JP7417161B2 - 補間処理装置及び補間処理方法並びに補間処理プログラム - Google Patents
補間処理装置及び補間処理方法並びに補間処理プログラム Download PDFInfo
- Publication number
- JP7417161B2 JP7417161B2 JP2022527386A JP2022527386A JP7417161B2 JP 7417161 B2 JP7417161 B2 JP 7417161B2 JP 2022527386 A JP2022527386 A JP 2022527386A JP 2022527386 A JP2022527386 A JP 2022527386A JP 7417161 B2 JP7417161 B2 JP 7417161B2
- Authority
- JP
- Japan
- Prior art keywords
- series data
- time series
- data
- interpolation processing
- target
- 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
- 238000012545 processing Methods 0.000 title claims description 135
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 17
- 238000013500 data storage Methods 0.000 description 8
- 239000006185 dispersion Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Complex Calculations (AREA)
Description
本発明は、補間処理装置及び補間処理方法並びに補間処理プログラムに関する。
ネットワークに接続されている装置(以下、「ネットワーク装置」という)より各種の情報を取得する方法として、SNMP/MIB、Telemetry、xFlow、パケットキャプチャなどが知られている。これらの従来の方法を用いて、例えばネットワークトラフィックを漏れなく収集した場合には、極めて大きいデータサイズとなる。例えば、平均で5[Gbps(bitsper second)]、1か月で1.6[PB;Peta Bytes]となってしまう。このため、従来においては想定する利用目的に応じて、収集データ種別の削減(トラフィック量のみ、或いは、パケットのヘッダのみなど)や、収集間隔の調整(5分間の平均値、1時間の平均値など)を行うことにより、データ量の削減を図っている。
その一方で、ネットワーク装置より収集した各種のデータに基づいて障害の解析、再現を行う場合や、ユーザの影響を類推する場合、或いは、異なる時間間隔のデータ(例えば、モバイルユーザのGPS移動履歴など)と組み合わせて分析を行う場合等には、より高精細なデータを取得することが求められる。即ち、一定時間当たりに取得するデータ数を多くすることが求められる。
このため、ネットワーク装置より取得されるデータの変化状況に合わせて、リアルタイムにデータの取得間隔を調整して、より高精細なデータの取得、及びデータ量の削減を両立する方法が提案されている(例えば、非特許文献1参照)。
酒井他, "エージェント型監視システムにおける監視間隔動的調整手法の提案," 信学技報, vol. 119, no. 299, ICM2019-22, pp. 7-12, 2019年11月.
しかしながら、上述した従来の技術では、データの取得間隔が変化するので、収集したデータを解析する際の前処理が煩雑化する。また、収集するデータ量が変化するため、必要なリソース量、例えば必要とするディスク容量やネットワーク帯域を事前に見極めることが難しく、時系列データを高精細化することが難しいという問題があった。
本発明は、上記事情に鑑みてなされたものであり、その目的とするところは、データ処理が煩雑化することなく、必要なリソース量を事前に見極めることが可能な補間処理装置及び補間処理方法並びに補間処理プログラムを提供することにある。
本発明の一態様の補間処理装置は、時系列データを取得する時系列データ取得部と、前記時系列データ取得部で取得した各時系列データを記憶する記憶部と、前記時系列データのうち、補間処理の対象となる対象時系列データから、特徴を抽出する特徴抽出部と、前記特徴抽出部で抽出した特徴のうち、所望の特徴を選択する特徴選択部と、前記対象時系列データのうち補間対象となる区間の時系列データに、前記対象時系列データとは異なる他の時系列データ、または、前記対象時系列データのうち補間対象となる区間以外の区間の時系列データを用いて補間処理を実施する補間処理部と、を含み、前記補間処理部は、前記特徴選択部で選択された特徴が、補間処理の前後で維持されるように補間することを特徴とする。
本発明の一態様の補間処理方法は、時系列データを取得するステップと、取得した前記時系列データを記憶するステップと、前記時系列データのうち、補間処理の対象となる対象時系列データから、特徴を抽出するステップと、前記抽出した特徴のうち、所望の特徴を選択するステップと、前記対象時系列データのうち補間対象となる区間の時系列データに、前記対象時系列データとは異なる他の時系列データ、または、前記対象時系列データのうち補間対象となる区間以外の区間の時系列データを用い、前記所望の特徴が、補間処理の前後で維持されるように補間するステップと、を含むことを特徴とする。
本発明の一態様は、上記補間処理装置としてコンピュータを機能させるための補間処理プログラムである。
本発明によれば、データ処理が煩雑化することなく、必要なリソース量を事前に見極めることが可能となる。
以下、本発明の実施形態について図面を参照して説明する。
[第1実施形態の構成の説明]
図1は、本発明の第1実施形態に係る補間処理装置の構成を示すブロック図である。
[第1実施形態の構成の説明]
図1は、本発明の第1実施形態に係る補間処理装置の構成を示すブロック図である。
図1に示すように、本実施形態に係る補間処理装置101は、ネットワーク5を介して、複数のネットワーク装置61に接続されている。
補間処理装置101は、各ネットワーク装置61より出力される時系列データをネットワーク5を介して取得する。本実施形態で示す「時系列データ」とは、一定の時間間隔、或いは任意の時間間隔で、時系列的に取得されるデータを示す。
補間処理装置101は、複数のネットワーク装置61のうち、補間処理を実施する対象となるネットワーク装置で取得した時系列データに対して、他のネットワーク装置で取得した時系列データ用いて補間処理を実施する。以下では、補間処理を実施する対象となる時系列データが取得されるネットワーク装置61を「対象ネットワーク装置61a」とし、それ以外のネットワーク装置61を「他のネットワーク装置61b」とする。また、対象ネットワーク装置61aより取得される時系列データを「対象時系列データ」とし、他のネットワーク装置61bより取得される時系列データを「他の時系列データ」とする。
補間処理装置101は、対象ネットワーク装置61aで取得した対象時系列データにおける補間対象となる区間の時系列データに対して、他のネットワーク装置61bで取得した他の時系列データ(対象時系列データとは異なる時系列データ)を用いて補間処理を実施することにより、対象時系列データの一定時間当たりのデータ密度を増加させる。「補間処理」とは、時系列的データに含まれるデータ間に、補間データを挿入することにより、データ密度を増加することをいう。
例えば、対象時系列データが15分間隔のデータ密度からなり、他の時系列データが5分間隔のデータ密度からなる場合において、対象時系列データに対して他の時系列データより抽出したデータを用いて補間処理を実施する。その結果、15分間隔のデータ密度を有する対象時系列データを、5分間隔のデータ密度を有する時系列データ(後述する、補間処理データ)に変更することができる。なお以下では、時系列データに含まれる一定時間当たりのデータ数を増加することを「高精細化する」という。
また、他のネットワーク装置61bが複数存在し、複数の他の時系列データを取得した場合には、このうち補間処理に用いる他の時系列データを選択する。補間処理に用いる他の時系列データを選択する方法として、ユーザが指定する方法、及び、後述する特徴選択部23により、対象時系列データに対して関連性の高い他の時系列データを自動で選択する方法を採用することができる。
関連性の高い時系列データとして、例えば、同一のイベント、同一の時間帯にて取得した時系列データを挙げることができる。更に、ネットワーク装置の種類やベンダ(製造元)、ネットワーク装置の設置地域、導入時期、ネットワーク構成上の役割(外部接続ルータ、部署の代表スイッチ)、に基づいて関連性が高い時系列データであるか否かを判定することも可能である。一例として2020年のオリンピックに関連する対象時系列データを補間するために、2016年のオリンピックに関連して取得した他の時系列データで抽出したデータを用いることができる。
なお、対象時系列データにおける補間処理を実施する区間と、他の時系列データから補間用のデータを抽出する区間は同一でなくてもよい。例えば、対象時系列データが月曜日から金曜日までの5日分の時系列データであり、この時系列データを高精細化するために、他の時系列データのうち、特定の曜日(例えば、月曜日)の時系列データを用いることも可能である。
こうすることにより、対象ネットワーク装置61aと関連性の高い他のネットワーク装置61bを用いることができ、より高精度な補間処理を実施することが可能となる。
以下、本実施形態に係る補間処理装置101の具体的な構成について説明する。図1に示すように、補間処理装置101は、受信部1と、処理部2と、記憶部3と、出力部4と、を含む。
受信部1は、対象ネットワーク装置61aより出力される対象時系列データを、ネットワーク5を経由して受信する。受信部1はまた、他のネットワーク装置61bより出力される他の時系列データを、ネットワーク5を経由して受信する。即ち、受信部1は、複数の時系列データを取得する時系列データ取得部としての機能を備えている。
記憶部3は、時系列データ記憶部31と、補間処理データ記憶部32を含む。
時系列データ記憶部31は、受信部1にて受信した対象時系列データ、及び他の時系列データを記憶する。
補間処理データ記憶部32は、後述する補間処理部24で補間処理が実施され、高精細化された時系列データ(後述する補間処理データ)を記憶する。
処理部2は、設定情報取得部21と、特徴抽出部22と、特徴選択部23と、補間処理部24と、を含む。
設定情報取得部21は、ユーザによる設定情報の入力を受け付ける。設定情報は、対象時系列データに補間処理を実施して高精細化する際に、補間処理の前後において維持するべき特徴を含む情報である。「特徴」とは、後述する図3、図4に示すように、例えば最大値、平均値、99パーセンタイル、分散、標準偏差などの代表値である。例えば、ユーザにより設定された特徴が「平均値」である場合には、補間処理の前後において時系列データの平均値が同一となるように補間処理が実施される。こうすることにより、補間処理の前後において、平均値が大きく変化することを防止する。例えば、補間データとして物理的にあり得ないデータが用いられることを防止する。
設定情報取得部21はまた、他のネットワーク装置61bが複数存在し、各々より他の時系列データが取得される場合に、このうち補間処理に用いる時系列データの設定を受け付ける。即ち、ユーザによる他の時系列データの選択入力を受け付ける。
例えば、対象ネットワーク装置61aより取得される対象時系列データが「イベントA」に関する時系列データである場合には、ユーザは、この「イベントA」に関連する「イベントB」に関連する時系列データ(他の時系列データ)を選択する。
また、他のネットワーク装置61bの選択は、ユーザによる設定入力以外にも、特徴選択部23の処理により自動で選択することも可能である。前述したように、対象時系列データとの関連性が高い時系列データを自動で選択し、補間処理に用いることも可能である。
特徴抽出部22は、対象ネットワーク装置61aより出力される対象時系列データの特徴を抽出する。具体的に、図3に示すように、対象時系列データに含まれる複数のデータの最大値、99パーセンタイル、50パーセンタイル、1パーセンタイル、平均値、最小値、分散、中央値、標準偏差、自己相関係数、分布類似度などの特徴を抽出する。
特徴選択部23は、特徴抽出部22で抽出された複数の特徴(図3参照)から、設定情報取得部21にて入力された所望の特徴を選択する。図4は、対象時系列データ、及び他の時系列データにおいて、選択できる特徴、及び選択できない特徴を示す図である。図4に示すように、対象時系列データ、及び他の時系列データにおける各区間ごとに、選択できることを示す「True」、選択できないことを示す「False」が設定されている。例えば、対象時系列データの全区間において、「平均値」を選択することが可能とされている(「True」とされている)。
特徴選択部23は、設定情報取得部21にて設定された特徴を選択する。例えば、設定情報取得部21にて「平均値」が設定された場合には、複数の特徴のうち「平均値」を選択する。また、複数の特徴のうち、「平均値」及び「中央値」の2つが選択された場合には「平均値」及び「中央値」の双方を採用する。
補間処理部24は、他の時系列データに含まれるデータを用いて、対象時系列データを補間する処理を実施する。対象時系列データが15分間隔のデータからなり、他の時系列データが5分間隔のデータからなる場合において、対象時系列データに対して他の時系列データを用いて補間処理を実施する。そして、対象時系列データを5分間隔のデータを有する時系列データに変更する。なお、以下では補間処理を実施した後の時系列データを「補間処理データ」という。
補間処理部24はまた、特徴選択部23で選択された特徴を維持して補間処理を実施する。例えば、対象時系列データに対して選択された特徴が「平均値」である場合には、補間処理データの平均値が対象時系列データの平均値と一致するように補間処理を実施する。詳細には、後述する図7に示すように、平均値が予め設定されている許容誤差の範囲内となるように補間処理を実施する。また他の例として、特徴選択部23で選択された特徴が「平均値」及び「最大値」である場合には、補間処理データの平均値が対象時系列データの平均値と一致し、且つ、補間処理データの最大値が対象時系列データの最大値を超えないように補間処理を実施する。
補間処理部24はまた、他の時系列データに対して選択された特徴が「分散」である場合には、補間処理に用いる補間データの分散が、他の時系列データの分散と一致するように、補間データを決定する。
補間処理部24はまた、対象時系列データに補間処理を実施して算出した補間処理データを、記憶部3の補間処理データ記憶部32に記憶する。具体的な補間処理については後述する。
出力部4は、補間処理データ記憶部32に記憶されている補間処理データを外部に出力する。
[補間処理の説明]
次に、補間処理の処理手順について説明する。図2Aは対象時系列データの一例を示すグラフである。図2Bは他の時系列データの一例を示すグラフである。図3は対象時系列データに対して設定される特徴(時系列データの代表値)を示す説明図である。
次に、補間処理の処理手順について説明する。図2Aは対象時系列データの一例を示すグラフである。図2Bは他の時系列データの一例を示すグラフである。図3は対象時系列データに対して設定される特徴(時系列データの代表値)を示す説明図である。
図2Aに示すように、対象時系列データx1、x2・・は、15分間隔のデータを有する時系列データである。図2Bに示すように、他の時系列データy1、y2・・は、5分間隔のデータを有する時系列データである。
前述したように、特徴抽出部22により対象時系列データの、全区間(全ての時間帯)で検出されたデータの代表値(特徴)が抽出され、更に、他の時系列データの、全区間で検出されたデータの代表値(特徴)が抽出される。代表値として、図3に示すように、対象時系列データに含まれる複数のデータの最大値、99パーセンタイル、50パーセンタイル、1パーセンタイル、平均値、最小値、分散、中央値、標準偏差、自己相関係数、分布類似度、などが挙げられる。なお、本実施形態で示す「特徴」は、上述した各代表値以外のデータを用いることも可能である。
その後、特徴選択部23により、特徴抽出部22で抽出された複数の代表値のうち、設定情報取得部21で設定された代表値が選択される。一例として、対象時系列データの代表値として図3に示す「平均値;c5」が選択され、他の時系列データの代表値として「分散;C7」が選択される。
補間処理部24は、他の時系列データに含まれる5分間隔のデータを用いて、15分間隔のデータを含む対象時系列データを補間処理することにより、高精細化した時系列データである補間処理データを演算する。
図5Aは対象時系列データに補間処理を実施して得られる補間処理データを示す説明図である。図5Bは図5Aに示した補間処理データに曲線を記載したグラフである。図5A、図5Bに示す符号p1、p2、p3、p4は、対象時系列データに含まれるデータである。各データp1~p4は15分間隔で取得されている。
補間処理部24は、図5A、図5Bに黒丸で示すデータp1とp2の間に、白丸2つの補間データq1、q2を加えて補間する。同様に、データp2とp3との間に2つの補間データq3、q4を加えて補間し、データp3とp4との間に2つの補間データq5、q6を加えて補間する。即ち、15分間隔のデータを有する対象時系列データから、5分間隔のデータを有する時系列データである補間処理データを算出することができる。
この際、図5A、図5Bに示すデータ(p1~p3)及び補間データ(q1~q6)からなる合計9個のデータの平均値が、3個のデータ(p1~p3)の平均値と一致するように、補間データ(q1~q6)が設定される。また、6個の補間データ(q1~q6)の分散が、他の時系列データの全体に含まれるデータの分散と一致するように、補間データ(q1~q6)が設定される。
[補間処理の実施例1の説明]
次に、具体的な補間処理の手順について説明する。初めに補間処理の実施例1の手順を、図6、図7、図8A~図8Cを参照して説明する。図6は、時系列データにおけるデータを取得した時刻、対象時系列データ、他の時系列データを0~1の数値に正規化したデータ、及び補間処理データを示す図である。
次に、具体的な補間処理の手順について説明する。初めに補間処理の実施例1の手順を、図6、図7、図8A~図8Cを参照して説明する。図6は、時系列データにおけるデータを取得した時刻、対象時系列データ、他の時系列データを0~1の数値に正規化したデータ、及び補間処理データを示す図である。
図7は、代表値の許容誤差を示す図である。図8Aは、対象時系列データに含まれるデータをプロットしたグラフである。図8Bは、他の時系列データを正規化した数値(0~1の数値)をプロットしたグラフである。図8Cは、補間処理により算出された補間データをプロットしたグラフである。
各代表値は、図7に示す許容誤差の範囲で設定される。例えば、対象時系列データに対して設定される特徴が「平均値」である場合には、許容誤差は「±0.2%」に設定される。
図6、図8Aに示すように、対象時系列データは15分間隔で取得されている。例えば、対象時系列データの時刻「0:45」における数値は「4」であり、時刻「1:00」における数値は「3」である。
図6、図8Bに示すように、他の時系列データを正規化したデータの時刻「0:50」における数値は「0.407822369」であり、時刻「0:55」における数値は「0.528055218」である。また、上述したように、他の時系列データの特徴として「分散」が選択されている。従って、図6に示す正規化したデータの「分散」は、他の時系列データ全体の分散と一致するように設定されている。
また前述したように、設定情報取得部21において対象時系列データの特徴が「平均値」に設定されている。従って、補間処理データの平均値が、対象時系列データの平均値と一致するように補間データを算出する。より詳細には、補間処理データ(図8C参照)の平均値と、対象時系列データ(図8A参照)の平均値との誤差が、図7に示した許容誤差の範囲内となるように補間データを算出する。
図6に示す対象時系列データに含まれるデータの平均値、即ち、図8Aに示す各データp11~p16の平均値は「3.5」である。そして、補間処理により算出される補間処理データの平均値、即ち、図8Cに示す18個の各データの平均値が「3.5」になるように補間処理を実施する。
詳細には、図8Cに示すp11、q11、q12の平均値がp11の平均値と一致するように、補間データq11、q12を算出する。また、p12、q13、q14の平均値がp12の平均値と一致するように、補間データq13、q14を算出する。以下、同様である。
以下において、一例として図8Cに示す補間データq17、q18を演算する手順について説明する。補間データq17は、以下に示す(1)式で算出することができる。
2*4*{0.407822369/(0.407822369+0.528055218)}=3.486117 …(1)
(1)式において、左辺の「2」は、補間データの個数を示す。即ち、p14とp15の間に2つの補間データを挿入することを示す。左辺の「4」は、図8Aに示すp14の数値、即ち時刻「00:45」における対象時系列データの数値を示す。また、括弧内の数値は、それぞれ時刻「00:50」、「00:55」における他の時系列データ(正規化した数値)を示している。
(1)式において、左辺の「2」は、補間データの個数を示す。即ち、p14とp15の間に2つの補間データを挿入することを示す。左辺の「4」は、図8Aに示すp14の数値、即ち時刻「00:45」における対象時系列データの数値を示す。また、括弧内の数値は、それぞれ時刻「00:50」、「00:55」における他の時系列データ(正規化した数値)を示している。
また、上記と同様に、補間データq18は、以下に示す(2)式で算出することができる。
2*4*{0.528055218/(0.407822369+0.528055218)}=4.513883 …(2)
上述した(1)、(2)式から明らかなように、p14、q17、q18の平均値は「4」であり、データp14と一致する。このような演算を、図8Aに示すp11~p16に対して実行することにより、図8Cに示すq11~q22を演算することができる。そして、各データの平均値は、対象時系列データの平均値「3.5」となる。即ち、対象時系列データの平均値(特徴)を維持したまま、該対象時系列データを増加した時系列データである補間処理データを算出することができる。
上述した(1)、(2)式から明らかなように、p14、q17、q18の平均値は「4」であり、データp14と一致する。このような演算を、図8Aに示すp11~p16に対して実行することにより、図8Cに示すq11~q22を演算することができる。そして、各データの平均値は、対象時系列データの平均値「3.5」となる。即ち、対象時系列データの平均値(特徴)を維持したまま、該対象時系列データを増加した時系列データである補間処理データを算出することができる。
[補間処理の実施例2の説明]
次に、補間処理の実施例2の手順を、図9、図10A~10Cを参照して説明する。図9は、データを取得した時刻、対象時系列データ、他の時系列データを0~1の数値に正規化したデータ、及び補間処理データを示す図である。図10Aは、対象時系列データに含まれるデータをプロットしたグラフである。図10Bは、他の時系列データを正規化したデータをプロットしたグラフである。図10Cは、補間処理により算出された補間データをプロットしたグラフである。
次に、補間処理の実施例2の手順を、図9、図10A~10Cを参照して説明する。図9は、データを取得した時刻、対象時系列データ、他の時系列データを0~1の数値に正規化したデータ、及び補間処理データを示す図である。図10Aは、対象時系列データに含まれるデータをプロットしたグラフである。図10Bは、他の時系列データを正規化したデータをプロットしたグラフである。図10Cは、補間処理により算出された補間データをプロットしたグラフである。
補間処理の実施例2では、前述した実施例1と対比して、補間処理データの算出方法が相違する。具体的に実施例2では、補間処理により図10Aに示す各データp11~p16を変更する点で前述した実施例1の補間処理と相違する。
以下一例として、図10Cに示す補間データq40、q41、q42を演算する手順について説明する。補間データq41は、以下に示す(3)式で算出することができる。
3*4*{0.407822369/(0.155685658+0.407822369+0.528055218)}=4.483358 …(3)
(3)式において、左辺の「3」は、補間データの個数、即ち、q40、q41、q42の3個であることを示す。左辺の「4」は、図10Aに示すp14の数値、即ち時刻「00:45」における対象時系列データの数値を示す。また、括弧内の数値は、それぞれ時刻「00:45」、「00:50」、「00:55」における他の時系列データの数値(正規化した数値)を示している。
(3)式において、左辺の「3」は、補間データの個数、即ち、q40、q41、q42の3個であることを示す。左辺の「4」は、図10Aに示すp14の数値、即ち時刻「00:45」における対象時系列データの数値を示す。また、括弧内の数値は、それぞれ時刻「00:45」、「00:50」、「00:55」における他の時系列データの数値(正規化した数値)を示している。
また、上記と同様に補間データq40、q42は、以下に示す(4)式、(5)式で算出することができる。
3*4*{0.155685658/(0.155685658+0.407822369+0.528055218)}=1.711516 …(4)
3*4*{0.528055218/(0.155685658+0.407822369+0.528055218)}=5.805126 …(5)
上述した(3)~(5)式から明らかなように、補間データq40、q41、q42の平均値は「4」であり、データp14と一致する。このような演算を、図10Aに示すp11~p16に対して実行することにより、図10Cに示す補間データq31~q48を演算することができる。そして、補間データq31~q48の平均値は、対象時系列データの平均値「3.5」となる。即ち、対象時系列データの平均値を維持したまま、該対象時系列データを高精細化した時系列データである補間処理データを算出することができる。
3*4*{0.528055218/(0.155685658+0.407822369+0.528055218)}=5.805126 …(5)
上述した(3)~(5)式から明らかなように、補間データq40、q41、q42の平均値は「4」であり、データp14と一致する。このような演算を、図10Aに示すp11~p16に対して実行することにより、図10Cに示す補間データq31~q48を演算することができる。そして、補間データq31~q48の平均値は、対象時系列データの平均値「3.5」となる。即ち、対象時系列データの平均値を維持したまま、該対象時系列データを高精細化した時系列データである補間処理データを算出することができる。
[第1実施形態の効果の説明]
このようにして、第1実施形態に係る補間処理装置101によれば、対象ネットワーク装置61aで取得される対象時系列データを高精細化することができる。例えば、対象時系列データが15分間隔で取得される場合に、他のネットワーク装置61bで取得された時系列データ(例えば、5分間隔の時系列データ)を用いて補間処理を実施することにより、対象時系列データを、5分間隔の時系列データに変更することができる。
このようにして、第1実施形態に係る補間処理装置101によれば、対象ネットワーク装置61aで取得される対象時系列データを高精細化することができる。例えば、対象時系列データが15分間隔で取得される場合に、他のネットワーク装置61bで取得された時系列データ(例えば、5分間隔の時系列データ)を用いて補間処理を実施することにより、対象時系列データを、5分間隔の時系列データに変更することができる。
また、補間処理の前後で予め設定した特徴(代表値)が維持されるように補間処理が実施される。従って、対象時系列データと、該対象時系列データに補間処理を加えた補間処理データとの間で大きな変化が生じることを防止することができる。例えば、補間データとして、物理的にあり得ないデータが用いられることを防止することができる。
更に、補間処理により算出された補間処理データは、一定の時間間隔のデータを有することになるため、データ解析の前処理を不要とし、必要なリソース量を事前に見極めることが可能となる。
また、特徴選択部23では、設定情報取得部21にて入力された設定情報に基づいて、複数の他のネットワーク装置61bから所定のものを選択する。従って、対象ネットワーク装置61aと特徴が類似する他のネットワーク装置61bをユーザが選択することにより、より精度良く対象時系列データを高精細化することができる。
更に、設定情報取得部21が、対象ネットワーク装置61aより取得される対象時系列データに対して関連性の高い他の時系列データを自動で選択する構成とすれば、ユーザによる選択操作の手間を軽減することができる。また、選択した他の時系列データを用いて補間処理を実施することにより、より精度良く補間処理を実施することができ、対象時系列データを高精細化することができる。
[第2実施形態の説明]
次に、本発明の第2実施形態について説明する。前述した第1実施形態では、対象ネットワーク装置61aで取得した対象時系列データを、他のネットワーク装置61bで取得した他の時系列データを用いて補間処理を実施する例について説明した。
次に、本発明の第2実施形態について説明する。前述した第1実施形態では、対象ネットワーク装置61aで取得した対象時系列データを、他のネットワーク装置61bで取得した他の時系列データを用いて補間処理を実施する例について説明した。
これに対して第2実施形態では、対象ネットワーク装置61aで取得された、ある区間の対象時系列データを、他の区間における対象時系列データを用いて補間処理を実施する点で相違する。
装置構成は、前述した図1と同様であるので構成説明を省略する。図11は、対象ネットワーク装置61aで取得された対象時系列データの一例を示すグラフである。図12は、対象時系列データの、全ての区間における代表値(特徴)、及び補間処理の対象となる区間における代表値(特徴)を示す説明図である。
図11に示す区間T1においてはデータが15分間隔で取得され、区間T2においてはデータが5分間隔で取得されている。本実施形態では、区間T2で取得したデータを用いて、区間T1で取得したデータに補間処理を加えることにより、対象時系列データの全体の区間におけるデータを増加させ、対象時系列データ全体を高精細化する。なお、以下では補間対象となる区間を「対象区間」とし、それ以外の区間を「他の区間」とする。
[第2実施形態の補間処理の説明]
次に、第2実施形態に係る補間処理装置による具体的な補間処理について詳細に説明する。図13Aは、対象ネットワーク装置61aで取得した対象時系列データ中の対象区間の時系列データを示すグラフである。図13Bは、対象ネットワーク装置61aで取得した対象時系列データ中の他の区間の時系列データを示すグラフである。
次に、第2実施形態に係る補間処理装置による具体的な補間処理について詳細に説明する。図13Aは、対象ネットワーク装置61aで取得した対象時系列データ中の対象区間の時系列データを示すグラフである。図13Bは、対象ネットワーク装置61aで取得した対象時系列データ中の他の区間の時系列データを示すグラフである。
図13Aに示す対象区間は、図11に示した区間T1に相当し、15分間隔のデータα1、α2・・が取得されている。図13Bに示す他の区間は、図11に示した区間T2に相当し、5分間隔のデータβ1、β2・・が取得されている。そして、図13Aに示した対象区間のデータを、図13Bに示した他の区間のデータを用いて補間処理を実施することにより、対象時系列データの全体を高精細化する。
特徴抽出部22は、対象区間で取得したデータの代表値(特徴)を抽出する。特徴抽出部22はまた、全区間で取得したデータの代表値(特徴)を抽出する。代表値として、図12に示すように、対象区間、或いは全区間に含まれる複数のデータの最大値、99パーセンタイル、50パーセンタイル、1パーセンタイル、平均値、最小値、分散、中央値、標準偏差、自己相関係数、分布類似度、を挙げることができる。なお、本実施形態では、特徴の例として、上記した各代表値を例に挙げて説明したが、本発明はこれに限定されるものではなく、他の特徴を用いることも可能である。
特徴選択部23は、特徴抽出部22で抽出された複数の代表値のうち、設定情報取得部21で設定された代表値を選択する。特徴選択部23は、一例として対象区間の平均値を選択する。特徴選択部23は、一例として他の区間の分散を選択する。
補間処理部24は、他の区間に含まれる5分間隔のデータを用いて、15分間隔のデータを含む対象区間のデータに補間処理を加える。そして、対象区間に含まれるデータの数を増加させ、対象時系列データの全体を高精細化する。
具体的な補間処理の手順は、前述した第1実施形態と同様であるので、詳細な説明を省略する。
[第2実施形態の効果の説明]
このようにして、第2実施形態に係る補間処理装置では、前述した第1実施形態と同様の効果を達成することができる。即ち、対象ネットワーク装置61aで取得される対象時系列データを高精細化することができる。
このようにして、第2実施形態に係る補間処理装置では、前述した第1実施形態と同様の効果を達成することができる。即ち、対象ネットワーク装置61aで取得される対象時系列データを高精細化することができる。
また、補間処理の前後で予め設定した特徴(例えば、平均値)が維持されるように補間処理が実施される。従って、対象時系列データと、該対象時系列データに補間処理を加えた補間処理データとの間で大きな変化が生じることを防止することができる。例えば、補間データとして物理的にあり得ないデータが用いられることを防止することができる。
更に、第2実施形態では、対象ネットワーク装置61aで取得した対象時系列データの、対象区間のデータを、他の区間のデータを用いて補間処理を実施する。具体的に、例えばデータが15分間隔で取得される対象区間に対して、データが5分間隔で取得される他の区間のデータを用いて補間処理を実施し、補間処理データを演算する。
このため、他のネットワーク装置61bより取得される他の時系列データを用いることなく、対象時系列データの補間処理を実施することができる。
なお、上述した第1、第2実施形態では、対象時系列データが15分間隔のデータであり、他の時系列データが5分間隔のデータである例について説明したが、本発明はこれに限定されるものではない。
また、対象時系列データに対して、一つの他の時系列データを用いて補間処理を実施する例について説明したが、対象時系列データに対して、複数の他の時系列データを用いて補間処理を実施することも可能である。このような構成とすることにより、より高精細な補間処理データを取得することができる。
上記説明した本実施形態の補間処理装置101には、図14に示すように例えば、CPU(Central Processing Unit、プロセッサ)901と、メモリ902と、ストレージ903(HDD:HardDisk Drive、SSD:SolidState Drive)と、通信装置904と、入力装置905と、出力装置906とを備える汎用的なコンピュータシステムを用いることができる。メモリ902およびストレージ903は、記憶装置である。このコンピュータシステムにおいて、CPU901がメモリ902上にロードされた所定のプログラムを実行することにより、補間処理装置101の各機能が実現される。
なお、補間処理装置101は、1つのコンピュータで実装されてもよく、あるいは複数のコンピュータで実装されても良い。また、補間処理装置101は、コンピュータに実装される仮想マシンであっても良い。
なお、補間処理装置101用のプログラムは、HDD、SSD、USB(Universal Serial Bus)メモリ、CD (Compact Disc)、DVD (Digital Versatile Disc)などのコンピュータ読取り可能な記録媒体に記憶することも、ネットワークを介して配信することもできる。
また、本発明は上記実施形態に限定されるものではなく、その要旨の範囲内で数々の変形が可能である。
1 受信部
2 処理部
3 記憶部
4 出力部
5 ネットワーク
21 設定情報取得部
22 特徴抽出部
23 特徴選択部
24 補間処理部
31 時系列データ記憶部
32 補間処理データ記憶部
61 ネットワーク装置
61a 対象ネットワーク装置
61b 他のネットワーク装置
101 補間処理装置
2 処理部
3 記憶部
4 出力部
5 ネットワーク
21 設定情報取得部
22 特徴抽出部
23 特徴選択部
24 補間処理部
31 時系列データ記憶部
32 補間処理データ記憶部
61 ネットワーク装置
61a 対象ネットワーク装置
61b 他のネットワーク装置
101 補間処理装置
Claims (5)
- 時系列データを取得する時系列データ取得部と、
前記時系列データ取得部で取得した各時系列データを記憶する記憶部と、
前記時系列データのうち、補間処理の対象となる対象時系列データから、特徴を抽出する特徴抽出部と、
前記特徴抽出部で抽出した特徴のうち、所望の特徴を選択する特徴選択部と、
前記対象時系列データのうち補間対象となる区間の時系列データに、前記対象時系列データとは異なる他の時系列データ、または、前記対象時系列データのうち補間対象となる区間以外の区間の時系列データを用いて補間処理を実施する補間処理部と、を含み、
前記補間処理部は、前記特徴選択部で選択された特徴が、補間処理の前後で維持されるように補間すること
を特徴とする補間処理装置。 - 前記補間処理部は、前記他の時系列データ、または、前記補間対象となる区間以外の区間の時系列データから補間データを生成し、前記補間データを用いて前記補間対象となる区間の時系列データを補間すること
を特徴とする請求項1に記載の補間処理装置。 - 前記特徴選択部は、前記他の時系列データが複数存在する場合には、複数の他の時系列データのうち前記対象時系列データと関連性の高いものを選択し、
前記補間処理部は、前記特徴選択部で選択された他の時系列データを用いて前記対象時系列データを補間すること
を特徴とする請求項1または2に記載の補間処理装置。 - 時系列データを取得するステップと、
取得した前記時系列データを記憶するステップと、
前記時系列データのうち、補間処理の対象となる対象時系列データから、特徴を抽出するステップと、
前記抽出した特徴のうち、所望の特徴を選択するステップと、
前記対象時系列データのうち補間対象となる区間の時系列データに、前記対象時系列データとは異なる他の時系列データ、または、前記対象時系列データのうち補間対象となる区間以外の区間の時系列データを用い、前記所望の特徴が、補間処理の前後で維持されるように補間するステップと、
を含むことを特徴とする補間処理方法。 - 請求項1~3のいずれか1項に記載した補間処理装置としてコンピュータを機能させるための補間処理プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/021084 WO2021240716A1 (ja) | 2020-05-28 | 2020-05-28 | 補間処理装置及び補間処理方法並びに補間処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021240716A1 JPWO2021240716A1 (ja) | 2021-12-02 |
JP7417161B2 true JP7417161B2 (ja) | 2024-01-18 |
Family
ID=78723116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022527386A Active JP7417161B2 (ja) | 2020-05-28 | 2020-05-28 | 補間処理装置及び補間処理方法並びに補間処理プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7417161B2 (ja) |
WO (1) | WO2021240716A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010264168A (ja) | 2009-05-18 | 2010-11-25 | Seiko Epson Corp | 生体状態測定装置 |
JP2013239013A (ja) | 2012-05-15 | 2013-11-28 | Mitsubishi Electric Building Techno Service Co Ltd | データ処理装置及びプログラム |
WO2015059877A1 (ja) | 2013-10-24 | 2015-04-30 | 三菱電機株式会社 | 情報処理装置及び情報処理方法 |
-
2020
- 2020-05-28 WO PCT/JP2020/021084 patent/WO2021240716A1/ja active Application Filing
- 2020-05-28 JP JP2022527386A patent/JP7417161B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010264168A (ja) | 2009-05-18 | 2010-11-25 | Seiko Epson Corp | 生体状態測定装置 |
JP2013239013A (ja) | 2012-05-15 | 2013-11-28 | Mitsubishi Electric Building Techno Service Co Ltd | データ処理装置及びプログラム |
WO2015059877A1 (ja) | 2013-10-24 | 2015-04-30 | 三菱電機株式会社 | 情報処理装置及び情報処理方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021240716A1 (ja) | 2021-12-02 |
JPWO2021240716A1 (ja) | 2021-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190238581A1 (en) | Method, apparatus and system for detecting abnormal behavior of user | |
EP3734489A1 (en) | Evidence collection method and system based on blockchain evidence storage | |
US20170213025A1 (en) | Methods, systems, apparatus, and storage media for use in detecting anomalous behavior and/or in preventing data loss | |
JP5471859B2 (ja) | 解析プログラム、解析方法、および解析装置 | |
US20210349897A1 (en) | Anomaly detection system | |
WO2020139514A1 (en) | Blockchain-based recordkeeping method and apparatus | |
US20200356547A1 (en) | Blockchain management apparatus, blockchain management method, and program | |
WO2019128299A1 (zh) | 一种测试系统及测试方法 | |
CN111385309B (zh) | 在线办公设备的安全检测方法、系统及终端 | |
CN110008743A (zh) | 一种块链式账本中的数据属性标识方法、装置及设备 | |
CN111339361A (zh) | 车辆诊断记录的处理方法、装置、设备及可读存储介质 | |
US20160094392A1 (en) | Evaluating Configuration Changes Based on Aggregate Activity Level | |
EP3289447A1 (en) | Monitoring application operations using user interaction times | |
EP2639696B1 (en) | Analysis method and information processing apparatus | |
JP7417161B2 (ja) | 補間処理装置及び補間処理方法並びに補間処理プログラム | |
US20090292715A1 (en) | System and Method for Determining Overall Utilization | |
CN111143103A (zh) | 一种关联关系确定方法、装置、设备及可读存储介质 | |
JP2015035160A (ja) | 監視データ記憶装置、監視データ記憶方法およびプログラム | |
CN109861843A (zh) | 日志文件的完整采集确认方法、装置及设备 | |
CN110298178B (zh) | 可信策略学习方法及装置、可信安全管理平台 | |
KR102511439B1 (ko) | Enf 신호를 획득하는 전자 장치 및 이의 동작 방법 | |
Fattah et al. | Long-term iaas provider selection using short-term trial experience | |
CN113269658B (zh) | 核心数据的生产时长的预估方法、装置、设备及存储介质 | |
CN115098311A (zh) | 一种基于多路径别名的测试方法、系统、装置及存储介质 | |
WO2018223254A1 (en) | Alarm processing devices, methods, and systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221024 |
|
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: 20231205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231218 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7417161 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |