JP7458268B2 - 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム - Google Patents
情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム Download PDFInfo
- Publication number
- JP7458268B2 JP7458268B2 JP2020140400A JP2020140400A JP7458268B2 JP 7458268 B2 JP7458268 B2 JP 7458268B2 JP 2020140400 A JP2020140400 A JP 2020140400A JP 2020140400 A JP2020140400 A JP 2020140400A JP 7458268 B2 JP7458268 B2 JP 7458268B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- variable
- series data
- prediction
- objective variable
- 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
- 230000010365 information processing Effects 0.000 title claims description 34
- 238000004590 computer program Methods 0.000 title claims description 4
- 238000003672 processing method Methods 0.000 title claims description 4
- 238000000034 method Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000007619 statistical method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/2163—Partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、本実施形態に係る情報処理装置である予測装置101のブロック図である。図1の予測装置101は、時系列データDB1、データ分割部2(分割部)、学習用データ作成部3、モデル生成部4、手法リスト5、モデルDB6、マッチング部7、選択・予測部8(選択部、予測部)、予測結果DB9、結果出力部10(出力部)を備える。
モデル生成部4又は学習用データ作成部3は、モデルM(3)であるLSTMのモデルパラメータと、区間4を特定する情報とをモデルDB6に保存する。区間4を特定する情報は、一例として、区間4の開始・終了タイムスタンプである。モデルM(3)モデルの作成に用いたモデル学習用データをさらに保存してもよい。
上述した実施形態では水平分割した区間ごとにモデルを作成した。変形例として、垂直分割した定常状態値の区間(基準値の区間)ごとにモデルを作成してもよい。この場合、水平方向の分割を行わなくてもよい。定常状態値の区間を上述した実施形態の区間(第1区間)とみなして、同様の処理を行えばよい。
2 データ分割部
3 学習用データ作成部
4 モデル生成部
5 手法リスト
6 モデルDB
7 マッチング部
8 選択・予測部(選択部、予測部)
9 予測結果DB
10 結果出力部(出力部)
101 予測装置(情報処理装置)
102 計画装置(計画部)
Claims (19)
- 目的変数の時系列データを、前記目的変数の値に基づいて、複数の第1区間に分割し、
説明変数の時系列データと前記目的変数の時系列データとに基づき、前記複数の第1区間に対して、前記説明変数と前記目的変数とが関連づいた複数の予測モデルを生成し、
前記説明変数の時系列データと、前記説明変数の予測値を含む予測データとに基づき、前記複数の第1区間から第1区間を選択し、
選択された前記第1区間に対して生成された前記予測モデルを用いて前記目的変数を予測する処理部、
を備えた情報処理装置。 - 前記処理部は、前記目的変数の時系列データを時間方向に分割して前記複数の第1区間を生成する
請求項1に記載の情報処理装置。 - 前記予測モデルは、第1時刻の前記説明変数と、前記第1時刻より後の第2時刻の前記目的変数を対応付けており、
前記第1時刻から前記第2時刻までの時間は第1時間であり、
前記処理部は、前記説明変数の時系列データにおいて前記予測データとマッチングする部分を少なくとも1つ特定し、
前記処理部は、前記マッチングする部分から前記第1時間後の時刻が含まれる第1区間を選択する
請求項2に記載の情報処理装置。 - 前記予測モデルは、第1時刻の前記説明変数と、第3時刻の目的変数とを、前記第3時刻より後の第2時刻の前記目的変数に対応付けており、
前記第1時刻から前記第2時刻までの時間は第1時間であり、
前記第3時刻は前記第1時刻の第2時間前又は後の時刻であり、
前記処理部は、前記予測データと、前記予測データから前記第2時間前又は後の時刻の前記目的変数の値との組が、前記説明変数の時系列データ及び前記目的変数の時系列データとの組においてマッチングする少なくとも1つの部分を特定し、
前記処理部は、前記マッチングする部分の時刻から前記第1時間後の時刻が含まれる第1区間を選択する
請求項2に記載の情報処理装置。 - 前記処理部は、前記目的変数の時系列データに含まれる前記目的変数の値を複数の基準値のいずれかに対応づけることにより、前記基準値の時系列データを生成し、前記基準値が変化する時刻で、前記目的変数の時系列データを分割することにより、前記複数の第1区間を生成する
請求項2~4のいずれか一項に記載の情報処理装置。 - 前記処理部は、前記時系列データを前記目的変数の値の範囲に応じて分割することにより、前記複数の第1区間を生成する
請求項1に記載の情報処理装置。 - 前記予測モデルは、第1時刻の前記説明変数と、前記第1時刻より後の第2時刻の前記目的変数を対応付けており、
前記第1時刻から前記第2時刻までの時間は第1時間であり、
前記処理部は、前記説明変数の時系列データにおいて前記予測データとマッチングする部分を少なくとも1つ特定し、
前記処理部は、前記マッチングする部分から前記第1時間後の時刻における前記目的変数の値が含まれる前記第1区間を選択する
請求項6に記載の情報処理装置。 - 前記予測モデルは、第1時刻の前記説明変数と、第3時刻の目的変数とを、前記第3時刻より後の第2時刻の前記目的変数に対応付けており、
前記第1時刻から前記第2時刻までの時間は第1時間であり、
前記第3時刻は前記第1時刻の第2時間前又は後の時刻であり、
前記処理部は、前記予測データと、前記予測データから前記第2時間前又は後の時刻の前記目的変数の値との組が、前記説明変数の時系列データ及び前記目的変数の時系列データとの組においてマッチングする少なくとも1つの部分を特定し、
前記処理部は、前記マッチングする部分の時刻から前記第1時間後の時刻が含まれる第1区間を選択する
請求項6に記載の情報処理装置。 - 前記処理部は、複数の基準値によって前記目的変数の時系列データを前記複数の第1区間に分割し、
前記複数の第1区間は、前記複数の基準値間の複数の区間である
請求項6~8のいずれか一項に記載の情報処理装置。 - 前記処理部は、前記目的変数の時系列データに含まれる前記目的変数の値の分布に基づいて、前記複数の基準値を決定する
請求項5又は9に記載の情報処理装置。 - 前記複数の基準値は予め設定された複数の閾値である
請求項5又は9に記載の情報処理装置。 - 前記処理部は、前記第1区間に対して前記予測モデルの複数の候補を生成し、
前記複数の候補を用いて、前記目的変数の予測値を算出し、
前記予測値が、前記目的変数と同じ前記基準値間の区間に含まれる場合は、前記予測値は正解であると判断し、前記正解の回数に基づいて、前記複数の候補から前記予測モデルを選択する
請求項5、9~11のいずれか一項に記載の情報処理装置。 - 前記処理部は、前記第1区間に対して前記予測モデルの複数の候補を生成し、
前記複数の候補と前記説明変数の時系列データを用いて前記目的変数の予測値を算出し、
前記予測値が第1条件を満たすか否かに基づいて、前記予測値が正解か否かを判断し、前記正解の回数に基づいて、前記複数の候補から候補を選択し、
前記第1条件を満たさない場合であっても、前記予測値の時刻からウィンドウ幅内に前記予測値に対して前記第1条件を満たす目的変数の値が存在する場合は、前記予測値は正解であると判断する
請求項5、9~11のいずれか一項に記載の情報処理装置。 - 前記処理部は、複数の前記第1区間を選択し、
前記処理部は、複数の前記第1区間に対して生成された複数の前記予測モデルを用いて、前記目的変数を予測する
請求項1~13のいずれか一項に記載の情報処理装置。 - 前記処理部は、深層学習、統計的手法又は回帰的手法に基づき前記予測モデルを生成する
請求項1~14のいずれか一項に記載の情報処理装置。 - 前記複数の第1区間、及び選択された前記第1区間に対応する前記予測モデル、前記予測モデルによる前記目的変数の予測値に関する情報を出力する出力部
を備えた請求項1~15のいずれか一項に記載の情報処理装置。 - コンピュータが、
目的変数の時系列データを、前記目的変数の値に基づいて、複数の第1区間に分割し、
説明変数の時系列データと前記目的変数の時系列データとに基づき、前記複数の第1区間に対して、前記説明変数と前記目的変数とが関連づいた複数の予測モデルを生成し、
前記説明変数の時系列データと、前記説明変数の予測値を含む予測データとに基づき、前記複数の第1区間から第1区間を選択し、
選択した前記第1区間に対して生成された前記予測モデルを用いて前記目的変数を予測する,
情報処理方法。 - 目的変数の時系列データを、前記目的変数の値に基づいて、複数の第1区間に分割するステップと、
説明変数の時系列データと前記目的変数の時系列データとに基づき、前記複数の第1区間に対して、前記説明変数と前記目的変数とが関連づいた複数の予測モデルを生成するステップと、
前記説明変数の時系列データと、前記説明変数の予測値を含む予測データとに基づき、前記複数の第1区間から第1区間を選択するステップと、
選択された前記第1区間に対して生成された前記予測モデルを用いて前記目的変数を予測するステップと、
をコンピュータに実行させるためのコンピュータプログラム。 - 水力発電所の貯水量に関連する目的変数を含む時系列データを、前記目的変数の値に基づいて、複数の第1区間に分割する分割部と、
気象量に関連する説明変数の時系列データと前記目的変数の時系列データとに基づき、前記複数の第1区間に対して、説明変数と前記目的変数とが関連づいた複数の予測モデルを生成するモデル生成部と、
前記説明変数の時系列データと、前記説明変数の予測データに基づき、前記複数の第1区間から第1区間を選択する選択部と、
選択された前記第1区間に対して生成された前記予測モデルを用いて前記目的変数を予測する予測部と、
前記目的変数の予測値に基づき、発電計画を行う計画部と、
を備えた情報処理システム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020140400A JP7458268B2 (ja) | 2020-08-21 | 2020-08-21 | 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム |
US17/196,807 US20220058441A1 (en) | 2020-08-21 | 2021-03-09 | Information processing device, information processing method, and information processing system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020140400A JP7458268B2 (ja) | 2020-08-21 | 2020-08-21 | 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022035829A JP2022035829A (ja) | 2022-03-04 |
JP7458268B2 true JP7458268B2 (ja) | 2024-03-29 |
Family
ID=80269663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020140400A Active JP7458268B2 (ja) | 2020-08-21 | 2020-08-21 | 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220058441A1 (ja) |
JP (1) | JP7458268B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20240021642A (ko) * | 2022-08-10 | 2024-02-19 | 에스케이가스 주식회사 | 화학공정의 수율 예측 시뮬레이션 시스템 및 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003108909A (ja) | 2001-09-28 | 2003-04-11 | Tohoku Electric Power Co Inc | 短期予測システム |
JP2008003920A (ja) | 2006-06-23 | 2008-01-10 | Toshiba Corp | 時系列データの予測・診断装置およびそのプログラム |
JP2016152039A (ja) | 2015-02-19 | 2016-08-22 | 富士通株式会社 | データ出力方法、データ出力プログラムおよびデータ出力装置 |
US20170220939A1 (en) | 2016-01-29 | 2017-08-03 | Microsoft Technology Licensing, Llc | Predictive modeling across multiple horizons combining time series & external data |
JP2019101490A (ja) | 2017-11-28 | 2019-06-24 | 株式会社東芝 | 時系列データ予測装置、時系列データ予測方法およびコンピュータプログラム |
JP2020115276A (ja) | 2019-01-17 | 2020-07-30 | 東京電力ホールディングス株式会社 | 情報処理方法、情報処理装置、プログラム及び学習済みモデルの生成方法 |
-
2020
- 2020-08-21 JP JP2020140400A patent/JP7458268B2/ja active Active
-
2021
- 2021-03-09 US US17/196,807 patent/US20220058441A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003108909A (ja) | 2001-09-28 | 2003-04-11 | Tohoku Electric Power Co Inc | 短期予測システム |
JP2008003920A (ja) | 2006-06-23 | 2008-01-10 | Toshiba Corp | 時系列データの予測・診断装置およびそのプログラム |
JP2016152039A (ja) | 2015-02-19 | 2016-08-22 | 富士通株式会社 | データ出力方法、データ出力プログラムおよびデータ出力装置 |
US20170220939A1 (en) | 2016-01-29 | 2017-08-03 | Microsoft Technology Licensing, Llc | Predictive modeling across multiple horizons combining time series & external data |
JP2019101490A (ja) | 2017-11-28 | 2019-06-24 | 株式会社東芝 | 時系列データ予測装置、時系列データ予測方法およびコンピュータプログラム |
JP2020115276A (ja) | 2019-01-17 | 2020-07-30 | 東京電力ホールディングス株式会社 | 情報処理方法、情報処理装置、プログラム及び学習済みモデルの生成方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2022035829A (ja) | 2022-03-04 |
US20220058441A1 (en) | 2022-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6109037B2 (ja) | 時系列データ予測装置、時系列データ予測方法、及びプログラム | |
US9779361B2 (en) | Method for learning exemplars for anomaly detection | |
JP2013175108A (ja) | クラスタリング装置及びクラスタリングプログラム | |
KR101785547B1 (ko) | 주기성 시계열 데이터의 변동 추정 장치 및 방법 | |
US20220382229A1 (en) | Machining condition searching device and machining condition searching method | |
KR102075743B1 (ko) | 신체 성장 예측 모델링 장치 및 방법 | |
Lee et al. | Hidden markov models for forex trends prediction | |
JP7458268B2 (ja) | 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム | |
JP2019105871A (ja) | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 | |
JP7374868B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
Liu et al. | Residual useful life prognosis of equipment based on modified hidden semi-Markov model with a co-evolutional optimization method | |
JP5826892B1 (ja) | 変化点検出装置、変化点検出方法、及びコンピュータプログラム | |
CN113157758A (zh) | 定制化异常检测 | |
KR101967524B1 (ko) | 커널 회귀 모델을 통하여 시변 신호를 검증하는 온라인 검증 장치 및 방법 | |
JP6930195B2 (ja) | モデル同定装置、予測装置、監視システム、モデル同定方法および予測方法 | |
CN115526402A (zh) | 指标预测方法、装置、电子设备及存储介质 | |
Dama et al. | Partially Hidden Markov Chain Multivariate Linear Autoregressive model: inference and forecasting—application to machine health prognostics | |
JP2022068690A (ja) | 意思決定支援装置 | |
JP6988817B2 (ja) | 予測モデル生成システム、方法およびプログラム | |
KR20210090902A (ko) | Rnn-gan 시뮬레이션을 이용한 시장리스크 관리 시스템 | |
JP5826893B1 (ja) | 変化点予測装置、変化点予測方法、及びコンピュータプログラム | |
US20210319259A1 (en) | Method and apparatus for extracting a pattern of time series data | |
US20240045923A1 (en) | Information processing device, information processing method, and computer program product | |
Kemp | Gamma test analysis tools for non-linear time series | |
JP7154468B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230123 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240129 |
|
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: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7458268 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |