パラメータＴ_１：１０００
パラメータＴ_２：１０
補正量：平均誤差
既存手法との比較方法：平均絶対誤差
また、既存手法としては、予測値に対して補正を毎回実施する手法を採用した。

このとき、既存手法で１００項移動平均を取った絶対誤差の推移を図８に示す。また、本実施形態に係る予測装置１０で１００項移動平均を取った絶対誤差の推移を図９に示す。なお、移動平均を取った理由は誤差の変化をわかりやすくするためである。

図８及び図９を比較すると、既存手法に対して、本実施形態に係る予測装置１０では、範囲Ｊ_１とＪ_２で誤差の増加が抑制されていることがわかる。また、これらの範囲Ｊ_１及びＪ_２は、図７で長期誤差Ｅ_ｌと合計誤差の正負の符号が一致しない範囲Ｉ_１及びＩ_２であることがわかる。このため、既存手法と比較して、本実施形態に係る予測装置１０では、長期誤差Ｅ_ｌと合計誤差の正負の符号が一致しない範囲で誤差の増加を抑制できていることがわかる。

また、既存手法の平均絶対誤差は約０．５であるのに対して、本実施形態に係る予測装置１０では平均絶対誤差が約０．４５であった。このため、平均絶対誤差も約１０％改善できていることがわかる。

＜まとめ＞
以上のように、本実施形態に係る予測装置１０では、長期予測の誤差の傾向と短期予測の誤差の傾向との方向が一致する場合に、長期予測の誤差の傾向を利用して予測値を補正する。これにより、予測値の補正によって誤差が増加し、予測精度が更に悪化してしまう事態を抑制することができる。

このため、例えば、短期的な誤差傾向が長期的な誤差傾向と一時的に異なった場合等には補正を実施せず、予測精度の更なる悪化を防止することができる。また、これに加えて、誤差傾向のみから補正を行うため、例えば、説明変数に現れない未知の誤差要因に対しても対応可能な補正を実現することができる。

＜変形例＞
・変形例１
上記の実施形態では、予め決められた値を持つ１つパラメータセットＳ＝（Ｔ_１，Ｔ_２，ｓ_１，ｓ_２，ｓ_３）を用いて上記の予測処理を実行したが、例えば、複数のパラメータセット｛Ｓ^（ｉ）＝（Ｔ_１ ^（ｉ），Ｔ_２ ^（ｉ），ｓ_１ ^（ｉ），ｓ_２ ^（ｉ），ｓ_３ ^（ｉ））｜ｉ＝１，・・・，Ｉ｝（ただし、ＩはパラメータセットＳ^（ｉ）の数）のうち、最も予測精度が良くなる補正量α^（ｉ）が得られるパラメータセットＳ^（ｉ）を用いて、補正後予測値＾ｙ_α（ｔ_ｐ）を算出してもよい。ここで、最も予測精度が良くなる補正量α^（ｉ）が得られるパラメータセットＳ^（ｉ）とは、例えば、｛Ｓ^（ｉ）｜ｉ＝１，・・・，Ｉ｝に含まれるパラメータセットＳ^（ｉ）を用いて、実績データ｛ｘ（ｔ）｜ｔ＝ｔ_ｐ－Ｔ，・・・，ｔ_ｐ｝に含まれる各実績データｘ（ｔ）を予測対象データとして上記の予測処理をそれぞれ実行して当該実績データｘ（ｔ）の予測値＾ｙ（ｔ）又は補正後予測値＾ｙ_α（ｔ）と実績値ｙ（ｔ）との誤差の平均値を算出したときに、その平均値が最小となるパラメータセットＳ^（ｉ）のことである。

・変形例２
上記の変形例１ではパラメータセットをＳ^（ｉ）＝（Ｔ_１ ^（ｉ），Ｔ_２ ^（ｉ），ｓ_１ ^（ｉ），ｓ_２ ^（ｉ），ｓ_３ ^（ｉ））としたが、図５のステップＳ１０６で長期誤差傾向と短期誤差傾向の差が予め決められた範囲内であるか否かも判定する場合には、Ｓ^（ｉ）＝（Ｔ_１ ^（ｉ），Ｔ_２ ^（ｉ），ｓ_１ ^（ｉ），ｓ_２ ^（ｉ），ｓ_３ ^（ｉ），ｔｈ^（ｉ））としてもよい。その他にもパラメータセットには様々なパラメータが含まれていてもよい。例えば、予測値補正部３０９によって予測値を補正する際に、予測値に対して補正量を加算する以外にも様々な補正方法をパラメータによって指定可能である場合にはこのパラメータがパラメータセットＳに含まれていてもよい。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。

１０ 予測装置
１０１ 入力装置
１０２ 表示装置
１０３ 外部Ｉ／Ｆ
１０３ａ 記録媒体
１０４ 通信Ｉ／Ｆ
１０５ ＲＡＭ
１０６ ＲＯＭ
１０７ 補助記憶装置
１０８ プロセッサ
１０９ バス
２０１ 実績データベース
２０２ 予測対象データベース
３０１ データ取得部
３０２ データ加工部
３０３ 過去データ予測部
３０４ 長期誤差傾向算出部
３０５ 短期誤差傾向算出部
３０６ 補正実施判定部
３０７ モデル予測部
３０８ 補正量算出部
３０９ 予測値補正部
３１０ 出力部

Claims (8)

1. 予測モデルの長期的な予測誤差の傾向を表す長期誤差傾向を算出するように構成されている長期誤差傾向算出部と、
   前記予測モデルの短期的な予測誤差の傾向を表す短期誤差傾向を算出するように構成されている短期誤差傾向算出部と、
   前記長期誤差傾向と、前記短期誤差傾向とに基づいて、前記予測モデルによって算出される予測値を補正するか否かを判定するように構成されている補正実施判定部と、
   前記補正実施判定部によって前記予測値を補正すると判定された場合、前記長期誤差傾向に基づいて、前記予測値に対する補正量を算出するように構成されている補正量算出部と、
   前記補正量により前記予測値を補正するように構成されている補正部と、
   を有する予測値補正装置。
2. 前記補正実施判定部は、
   前記長期誤差傾向の正負を表す符号と、前記短期誤差傾向の正負を表す符号とが一致する場合は前記予測値を補正すると判定し、一致しない場合は前記予測値を補正しないと判定するように構成されている、請求項１に記載の予測値補正装置。
3. 前記補正実施判定部は、
   前記長期誤差傾向の正負を表す符号と、前記短期誤差傾向の正負を表す符号とが一致し、かつ、前記長期誤差傾向と前記短期誤差傾向との差の絶対値が予め決められた閾値未満である場合は前記予測値を補正すると判定し、一致しない場合又は前記絶対値が前記閾値以上である場合には前記予測値を補正しないと判定するように構成されている、請求項２に記載の予測値補正装置。
4. 前記長期誤差傾向算出部は、
   現在から過去の第１の時刻までの期間を表す第１の期間における前記予測モデルの予測誤差の平均値又は中央値を前記長期誤差傾向として算出するように構成されており、
   前記短期誤差傾向算出部は、
   現在から過去の第２の時刻までの期間であって、かつ、前記第１の期間よりも短期的な期間である第２の期間における前記予測モデルの予測誤差の平均値又は中央値を前記短期誤差傾向として算出するように構成されている、請求項１乃至３の何れか一項に記載の予測値補正装置。
5. 前記予測値補正装置は、
   前記第１の期間の長さを表す第１のパラメータと、前記第２の期間の長さを表す第２のパラメータとで構成されるパラメータセットのうち、前記予測値又は前記補正量によって補正された予測値の予測精度が最も高くなるパラメータセットを用いて、前記長期誤差傾向算出部による長期誤差傾向の算出と、前記短期誤差傾向算出部による短期誤差傾向の算出と、前記補正実施判定部による判定と、前記補正量算出部による補正量の算出と、前記補正部による予測値の補正とを行う、請求項４に記載の予測値補正装置。
6. 前記パラメータセットには、前記長期誤差傾向として算出する値の種類を表すパラメータ、前記短期誤差傾向として算出する値の種類を表すパラメータ、前記補正実施判定部による判定方法を表すパラメータ、前記補正部による予測値の補正方法を表すパラメータ、の少なくとも１つが更に含まれる、請求項５に記載の予測値補正装置。
7. 予測モデルの長期的な予測誤差の傾向を表す長期誤差傾向を算出する長期誤差傾向算出手順と、
   前記予測モデルの短期的な予測誤差の傾向を表す短期誤差傾向を算出する短期誤差傾向算出手順と、
   前記長期誤差傾向と、前記短期誤差傾向とに基づいて、前記予測モデルによって算出される予測値を補正するか否かを判定する補正実施判定手順と、
   前記補正実施判定手順によって前記予測値を補正すると判定された場合、前記長期誤差傾向に基づいて、前記予測値に対する補正量を算出する補正量算出手順と、
   前記補正量により前記予測値を補正する補正手順と、
   をコンピュータが実行する予測値補正方法。
8. 予測モデルの長期的な予測誤差の傾向を表す長期誤差傾向を算出する長期誤差傾向算出手順と、
   前記予測モデルの短期的な予測誤差の傾向を表す短期誤差傾向を算出する短期誤差傾向算出手順と、
   前記長期誤差傾向と、前記短期誤差傾向とに基づいて、前記予測モデルによって算出される予測値を補正するか否かを判定する補正実施判定手順と、
   前記補正実施判定手順によって前記予測値を補正すると判定された場合、前記長期誤差傾向に基づいて、前記予測値に対する補正量を算出する補正量算出手順と、
   前記補正量により前記予測値を補正する補正手順と、
   をコンピュータに実行させるプログラム。

Images