JPWO2018012487A1 - 予測装置、パラメータ集合生産方法及びプログラム - Google Patents
予測装置、パラメータ集合生産方法及びプログラム Download PDFInfo
- Publication number
- JPWO2018012487A1 JPWO2018012487A1 JP2018527609A JP2018527609A JPWO2018012487A1 JP WO2018012487 A1 JPWO2018012487 A1 JP WO2018012487A1 JP 2018527609 A JP2018527609 A JP 2018527609A JP 2018527609 A JP2018527609 A JP 2018527609A JP WO2018012487 A1 JPWO2018012487 A1 JP WO2018012487A1
- Authority
- JP
- Japan
- Prior art keywords
- regime
- parameter set
- time
- linear
- parameter
- 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.)
- Granted
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
・s(t):潜在値、時刻tにおけるk次元の潜在的な活動値(s(t)={si(t)}k i=1)
・v(t):推定イベント、時刻tにおけるd次元の観測値(v(t)={vi(t)}d i=1)
・w(t):レジーム活動値、時刻tにおけるc個のレジームにおけるレジームシフトの推移値。
RegimeReader:カレントウィンドウXCとレジームパラメータ集合Θが与えられたとき、レジームのダイナミクスを推定し、イベントVE=V[tm:te]を生成する(図3(a)参照)。
RegimeEstimator:カレントウィンドウXCの中に新たなレジームパターンが含まれていた場合に、XCを表現する新たなパラメータ集合θを推定する(図3(b)参照)。
RegimeCast:各階層i(i=1,…,h)における最適なイベント集合VE (i)を推定し、推定イベントVE=VE (1)+VE (2)+…を計算する。その後、lsステップ先のイベント(つまりVF)を報告する。さらに、レジームパラメータ集合Mを更新する(図3(c)参照)。
個々のレジームのレジームパラメータθi∈Θ(i=1,…,c)について、潜在値の初期値s0∈θiを最適化する。具体的には、オリジナルイベントと推定イベントの2乗誤差を最小化する(つまり、min||XC−XCi||)ようなs0を求める。ここで、関数fC(s0|θ)は、数3のモデルにおける、レジームパラメータs0、θが与えられたうえでの推定イベントVC={v(tm),…,v(tc)}を示す。
(1)で得られたc個の推定イベントの集合{VCi}c i=1に基づき、時刻tcにおけるレジームシフトの潜在的な動的パターンを推定する。具体的には、Θに含まれるレジームの集合を最適化するためにレジーム活動値w(tc)を推定し、数3に基づきΘ内のレジームシフト行列Rを更新する(つまり、min||XC−fC(Θ)||)。その後、推定イベントVE=fE(Θ)をカレントウィンドウXCに対する最適値として計算する。ここで、平均二乗誤差||・||を最小化する方法として、非線形性を有する学習に適したLM(Levenberg-Marquardt)アルゴリズムを用いる。
自然界の動的システムと同様に、実世界におけるデータストリームは、様々な潜在的要素に影響されながら時間発展していく。例えば、車両センサデータストリームは、交通状況、天候、運転者等の要素により推移し、Webのアクセス履歴データは、ユーザの嗜好や興味に基づき時間発展する。そこで、本願では、時系列データストリームの潜在的なパターンを非線形の動的システムとして表現する。より具体的には、時系列データシーケンスを潜在的非線形微分方程式として表現する。
本願では、さらに、重要な時系列パターンの変化点(データストリーム上でのレジームシフト)を自動発見する。本願では、レジームシフトの概念に基づき、時系列データストリームをモデル化する。複数の非線形モデルを用いることにより、複雑に変化する時系列パターンの全てを表現する。
実際の時系列データストリームは、異なる時間発展に基づく多階層の動的システムから構成され、複雑な時系列パターンを有する。つまり、階層的な構造を伴う。本願は、階層構造に基づくモデルを使用することにより、高精度な予測を実現する。
Claims (7)
- 時刻tcまでの時系列データXの一部であるカレントウィンドウXCを用いて時刻tcからlsステップ以降の一つ又は複数のイベント値を予測する予測装置であって、
パラメータ集合記憶手段と、レジーム更新手段と、予測手段を備え、
前記パラメータ集合記憶手段は、数理モデルを特定するパラメータ集合を記憶し、
前記数理モデルは、非線形要素を含み、
前記パラメータ集合は、前記非線形要素の係数を特定する非線形パラメータを含み、
前記レジーム更新手段は、前記非線形パラメータを変更せず、前記パラメータ集合に含まれる他のパラメータの一部又は全部を更新して、カレントウィンドウXCの各時刻のデータと、更新後の前記パラメータ集合により特定される数理モデルを用いて得られるカレントウィンドウXcの各時刻に対応するイベント値VCとの違いを小さくし、
前記予測手段は、更新後の前記パラメータ集合により特定される数理モデルを用いて時刻tcからlsステップ以降の一つ又は複数のイベント値を予測する、予測装置。 - 前記パラメータ集合記憶手段は、c個(cは自然数)のパラメータ集合θi(i=1,…,c)を記憶し、
前記予測手段は、更新後のc個のパラメータ集合θiの一部又は全部を用いてイベント値VEを予測する、請求項1記載の予測装置。 - レジーム追加手段を備え、
前記レジーム追加手段は、カレントウィンドウXCの各時刻でのデータと、更新後のc個のパラメータ集合θiを用いて得られる対応する各時刻のイベント値VCとの違いが追加条件を満たすならば、前記パラメータ集合記憶手段に、新たなパラメータ集合θc+1を追加し、
前記レジーム更新手段は、c+1個のパラメータ集合θi(i=1,…,c+1)に含まれる非線形パラメータ以外のパラメータの一部又は全部を更新し、
前記予測手段は、更新後のc+1個のパラメータ集合θi(i=1,…,c+1)により特定される数理モデルの一部又は全部を用いてイベント値を予測する、請求項2記載の予測装置。 - 前記数理モデルは、線形要素を含み、
前記パラメータ集合は、前記線形要素を特定する線形パラメータを含み、
前記レジーム追加手段は、
前記非線形パラメータを変更せずに前記線形パラメータを決定し、
決定した前記線形パラメータを使用して前記非線形パラメータを決定する、請求項1から3のいずれかに記載の予測装置。 - カレントウィンドウXc (j)(j=1,…,h、hは自然数)は、h階層であり、
前記パラメータ集合は、h階層の前記カレントウィンドウXc (j)に対応してh階層であり、
前記レジーム更新手段は、各階層において前記パラメータ集合を更新し、
前記予測手段は、各階層において予測されたイベント値から全体のイベント値を予測する、請求項1から4のいずれかに記載の予測装置。 - 時刻tcまでの時系列データの一部であるカレントウィンドウXCを用いて、数理モデルを特定するパラメータ集合の一部のパラメータを変更して新たなパラメータ集合を生産するパラメータ集合生産方法であって、
前記数理モデルは、非線形要素を含み、
前記パラメータ集合は、前記非線形要素を特定する非線形パラメータを含み、
前記情報処理装置が備えるレジーム更新手段が、前記非線形パラメータを変更せず、前記パラメータ集合に含まれる他のパラメータの一部又は全部を更新して、カレントウィンドウXCの各時刻のデータと、更新後の前記パラメータ集合により特定される数理モデルを用いて得られるカレントウィンドウXCの各時刻に対応するイベント値VCとの違いを小さくする更新ステップを含むパラメータ集合生産方法。 - コンピュータを、請求項1から5のいずれかに記載の予測装置として機能させるためのプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016138075 | 2016-07-12 | ||
JP2016138075 | 2016-07-12 | ||
PCT/JP2017/025236 WO2018012487A1 (ja) | 2016-07-12 | 2017-07-11 | 予測装置、パラメータ集合生産方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018012487A1 true JPWO2018012487A1 (ja) | 2019-04-25 |
JP6990371B2 JP6990371B2 (ja) | 2022-02-03 |
Family
ID=60952997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018527609A Active JP6990371B2 (ja) | 2016-07-12 | 2017-07-11 | 予測装置、パラメータ集合生産方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190294740A1 (ja) |
JP (1) | JP6990371B2 (ja) |
WO (1) | WO2018012487A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11232367B1 (en) * | 2016-12-14 | 2022-01-25 | Groupon, Inc. | Apparatus and method for forecasted performance level adjustment and modification |
EP3792786A4 (en) * | 2018-05-08 | 2021-12-22 | Hitachi, Ltd. | DATA ANALYSIS DEVICE, POWER DISTRIBUTION ANALYSIS DEVICE AND DATA ANALYSIS METHOD |
JP7300200B2 (ja) * | 2019-08-01 | 2023-06-29 | 国立大学法人大阪大学 | 予測装置、予測方法およびプログラム |
CN110533173B (zh) * | 2019-09-03 | 2022-11-04 | 河南工业大学 | 一种基于多级注意力网络的仓储粮堆温度预测方法及装置 |
CN114982118A (zh) * | 2020-01-21 | 2022-08-30 | 三菱电机株式会社 | 电力变换装置以及制冷循环应用设备 |
JP7440938B2 (ja) * | 2020-01-22 | 2024-02-29 | 国立大学法人大阪大学 | イベント予測システム、イベント予測方法およびプログラム |
US11531946B2 (en) * | 2020-06-30 | 2022-12-20 | Paypal, Inc. | Optimizing machine learning model total payment volume predictions using model stacking |
WO2022038905A1 (ja) * | 2020-08-20 | 2022-02-24 | 国立大学法人大阪大学 | 予測装置、予測方法およびプログラム |
US11953862B2 (en) * | 2021-08-05 | 2024-04-09 | The Boston Consulting Group, Inc. | Optimal control configuration engine in a material processing system |
CN116009040B (zh) * | 2023-02-22 | 2023-07-28 | 武汉大学 | 一种联合有效角动量与igs超快解的超短期eop参数预报方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06214975A (ja) * | 1993-01-21 | 1994-08-05 | Hitachi Ltd | 時系列データ同定方法 |
JPH11134320A (ja) * | 1997-10-28 | 1999-05-21 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データ予測方法および装置と時系列データ予測プログラムを記録した記録媒体 |
JP2010122825A (ja) * | 2008-11-18 | 2010-06-03 | Osaka Prefecture Univ | データ予測装置、データ予測方法、データ予測プログラム |
JP2016126718A (ja) * | 2015-01-08 | 2016-07-11 | 日本電信電話株式会社 | 時系列データ予測装置及び時系列データ予測方法 |
-
2017
- 2017-07-11 WO PCT/JP2017/025236 patent/WO2018012487A1/ja active Application Filing
- 2017-07-11 US US16/316,946 patent/US20190294740A1/en not_active Abandoned
- 2017-07-11 JP JP2018527609A patent/JP6990371B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06214975A (ja) * | 1993-01-21 | 1994-08-05 | Hitachi Ltd | 時系列データ同定方法 |
JPH11134320A (ja) * | 1997-10-28 | 1999-05-21 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データ予測方法および装置と時系列データ予測プログラムを記録した記録媒体 |
JP2010122825A (ja) * | 2008-11-18 | 2010-06-03 | Osaka Prefecture Univ | データ予測装置、データ予測方法、データ予測プログラム |
JP2016126718A (ja) * | 2015-01-08 | 2016-07-11 | 日本電信電話株式会社 | 時系列データ予測装置及び時系列データ予測方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190294740A1 (en) | 2019-09-26 |
JP6990371B2 (ja) | 2022-02-03 |
WO2018012487A1 (ja) | 2018-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPWO2018012487A1 (ja) | 予測装置、パラメータ集合生産方法及びプログラム | |
Bui et al. | Spatial-temporal graph neural network for traffic forecasting: An overview and open research issues | |
Zhang et al. | Time series prediction using Lyapunov exponents in embedding phase space | |
CN110570035B (zh) | 同时建模时空依赖性和每日流量相关性的人流量预测系统 | |
Crespo-Ramos et al. | Detection of locally relevant variables using SOM–NG algorithm | |
CN109697512A (zh) | 基于贝叶斯网络的个人数据分析方法及计算机存储介质 | |
Kang et al. | Urban traffic travel time short‐term prediction model based on spatio‐temporal feature extraction | |
Ramya et al. | Environment change prediction to adapt climate-smart agriculture using big data analytics | |
Huang et al. | ODformer: spatial–temporal transformers for long sequence Origin–Destination matrix forecasting against cross application scenario | |
Ibanez et al. | Prediction of missing values and detection of ‘exceptional events’ in a chronological planktonic series: a single algorithm | |
Dehuri et al. | A condensed polynomial neural network for classification using swarm intelligence | |
Guo et al. | Learning and integration of adaptive hybrid graph structures for multivariate time series forecasting | |
Xing et al. | Research of a novel combined deterministic and probabilistic forecasting system for air pollutant concentration | |
CN113326884A (zh) | 大规模异构图节点表示的高效学习方法及装置 | |
CN102148706A (zh) | 动态复杂网络中的进化模式挖掘方法 | |
Jokar et al. | On the existence of proper stochastic Markov models for statistical reconstruction and prediction of chaotic time series | |
Goswami et al. | Traffic Flow Prediction Using Deep Learning Techniques | |
CN116975686A (zh) | 训练学生模型的方法、行为预测方法和装置 | |
Li et al. | Traffic message channel prediction based on graph convolutional network | |
CN113408652B (zh) | 基于群表示特征的半监督学习图像分类方法 | |
Pietroń et al. | Formal analysis of HTM spatial pooler performance under predefined operation conditions | |
CN108898227A (zh) | 学习率计算方法及装置、分类模型计算方法及装置 | |
Ju et al. | Cool: a conjoint perspective on spatio-temporal graph neural network for traffic forecasting | |
Gonzalez-Calvo et al. | Multivariate influence through neural networks ensemble: Study of Saharan dust intrusion in the Canary Islands | |
Singh | Study of various rainfall estimation prediction techniques using data mining |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20181211 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190325 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200624 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210721 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210818 |
|
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: 20211108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211124 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6990371 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |