JP2001014295A - データ予測方法、データ予測装置及び記録媒体 - Google Patents
データ予測方法、データ予測装置及び記録媒体Info
- Publication number
- JP2001014295A JP2001014295A JP18704899A JP18704899A JP2001014295A JP 2001014295 A JP2001014295 A JP 2001014295A JP 18704899 A JP18704899 A JP 18704899A JP 18704899 A JP18704899 A JP 18704899A JP 2001014295 A JP2001014295 A JP 2001014295A
- Authority
- JP
- Japan
- Prior art keywords
- data
- prediction
- evaluation
- specific
- predicted
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 98
- 238000004590 computer program Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 101100328887 Caenorhabditis elegans col-34 gene Proteins 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】 時系列データの性質の時間的変化に対応する
ことができるデータ予測方法、その方法を実施するため
のデータ予測装置及びコンピュータをその装置として機
能させる為のコンピュータプログラムが記録されている
記録媒体の提供。 【解決手段】 データ予測装置として機能するコンピュ
ータ１は、複数の予測モデルを予測モデルデータベース
７２に格納しており、これら複数の予測モデルを用い
て、実績データベース７１に格納されている時系列デー
タから将来のデータを複数算出する。そして、予測モデ
ル別に予測履歴が格納されている第１予測履歴データベ
ース７３及び評価期間別に予測履歴が格納されている第
２予測履歴データベース７４を参照し、前記算出された
複数の将来のデータの中から最適であるデータを選択す
る。
ことができるデータ予測方法、その方法を実施するため
のデータ予測装置及びコンピュータをその装置として機
能させる為のコンピュータプログラムが記録されている
記録媒体の提供。 【解決手段】 データ予測装置として機能するコンピュ
ータ１は、複数の予測モデルを予測モデルデータベース
７２に格納しており、これら複数の予測モデルを用い
て、実績データベース７１に格納されている時系列デー
タから将来のデータを複数算出する。そして、予測モデ
ル別に予測履歴が格納されている第１予測履歴データベ
ース７３及び評価期間別に予測履歴が格納されている第
２予測履歴データベース７４を参照し、前記算出された
複数の将来のデータの中から最適であるデータを選択す
る。
Description
【０００１】
【発明の属する技術分野】本発明は、時系列データに基
づいて将来のデータの予測を行うデータ予測方法、その
方法を実施する為のデータ予測装置、及びコンピュータ
をその装置として機能させる為のコンピュータプログラ
ムが記録されている記録媒体に関する。
づいて将来のデータの予測を行うデータ予測方法、その
方法を実施する為のデータ予測装置、及びコンピュータ
をその装置として機能させる為のコンピュータプログラ
ムが記録されている記録媒体に関する。
【０００２】
【従来の技術】時系列データから将来のデータを予測す
るための予測モデルとして、単純移動平均モデル、指数
平滑化モデル、ＡＲＩＭＡ(AutoRegressive Integrated
Moving Average)モデル及びニューラルネットワークモ
デル等が従来から利用されている。また、これらのモデ
ルに季節変動又はトレンド等の要素を盛り込んだ予測モ
デルを用いることもある。さらに、これらのモデルとは
別に、対象とする時系列データの特性に着目し、その時
系列データに限定した予測モデルを開発する場合もあ
る。
るための予測モデルとして、単純移動平均モデル、指数
平滑化モデル、ＡＲＩＭＡ(AutoRegressive Integrated
Moving Average)モデル及びニューラルネットワークモ
デル等が従来から利用されている。また、これらのモデ
ルに季節変動又はトレンド等の要素を盛り込んだ予測モ
デルを用いることもある。さらに、これらのモデルとは
別に、対象とする時系列データの特性に着目し、その時
系列データに限定した予測モデルを開発する場合もあ
る。
【０００３】以上のような予測モデルは各々固有の特徴
を有しており、これらの予測モデルの中から対象とする
時系列データに適している予測モデルを選択するために
は、実際にこれらの予測モデルを用いて予測値を算出
し、その予測値と実績値との誤差に基づいて各予測モデ
ル毎に評価を行う必要がある。その結果、誤差がもっと
も小さい予測モデルが、対象とする時系列データに適し
ている予測モデルであると判断される。
を有しており、これらの予測モデルの中から対象とする
時系列データに適している予測モデルを選択するために
は、実際にこれらの予測モデルを用いて予測値を算出
し、その予測値と実績値との誤差に基づいて各予測モデ
ル毎に評価を行う必要がある。その結果、誤差がもっと
も小さい予測モデルが、対象とする時系列データに適し
ている予測モデルであると判断される。
【０００４】ところで、時系列データの性質は時間の経
過に伴って変化する場合が多く、精度の高い予測を行う
ためには、このような変化に対応して適用する予測モデ
ルを変更しなければならない。したがってデータ予測方
法においては、予測モデルの変更をどの時期に行うかを
決定することが重要な問題となる。
過に伴って変化する場合が多く、精度の高い予測を行う
ためには、このような変化に対応して適用する予測モデ
ルを変更しなければならない。したがってデータ予測方
法においては、予測モデルの変更をどの時期に行うかを
決定することが重要な問題となる。
【０００５】この問題を解決すべく、特開平７−６４９
６５号公報（以下、従来技術１という）では、ニューラ
ルネットワークを用いて時系列データの性質の変化に対
応することによって、適正な時期に予測モデルを動的に
修正することができる販売量予測方法が提案されてい
る。特開平９ー１７９８５０号公報（以下、従来技術２
という）では、予測において生じる誤差を、予測モデル
自体に内在する定常誤差と予測モデル構築の際には考慮
することができない因子による攪乱誤差とに分離するこ
とによって、より正確な誤差を算出することができるた
めに、予測モデルの変更時期の適正化を図ることが可能
である需要予測モデル評価方法が提案されている。
６５号公報（以下、従来技術１という）では、ニューラ
ルネットワークを用いて時系列データの性質の変化に対
応することによって、適正な時期に予測モデルを動的に
修正することができる販売量予測方法が提案されてい
る。特開平９ー１７９８５０号公報（以下、従来技術２
という）では、予測において生じる誤差を、予測モデル
自体に内在する定常誤差と予測モデル構築の際には考慮
することができない因子による攪乱誤差とに分離するこ
とによって、より正確な誤差を算出することができるた
めに、予測モデルの変更時期の適正化を図ることが可能
である需要予測モデル評価方法が提案されている。
【０００６】
【発明が解決しようとする課題】しかしながら、従来技
術１では予測モデルを動的に修正することが可能である
が、ニューラルネットワーク以外の予測モデルには適用
することができないので、適用できる分野が限定される
という問題がある。
術１では予測モデルを動的に修正することが可能である
が、ニューラルネットワーク以外の予測モデルには適用
することができないので、適用できる分野が限定される
という問題がある。
【０００７】また、従来技術２では予測モデルの最適な
変更時期を特定することができるが、これとは別に予測
モデルの変更操作を行う必要がある。製品の販売量等の
予測においては一つの製品のみならず複数の異なる製品
を対象とする場合が多いが、この場合、予測モデルの変
更の都度オペレータによって予測モデルの変更作業をす
べての製品に対して行わなければならないため、多大な
工数を要するという問題がある。
変更時期を特定することができるが、これとは別に予測
モデルの変更操作を行う必要がある。製品の販売量等の
予測においては一つの製品のみならず複数の異なる製品
を対象とする場合が多いが、この場合、予測モデルの変
更の都度オペレータによって予測モデルの変更作業をす
べての製品に対して行わなければならないため、多大な
工数を要するという問題がある。
【０００８】さらに、従来技術２では予測モデルを評価
する際にその評価の対象とする期間（以下、評価期間と
いう）をオペレータによって予め設定する必要があり、
設定された評価期間が異なる場合は予測モデルの変更時
期も異なることがあるため、恣意性の高い評価になり得
るという問題がある。
する際にその評価の対象とする期間（以下、評価期間と
いう）をオペレータによって予め設定する必要があり、
設定された評価期間が異なる場合は予測モデルの変更時
期も異なることがあるため、恣意性の高い評価になり得
るという問題がある。
【０００９】本発明は斯かる事情に鑑みてなされたもの
であり、複数の予測モデルを用いて将来のデータを複数
予測し、予測された複数の将来のデータの中から最適で
あるデータを選択することによって、種々の分野のデー
タの予測に用いることができるデータ予測方法、データ
予測装置及び記録媒体の提供を目的とする。
であり、複数の予測モデルを用いて将来のデータを複数
予測し、予測された複数の将来のデータの中から最適で
あるデータを選択することによって、種々の分野のデー
タの予測に用いることができるデータ予測方法、データ
予測装置及び記録媒体の提供を目的とする。
【００１０】また、本発明の他の目的は、既に予測され
た複数の予測データと過去の時系列データとの誤差を算
出することによって、最適である予測モデルを自動的に
選択することができるデータ予測方法、その方法を実施
する為の装置及びコンピュータをその装置として機能さ
せるためのコンピュータプログラムが記録されている記
録媒体の提供を目的とする。
た複数の予測データと過去の時系列データとの誤差を算
出することによって、最適である予測モデルを自動的に
選択することができるデータ予測方法、その方法を実施
する為の装置及びコンピュータをその装置として機能さ
せるためのコンピュータプログラムが記録されている記
録媒体の提供を目的とする。
【００１１】さらに、本発明の他の目的は、複数の評価
期間別に既に予測された複数の予測データと過去の時系
列データとの誤差を算出することによって、最適である
評価期間を自動的に選択することができるデータ予測方
法、データ予測装置及び記録媒体の提供を目的とする。
期間別に既に予測された複数の予測データと過去の時系
列データとの誤差を算出することによって、最適である
評価期間を自動的に選択することができるデータ予測方
法、データ予測装置及び記録媒体の提供を目的とする。
【００１２】
【課題を解決するための手段】第１発明に係るデータ予
測方法は、複数の予測モデルを用いて過去の時系列デー
タから将来のデータを複数予測した後、前記複数の予測
モデルに対する評価を行い、該評価に基づいて、前記予
測された複数の将来のデータの中から特定のデータを選
択するデータ予測方法において、予測モデルの評価の対
象となる期間である複数の評価期間毎に前記複数の予測
モデルの中から特定の予測モデルを選択し、前記複数の
評価期間の中から特定の評価期間を選択し、選択された
前記特定の予測モデル及び前記特定の評価期間に基づい
て、前記予測された複数の将来のデータの中から特定の
データを選択することを特徴とする。
測方法は、複数の予測モデルを用いて過去の時系列デー
タから将来のデータを複数予測した後、前記複数の予測
モデルに対する評価を行い、該評価に基づいて、前記予
測された複数の将来のデータの中から特定のデータを選
択するデータ予測方法において、予測モデルの評価の対
象となる期間である複数の評価期間毎に前記複数の予測
モデルの中から特定の予測モデルを選択し、前記複数の
評価期間の中から特定の評価期間を選択し、選択された
前記特定の予測モデル及び前記特定の評価期間に基づい
て、前記予測された複数の将来のデータの中から特定の
データを選択することを特徴とする。
【００１３】第２発明に係るデータ予測方法は、複数の
予測モデルによって既に予測された複数の予測デ─タを
記憶し、前記複数の予測モデルを用いて過去の時系列デ
ータから将来のデータを複数予測した後、記憶した前記
複数の予測デ─タに基づいて前記複数の予測モデルに対
する評価を行い、該評価に基づいて、前記予測された複
数の将来のデータの中から特定のデータを選択するデー
タ予測方法において、前記複数の予測データと前記時系
列データとの第１の誤差を、予測モデルの評価の対象と
なる期間である複数の評価期間毎に算出するステップ
と、算出された第１の誤差に基づいて、前記評価期間毎
に特定の予測モデルを選択するステップと、選択された
予測モデルによって予測された予測データと前記時系列
データとの第２の誤差を、前記評価期間毎に算出するス
テップと、算出された第２の誤差に基づいて、特定の評
価期間を選択するステップと、選択された前記特定の予
測モデル及び前記特定の評価期間に基づいて、前記予測
された複数の将来のデータの中から特定のデータを選択
するステップとを有することを特徴とする。
予測モデルによって既に予測された複数の予測デ─タを
記憶し、前記複数の予測モデルを用いて過去の時系列デ
ータから将来のデータを複数予測した後、記憶した前記
複数の予測デ─タに基づいて前記複数の予測モデルに対
する評価を行い、該評価に基づいて、前記予測された複
数の将来のデータの中から特定のデータを選択するデー
タ予測方法において、前記複数の予測データと前記時系
列データとの第１の誤差を、予測モデルの評価の対象と
なる期間である複数の評価期間毎に算出するステップ
と、算出された第１の誤差に基づいて、前記評価期間毎
に特定の予測モデルを選択するステップと、選択された
予測モデルによって予測された予測データと前記時系列
データとの第２の誤差を、前記評価期間毎に算出するス
テップと、算出された第２の誤差に基づいて、特定の評
価期間を選択するステップと、選択された前記特定の予
測モデル及び前記特定の評価期間に基づいて、前記予測
された複数の将来のデータの中から特定のデータを選択
するステップとを有することを特徴とする。
【００１４】第３発明に係るデータ予測装置は、複数の
予測モデルによって既に予測された複数の予測デ─タを
記憶する記憶部を備え、前記複数の予測モデルを用いて
過去の時系列データから将来のデータを複数予測した
後、前記記憶部に記憶された前記複数の予測デ─タに基
づいて前記複数の予測モデルに対する評価を行い、該評
価に基づいて、前記予測された複数の将来のデータの中
から特定のデータを選択するデータ予測装置において、
前記複数の予測データと前記時系列データとの第１の誤
差を、予測モデルの評価の対象となる期間である複数の
評価期間毎に算出する第１の算出手段と、第１の算出手
段によって算出された第１の誤差に基づいて、前記評価
期間毎に特定の予測モデルを選択する予測モデル選択手
段と、該予測モデル選択手段により選択された予測モデ
ルによって予測された予測データと前記時系列データと
の第２の誤差を、前記評価期間毎に算出する第２の算出
手段と、算出された第２の誤差に基づいて、特定の評価
期間を選択する評価期間選択手段と、前記予測モデル選
択手段により選択された前記特定の予測モデル及び前記
評価期間選択手段により選択された前記特定の評価期間
に基づいて、前記予測された複数の将来のデータの中か
ら特定のデータを選択するデータ選択手段とを備えるこ
とを特徴とする。
予測モデルによって既に予測された複数の予測デ─タを
記憶する記憶部を備え、前記複数の予測モデルを用いて
過去の時系列データから将来のデータを複数予測した
後、前記記憶部に記憶された前記複数の予測デ─タに基
づいて前記複数の予測モデルに対する評価を行い、該評
価に基づいて、前記予測された複数の将来のデータの中
から特定のデータを選択するデータ予測装置において、
前記複数の予測データと前記時系列データとの第１の誤
差を、予測モデルの評価の対象となる期間である複数の
評価期間毎に算出する第１の算出手段と、第１の算出手
段によって算出された第１の誤差に基づいて、前記評価
期間毎に特定の予測モデルを選択する予測モデル選択手
段と、該予測モデル選択手段により選択された予測モデ
ルによって予測された予測データと前記時系列データと
の第２の誤差を、前記評価期間毎に算出する第２の算出
手段と、算出された第２の誤差に基づいて、特定の評価
期間を選択する評価期間選択手段と、前記予測モデル選
択手段により選択された前記特定の予測モデル及び前記
評価期間選択手段により選択された前記特定の評価期間
に基づいて、前記予測された複数の将来のデータの中か
ら特定のデータを選択するデータ選択手段とを備えるこ
とを特徴とする。
【００１５】第４発明に係る記録媒体は、コンピュータ
に、複数の予測モデルによって既に予測された複数の予
測デ─タを記憶させ、前記複数の予測モデルを用いて過
去の時系列データから将来のデータを複数予測させた
後、記憶させた前記複数の予測デ─タに基づいて前記複
数の予測モデルに対する評価を行わせ、該評価に基づい
て、前記予測された複数の将来のデータの中から特定の
データを選択させるプログラムが記録してあるコンピュ
ータでの読み取りが可能な記録媒体において、コンピュ
ータに、前記複数の予測データと前記時系列データとの
第１の誤差を、予測モデルの評価の対象となる期間であ
る複数の評価期間毎に算出させるプログラムコード手段
と、コンピュータに、算出された第１の誤差に基づい
て、前記評価期間毎に特定の予測モデルを選択させるプ
ログラムコード手段と、コンピュータに、選択された予
測モデルによって予測された予測データと前記時系列デ
ータとの第２の誤差を、前記評価期間毎に算出させるプ
ログラムコード手段と、コンピュータに、算出された第
２の誤差に基づいて、特定の評価期間を選択させるプロ
グラムコード手段と、コンピュータに、選択された前記
特定の予測モデル及び前記特定の評価期間に基づいて、
前記予測された複数の将来のデータの中から特定のデー
タを選択させるプログラムコード手段とを有するプログ
ラムが記録してあることを特徴とする。
に、複数の予測モデルによって既に予測された複数の予
測デ─タを記憶させ、前記複数の予測モデルを用いて過
去の時系列データから将来のデータを複数予測させた
後、記憶させた前記複数の予測デ─タに基づいて前記複
数の予測モデルに対する評価を行わせ、該評価に基づい
て、前記予測された複数の将来のデータの中から特定の
データを選択させるプログラムが記録してあるコンピュ
ータでの読み取りが可能な記録媒体において、コンピュ
ータに、前記複数の予測データと前記時系列データとの
第１の誤差を、予測モデルの評価の対象となる期間であ
る複数の評価期間毎に算出させるプログラムコード手段
と、コンピュータに、算出された第１の誤差に基づい
て、前記評価期間毎に特定の予測モデルを選択させるプ
ログラムコード手段と、コンピュータに、選択された予
測モデルによって予測された予測データと前記時系列デ
ータとの第２の誤差を、前記評価期間毎に算出させるプ
ログラムコード手段と、コンピュータに、算出された第
２の誤差に基づいて、特定の評価期間を選択させるプロ
グラムコード手段と、コンピュータに、選択された前記
特定の予測モデル及び前記特定の評価期間に基づいて、
前記予測された複数の将来のデータの中から特定のデー
タを選択させるプログラムコード手段とを有するプログ
ラムが記録してあることを特徴とする。
【００１６】本発明による場合、既に予測された複数の
予測デ─タを記憶し、複数の予測モデルを用いて過去の
時系列データから将来のデータを複数予測した後、記憶
している前記複数の予測データと前記過去の時系列デー
タとの誤差を算出する。算出された誤差に基づいて前記
複数の予測モデルの評価を行い、その評価の結果にした
がって評価期間毎に最適である予測モデルを選択する。
次に選択された予測モデルによって予測された予測デー
タと前記時系列データとの誤差を算出する。算出された
誤差に基づいて最適である評価期間を選択する。そして
選択された最適である予測モデル及び最適である評価期
間によって特定されるデータを選び、選ばれたデータを
最終結果とする。
予測デ─タを記憶し、複数の予測モデルを用いて過去の
時系列データから将来のデータを複数予測した後、記憶
している前記複数の予測データと前記過去の時系列デー
タとの誤差を算出する。算出された誤差に基づいて前記
複数の予測モデルの評価を行い、その評価の結果にした
がって評価期間毎に最適である予測モデルを選択する。
次に選択された予測モデルによって予測された予測デー
タと前記時系列データとの誤差を算出する。算出された
誤差に基づいて最適である評価期間を選択する。そして
選択された最適である予測モデル及び最適である評価期
間によって特定されるデータを選び、選ばれたデータを
最終結果とする。
【００１７】このように、特定の予測モデルのみではな
く複数の予測モデルを適用することができるので、種々
の分野のデータの予測に使用することが可能である。
く複数の予測モデルを適用することができるので、種々
の分野のデータの予測に使用することが可能である。
【００１８】また、既に予測された複数の予測デ─タと
過去の時系列データとの誤差に基づいて、最適である予
測モデルを自動的に選択し適用することができるので、
予測モデルの適切な変更時期を特定することが可能とな
り、しかもオペレータによる予測モデルの変更作業を行
う必要がない。
過去の時系列データとの誤差に基づいて、最適である予
測モデルを自動的に選択し適用することができるので、
予測モデルの適切な変更時期を特定することが可能とな
り、しかもオペレータによる予測モデルの変更作業を行
う必要がない。
【００１９】さらに、複数の評価期間別に既に予測され
た複数の予測データと過去の時系列データとの誤差に基
づいて、最適である評価期間を自動的に選択することが
できるので、従来技術に比較してより客観的なデータ予
測を行うことが可能となり、しかも時系列データの性質
が変化する周期にも対応することができる。
た複数の予測データと過去の時系列データとの誤差に基
づいて、最適である評価期間を自動的に選択することが
できるので、従来技術に比較してより客観的なデータ予
測を行うことが可能となり、しかも時系列データの性質
が変化する周期にも対応することができる。
【００２０】
【発明の実施の形態】以下、本発明をその実施の形態を
示す図面に基づいて詳述する。図１は、本発明に係るデ
ータ予測装置の実施の形態の構成を示すブロック図であ
る。図１において、１はデータ予測装置として用いるコ
ンピュータを示しており、コンピュータ１はＣＰＵ２を
有し、該ＣＰＵ２に対して、ＣＰＵ２において発生する
データを記憶するＲＡＭ３、キーボード及びマウス等の
入力装置からなる入力部４、入出力画面を表示するディ
スプレイ５、本発明のプログラムが記録されているＣＤ
−ＲＯＭ又はフレキシブルディスク等の可搬型記録媒体
１０から本発明に係るデ─タ予測装置のプログラムを読
み取るＣＤ−ＲＯＭドライブ又はフレキシブルディスク
ドライブ等からなる外部記憶装置６、外部記憶装置６に
より読み取った本発明のプログラムを格納するハードデ
ィスク７、並びに外部と通信を行うための通信インタフ
ェース８が接続されている。またハードディスク７は、
過去の時系列データを格納している実績データベース７
１、複数の予測モデルを格納している予測モデルデータ
ベース７２、予測モデル毎の過去の予測値を格納してい
る第１予測履歴データベース７３、及び評価期間毎の過
去の予測値を格納している第２予測履歴データベース７
４を有している。
示す図面に基づいて詳述する。図１は、本発明に係るデ
ータ予測装置の実施の形態の構成を示すブロック図であ
る。図１において、１はデータ予測装置として用いるコ
ンピュータを示しており、コンピュータ１はＣＰＵ２を
有し、該ＣＰＵ２に対して、ＣＰＵ２において発生する
データを記憶するＲＡＭ３、キーボード及びマウス等の
入力装置からなる入力部４、入出力画面を表示するディ
スプレイ５、本発明のプログラムが記録されているＣＤ
−ＲＯＭ又はフレキシブルディスク等の可搬型記録媒体
１０から本発明に係るデ─タ予測装置のプログラムを読
み取るＣＤ−ＲＯＭドライブ又はフレキシブルディスク
ドライブ等からなる外部記憶装置６、外部記憶装置６に
より読み取った本発明のプログラムを格納するハードデ
ィスク７、並びに外部と通信を行うための通信インタフ
ェース８が接続されている。またハードディスク７は、
過去の時系列データを格納している実績データベース７
１、複数の予測モデルを格納している予測モデルデータ
ベース７２、予測モデル毎の過去の予測値を格納してい
る第１予測履歴データベース７３、及び評価期間毎の過
去の予測値を格納している第２予測履歴データベース７
４を有している。
【００２１】コンピュータ１は、通信インタフェース８
により通信回線２０に接続されている。さらに通信回線
２０はルータ等の接続装置２１によりインターネット等
の外部ネットワーク回線２２に接続されている。
により通信回線２０に接続されている。さらに通信回線
２０はルータ等の接続装置２１によりインターネット等
の外部ネットワーク回線２２に接続されている。
【００２２】本発明に係るデータ予測装置のプログラム
は可搬型記録媒体１０から読み取る以外にも、外部ネッ
トワーク回線２２を介して外部サーバコンピュータ２３
に接続し、外部サーバコンピュータ２３に内蔵された前
記プログラムを記録してある記録媒体２４からコンピュ
ータ１へ前記プログラムをダウンロードすることにより
ハードディスク７に格納し、格納されたプログラムをＣ
ＰＵ２がＲＡＭ３にロードすることによってコンピュー
タ１は本発明のデータ予測装置として機能する。このよ
うにしてデータ予測装置として機能するコンピュータ１
は、後述する本発明のデータ予測方法の処理手順を実施
することができる。
は可搬型記録媒体１０から読み取る以外にも、外部ネッ
トワーク回線２２を介して外部サーバコンピュータ２３
に接続し、外部サーバコンピュータ２３に内蔵された前
記プログラムを記録してある記録媒体２４からコンピュ
ータ１へ前記プログラムをダウンロードすることにより
ハードディスク７に格納し、格納されたプログラムをＣ
ＰＵ２がＲＡＭ３にロードすることによってコンピュー
タ１は本発明のデータ予測装置として機能する。このよ
うにしてデータ予測装置として機能するコンピュータ１
は、後述する本発明のデータ予測方法の処理手順を実施
することができる。
【００２３】図２乃至図４は夫々、実績データベース７
１、第１予測履歴データベース７３及び第２予測履歴デ
ータベース７４の概念図である。
１、第１予測履歴データベース７３及び第２予測履歴デ
ータベース７４の概念図である。
【００２４】図２に示す実績データベース７１は、ある
製品の過去における月毎の需要量の実績値を格納してい
る。なお、格納されているデータとしては、例えば製品
の出荷量又は在庫量、及び温度等の時間とともに変化す
るデータであればよい。また時系列データは月毎のデー
タでなくても、週毎、日毎及び時間毎など一定間隔のデ
ータであればよい。
製品の過去における月毎の需要量の実績値を格納してい
る。なお、格納されているデータとしては、例えば製品
の出荷量又は在庫量、及び温度等の時間とともに変化す
るデータであればよい。また時系列データは月毎のデー
タでなくても、週毎、日毎及び時間毎など一定間隔のデ
ータであればよい。
【００２５】図３に示す第１予測履歴データベース７３
は、月毎に算出された需要量の予測値の履歴を、予測モ
デルｍ（ｍ＝１乃至Ｍ）別に格納している。この予測値
は、月の需要量が確定する都度その翌月分が算出され
る。なお、予測モデルｍは予測モデルデータベース７２
に格納されているすべての予測モデルに対応している。
したがって例えば予測モデルデータベース７２に５個の
予測モデルが格納されている場合は、第１予測履歴デー
タベース７３には、予測モデルｍ（ｍ＝１乃至５）別
に、月毎に算出された予測値の履歴が格納されているこ
とになる。
は、月毎に算出された需要量の予測値の履歴を、予測モ
デルｍ（ｍ＝１乃至Ｍ）別に格納している。この予測値
は、月の需要量が確定する都度その翌月分が算出され
る。なお、予測モデルｍは予測モデルデータベース７２
に格納されているすべての予測モデルに対応している。
したがって例えば予測モデルデータベース７２に５個の
予測モデルが格納されている場合は、第１予測履歴デー
タベース７３には、予測モデルｍ（ｍ＝１乃至５）別
に、月毎に算出された予測値の履歴が格納されているこ
とになる。
【００２６】図４に示す第２予測履歴データベース７４
は、月毎に算出された需要量の予測値の履歴を、評価期
間ｎ（ｎ＝１乃至Ｎ）別に格納している。この予測値
は、評価期間ｎにおいて最も評価が高い予測モデルによ
り算出された予測値であり、第１予測履歴データベース
７３に格納されている予測値の中から、後述する手順に
したがって選択されるものである。ここでＮの値は本発
明に係るデータ予測処理を実行する前にオペレータによ
り予め設定されている。なお、この評価期間ｎは、実績
データベース７１に格納されている最新の時系列データ
の月から起算して過去に遡った期間である。したがって
本実施の形態の場合では、図２に示されているとおり、
実績データベース７１に格納されている最新の時系列デ
ータの月は１９９８年１２月であるので、例えば評価期
間ｎ（ｎ＝３）は、１９９８年１０月から１２月までの
３カ月間を表すことになる。
は、月毎に算出された需要量の予測値の履歴を、評価期
間ｎ（ｎ＝１乃至Ｎ）別に格納している。この予測値
は、評価期間ｎにおいて最も評価が高い予測モデルによ
り算出された予測値であり、第１予測履歴データベース
７３に格納されている予測値の中から、後述する手順に
したがって選択されるものである。ここでＮの値は本発
明に係るデータ予測処理を実行する前にオペレータによ
り予め設定されている。なお、この評価期間ｎは、実績
データベース７１に格納されている最新の時系列データ
の月から起算して過去に遡った期間である。したがって
本実施の形態の場合では、図２に示されているとおり、
実績データベース７１に格納されている最新の時系列デ
ータの月は１９９８年１２月であるので、例えば評価期
間ｎ（ｎ＝３）は、１９９８年１０月から１２月までの
３カ月間を表すことになる。
【００２７】以下にデータ予測装置として機能するコン
ピュータ１の動作について説明する。図５はデータ予測
装置として機能するコンピュータ１のデータ予測処理に
おける処理手順を示すフローチャートである。
ピュータ１の動作について説明する。図５はデータ予測
装置として機能するコンピュータ１のデータ予測処理に
おける処理手順を示すフローチャートである。
【００２８】まず、予測モデルデータベース７２に格納
されている複数の予測モデルｍ（ｍ＝１乃至Ｍ）から任
意の予測モデルｍを取得する（Ｓ５０１）。次に取得さ
れた予測モデルｍを用いて、実績データベース７１に格
納されている需要量の実績値から需要量の予測値を算出
し（Ｓ５０２）、算出された予測値を予測モデルｍ別に
第１予測履歴データベース７３に格納する（Ｓ５０
３）。以上のＳ５０１乃至Ｓ５０３の処理を、予測モデ
ルデータベース７２に格納されているすべての予測モデ
ルｍに対して行う（Ｓ５０４）。
されている複数の予測モデルｍ（ｍ＝１乃至Ｍ）から任
意の予測モデルｍを取得する（Ｓ５０１）。次に取得さ
れた予測モデルｍを用いて、実績データベース７１に格
納されている需要量の実績値から需要量の予測値を算出
し（Ｓ５０２）、算出された予測値を予測モデルｍ別に
第１予測履歴データベース７３に格納する（Ｓ５０
３）。以上のＳ５０１乃至Ｓ５０３の処理を、予測モデ
ルデータベース７２に格納されているすべての予測モデ
ルｍに対して行う（Ｓ５０４）。
【００２９】図６は、Ｓ５０１乃至Ｓ５０４の処理を実
行した後の第１予測履歴データベース７３の概念図であ
る。図６に示すとおり、Ｓ５０１乃至Ｓ５０４の処理を
実行した結果、予測の対象の月である１９９９年１月に
係る需要量の予測値が、予測モデルｍ別に、第１予測履
歴データベース７３に追加され格納されている。
行した後の第１予測履歴データベース７３の概念図であ
る。図６に示すとおり、Ｓ５０１乃至Ｓ５０４の処理を
実行した結果、予測の対象の月である１９９９年１月に
係る需要量の予測値が、予測モデルｍ別に、第１予測履
歴データベース７３に追加され格納されている。
【００３０】次に、実績データベース７１から需要量の
実績値を取得し、また第１予測履歴データベース７３か
ら任意の予測モデルｍにより算出された需要量の予測値
の予測履歴を取得する（Ｓ５０５）。取得された需要量
の実績値と過去に算出された需要量の予測値との誤差を
表す評価値を、評価期間ｎ（ｎ＝１乃至Ｎ）毎に算出し
（Ｓ５０６）、算出された評価値をＲＡＭ３に記憶する
（Ｓ５０７）。なおこの評価値としては、２乗誤差の平
均及び誤差の絶対値の平均等を用いることができる。以
上のＳ５０５乃至Ｓ５０７の処理を、予測モデルデータ
ベース７２に格納されているすべての予測モデルｍに対
して行う（Ｓ５０８）。
実績値を取得し、また第１予測履歴データベース７３か
ら任意の予測モデルｍにより算出された需要量の予測値
の予測履歴を取得する（Ｓ５０５）。取得された需要量
の実績値と過去に算出された需要量の予測値との誤差を
表す評価値を、評価期間ｎ（ｎ＝１乃至Ｎ）毎に算出し
（Ｓ５０６）、算出された評価値をＲＡＭ３に記憶する
（Ｓ５０７）。なおこの評価値としては、２乗誤差の平
均及び誤差の絶対値の平均等を用いることができる。以
上のＳ５０５乃至Ｓ５０７の処理を、予測モデルデータ
ベース７２に格納されているすべての予測モデルｍに対
して行う（Ｓ５０８）。
【００３１】次に、ＲＡＭ３に記憶されているすべての
評価値を参照し、各評価期間ｎ毎に、最も評価値が良い
予測モデルを選択する（Ｓ５０９）。選択された予測モ
デルｍにより算出された需要量の予測値を、各評価期間
ｎ別に、第２予測履歴データベース７４に夫々格納する
（Ｓ５１０）。
評価値を参照し、各評価期間ｎ毎に、最も評価値が良い
予測モデルを選択する（Ｓ５０９）。選択された予測モ
デルｍにより算出された需要量の予測値を、各評価期間
ｎ別に、第２予測履歴データベース７４に夫々格納する
（Ｓ５１０）。
【００３２】図７は、Ｓ５０５乃至Ｓ５１０の処理を実
行した後の第２予測履歴データベース７４の概念図であ
る。図７に示すとおり、Ｓ５０５乃至Ｓ５１０の処理を
実行した結果、予測の対象の月である１９９９年１月に
係る需要量の予測値が、評価期間ｎ別に、第２予測履歴
データベース７４に追加され格納されている。
行した後の第２予測履歴データベース７４の概念図であ
る。図７に示すとおり、Ｓ５０５乃至Ｓ５１０の処理を
実行した結果、予測の対象の月である１９９９年１月に
係る需要量の予測値が、評価期間ｎ別に、第２予測履歴
データベース７４に追加され格納されている。
【００３３】次に、実績データベース７１から需要量の
実績値を、第２予測履歴データベース７３から任意の評
価期間ｎに係る需要量の予測値の予測履歴を、予め設定
された期間Ｌ分だけ夫々取得する（Ｓ５１１）。取得さ
れた需要量の実績値と過去に算出された需要量の予測値
との誤差を表す評価値を算出し（Ｓ５１２）、算出され
た評価値をＲＡＭ３に記憶する（Ｓ５１３）。なおこの
場合も前述したとおり評価値としては２乗誤差の平均及
び誤差の絶対値の平均等を用いることができる。以上の
Ｓ５１１乃至Ｓ５１３の処理を、すべての評価期間ｎに
対して行う（Ｓ５１４）。
実績値を、第２予測履歴データベース７３から任意の評
価期間ｎに係る需要量の予測値の予測履歴を、予め設定
された期間Ｌ分だけ夫々取得する（Ｓ５１１）。取得さ
れた需要量の実績値と過去に算出された需要量の予測値
との誤差を表す評価値を算出し（Ｓ５１２）、算出され
た評価値をＲＡＭ３に記憶する（Ｓ５１３）。なおこの
場合も前述したとおり評価値としては２乗誤差の平均及
び誤差の絶対値の平均等を用いることができる。以上の
Ｓ５１１乃至Ｓ５１３の処理を、すべての評価期間ｎに
対して行う（Ｓ５１４）。
【００３４】次に、ＲＡＭ３に記憶されているすべての
評価値を参照し、最も評価値が良い評価期間ｎを選択す
る（Ｓ５１５）。選択された評価期間ｎに係る需要量の
予測値を最終結果としてディスプレイ５に表示する（Ｓ
５１６）。
評価値を参照し、最も評価値が良い評価期間ｎを選択す
る（Ｓ５１５）。選択された評価期間ｎに係る需要量の
予測値を最終結果としてディスプレイ５に表示する（Ｓ
５１６）。
【００３５】以上の処理を、月の需要量が確定する都度
繰り返す。そしてその都度最適である予測モデルにより
算出された需要量の予測値を最終結果とする。したがっ
て、予測モデルの適切な変更時期を特定することができ
るばかりか、それと同時に予測モデルの変更作業が行わ
れていることになる。そのため、従来技術１の場合とは
異なり、予測モデルの変更の都度オペレータによる予測
モデルの変更作業を行う必要はない。
繰り返す。そしてその都度最適である予測モデルにより
算出された需要量の予測値を最終結果とする。したがっ
て、予測モデルの適切な変更時期を特定することができ
るばかりか、それと同時に予測モデルの変更作業が行わ
れていることになる。そのため、従来技術１の場合とは
異なり、予測モデルの変更の都度オペレータによる予測
モデルの変更作業を行う必要はない。
【００３６】
【発明の効果】以上のように、特定の予測モデルのみで
はなく複数の予測モデルを適用することができるので、
種々の分野のデータの予測に用いることができる。
はなく複数の予測モデルを適用することができるので、
種々の分野のデータの予測に用いることができる。
【００３７】また、既に予測された複数の予測データと
過去の時系列データとの誤差に基づいて、最適である予
測モデルを自動的に選択し適用することができるので、
予測モデルの適切な変更時期を特定することが可能とな
り、しかもオペレータによる予測モデルの変更作業を必
要としない。
過去の時系列データとの誤差に基づいて、最適である予
測モデルを自動的に選択し適用することができるので、
予測モデルの適切な変更時期を特定することが可能とな
り、しかもオペレータによる予測モデルの変更作業を必
要としない。
【００３８】さらに、複数の評価期間別に既に予測され
た複数の予測データと過去の時系列データとの誤差に基
づいて、最適である評価期間を自動的に選択することが
できるので、従来技術に比較してより客観的なデータ予
測を行うことが可能となり、しかも時系列データの性質
が変化する周期にも対応することができる等、本発明は
優れた効果を奏する。
た複数の予測データと過去の時系列データとの誤差に基
づいて、最適である評価期間を自動的に選択することが
できるので、従来技術に比較してより客観的なデータ予
測を行うことが可能となり、しかも時系列データの性質
が変化する周期にも対応することができる等、本発明は
優れた効果を奏する。
【００３９】なお、本発明を鉄鋼分野に適用した結果、
上述したような効果が認められている。
上述したような効果が認められている。
【図１】本発明に係るデータ予測装置の実施の形態の構
成を示すブロック図である。
成を示すブロック図である。
【図２】実績データベースの概念図である。
【図３】第１予測履歴データベースの概念図である。
【図４】第２予測履歴データベースの概念図である。
【図５】データ予測装置として機能するコンピュータの
データ予測処理における処理手順を示すフローチャート
である。
データ予測処理における処理手順を示すフローチャート
である。
【図６】第１予測履歴データベースの概念図である。
【図７】第２予測履歴データベースの概念図である。
１ コンピュータ ２ ＣＰＵ ３ ＲＡＭ ４ 入力部 ５ ディスプレイ ６ 外部記憶装置 ７ ハードディスク ８ 通信インタフェース ７１ 実績データベース ７２ 予測モデルデータベース ７３ 第１予測履歴データベース ７４ 第２予測履歴データベース
フロントページの続き (72)発明者 永井 恵 大阪府大阪市中央区北浜４丁目５番33号 住友金属工業株式会社内 (72)発明者 今井 太一 大阪府大阪市中央区北浜４丁目５番33号 住友金属工業株式会社内 (72)発明者 松▲崎▼ 健一 大阪府大阪市中央区北浜４丁目５番33号 住友金属工業株式会社内 Ｆターム(参考） 5B049 AA02 CC11 EE01 EE31
Claims (4)
- 【請求項１】 複数の予測モデルを用いて過去の時系列
データから将来のデータを複数予測した後、前記複数の
予測モデルに対する評価を行い、該評価に基づいて、前
記予測された複数の将来のデータの中から特定のデータ
を選択するデータ予測方法において、 予測モデルの評価の対象となる期間である複数の評価期
間毎に前記複数の予測モデルの中から特定の予測モデル
を選択し、前記複数の評価期間の中から特定の評価期間
を選択し、選択された前記特定の予測モデル及び前記特
定の評価期間に基づいて、前記予測された複数の将来の
データの中から特定のデータを選択することを特徴とす
るデータ予測方法。 - 【請求項２】 複数の予測モデルによって既に予測され
た複数の予測デ─タを記憶し、前記複数の予測モデルを
用いて過去の時系列データから将来のデータを複数予測
した後、記憶した前記複数の予測デ─タに基づいて前記
複数の予測モデルに対する評価を行い、該評価に基づい
て、前記予測された複数の将来のデータの中から特定の
データを選択するデータ予測方法において、 前記複数の予測データと前記時系列データとの第１の誤
差を、予測モデルの評価の対象となる期間である複数の
評価期間毎に算出するステップと、 算出された第１の誤差に基づいて、前記評価期間毎に特
定の予測モデルを選択するステップと、 選択された予測モデルによって予測された予測データと
前記時系列データとの第２の誤差を、前記評価期間毎に
算出するステップと、 算出された第２の誤差に基づいて、特定の評価期間を選
択するステップと、 選択された前記特定の予測モデル及び前記特定の評価期
間に基づいて、前記予測された複数の将来のデータの中
から特定のデータを選択するステップとを有することを
特徴とするデータ予測方法。 - 【請求項３】 複数の予測モデルによって既に予測され
た複数の予測デ─タを記憶する記憶部を備え、前記複数
の予測モデルを用いて過去の時系列データから将来のデ
ータを複数予測した後、前記記憶部に記憶された前記複
数の予測デ─タに基づいて前記複数の予測モデルに対す
る評価を行い、該評価に基づいて、前記予測された複数
の将来のデータの中から特定のデータを選択するデータ
予測装置において、 前記複数の予測データと前記時系列データとの第１の誤
差を、予測モデルの評価の対象となる期間である複数の
評価期間毎に算出する第１の算出手段と、 第１の算出手段によって算出された第１の誤差に基づい
て、前記評価期間毎に特定の予測モデルを選択する予測
モデル選択手段と、 該予測モデル選択手段により選択された予測モデルによ
って予測された予測データと前記時系列データとの第２
の誤差を、前記評価期間毎に算出する第２の算出手段
と、 算出された第２の誤差に基づいて、特定の評価期間を選
択する評価期間選択手段と、 前記予測モデル選択手段により選択された前記特定の予
測モデル及び前記評価期間選択手段により選択された前
記特定の評価期間に基づいて、前記予測された複数の将
来のデータの中から特定のデータを選択するデータ選択
手段とを備えることを特徴とするデータ予測装置。 - 【請求項４】 コンピュータに、複数の予測モデルによ
って既に予測された複数の予測デ─タを記憶させ、前記
複数の予測モデルを用いて過去の時系列データから将来
のデータを複数予測させた後、記憶させた前記複数の予
測デ─タに基づいて前記複数の予測モデルに対する評価
を行わせ、該評価に基づいて、前記予測された複数の将
来のデータの中から特定のデータを選択させるプログラ
ムが記録してあるコンピュータでの読み取りが可能な記
録媒体において、 コンピュータに、前記複数の予測データと前記時系列デ
ータとの第１の誤差を、予測モデルの評価の対象となる
期間である複数の評価期間毎に算出させるプログラムコ
ード手段と、 コンピュータに、算出された第１の誤差に基づいて、前
記評価期間毎に特定の予測モデルを選択させるプログラ
ムコード手段と、 コンピュータに、選択された予測モデルによって予測さ
れた予測データと前記時系列データとの第２の誤差を、
前記評価期間毎に算出させるプログラムコード手段と、 コンピュータに、算出された第２の誤差に基づいて、特
定の評価期間を選択させるプログラムコード手段と、 コンピュータに、選択された前記特定の予測モデル及び
前記特定の評価期間に基づいて、前記予測された複数の
将来のデータの中から特定のデータを選択させるプログ
ラムコード手段とを有するプログラムが記録してあるこ
とを特徴とするコンピュータでの読み取りが可能な記録
媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18704899A JP3668642B2 (ja) | 1999-06-30 | 1999-06-30 | データ予測方法、データ予測装置及び記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18704899A JP3668642B2 (ja) | 1999-06-30 | 1999-06-30 | データ予測方法、データ予測装置及び記録媒体 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2001014295A true JP2001014295A (ja) | 2001-01-19 |
| JP2001014295A5 JP2001014295A5 (ja) | 2005-04-14 |
| JP3668642B2 JP3668642B2 (ja) | 2005-07-06 |
Family
ID=16199273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18704899A Expired - Fee Related JP3668642B2 (ja) | 1999-06-30 | 1999-06-30 | データ予測方法、データ予測装置及び記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3668642B2 (ja) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6731990B1 (en) * | 2000-01-27 | 2004-05-04 | Nortel Networks Limited | Predicting values of a series of data |
| JP2006085645A (ja) * | 2004-09-17 | 2006-03-30 | Canon System Solutions Inc | データ予測装置及びデータ予測方法並びにプログラム |
| JP2007018216A (ja) * | 2005-07-07 | 2007-01-25 | Nec Corp | 適正在庫量算出システム及び適正在庫量算出方法 |
| JP2007293624A (ja) * | 2006-04-25 | 2007-11-08 | Ricoh Co Ltd | 需要予測方法及び需要予測プログラム |
| JP2007323455A (ja) * | 2006-06-02 | 2007-12-13 | Fuji Xerox Co Ltd | 故障予防診断支援システム及び故障予防診断支援方法 |
| US7383201B2 (en) | 2001-12-05 | 2008-06-03 | Canon Kabushiki Kaisha | Demand forecast device, method, and program product |
| JP2009129159A (ja) * | 2007-11-22 | 2009-06-11 | Hitachi Ltd | 時系列予測システム |
| JP2010152431A (ja) * | 2008-12-24 | 2010-07-08 | Mitsubishi Electric Corp | 不正アクセス検知装置及び不正アクセス検知プログラム及び記録媒体及び不正アクセス検知方法 |
| WO2011046228A1 (ja) * | 2009-10-15 | 2011-04-21 | 日本電気株式会社 | システム運用管理装置、システム運用管理方法、及びプログラム記憶媒体 |
| JP5698860B1 (ja) * | 2014-08-22 | 2015-04-08 | 株式会社アールファイブ | 在庫管理システム、在庫管理方法、及びプログラム |
| JP6124232B1 (ja) * | 2016-11-15 | 2017-05-10 | シーロムパートナーズ税理士法人 | 財務予測システム、財務予測方法、及び財務予測プログラム |
| JP2017151614A (ja) * | 2016-02-23 | 2017-08-31 | 株式会社日立製作所 | 計算機及び分析指標の算出方法 |
| WO2017168458A1 (ja) * | 2016-03-28 | 2017-10-05 | 日本電気株式会社 | 予測モデル選択システム、予測モデル選択方法および予測モデル選択プログラム |
| KR20200051343A (ko) * | 2018-11-05 | 2020-05-13 | (주)엔키아 | 시계열 데이터 예측 모델 평가 방법 및 장치 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06119291A (ja) * | 1992-10-06 | 1994-04-28 | Toshiba Corp | 配水量予測装置 |
| JPH0736849A (ja) * | 1993-07-20 | 1995-02-07 | Hitachi Ltd | 情報処理システム |
| JPH10105559A (ja) * | 1996-09-27 | 1998-04-24 | Hitachi Ltd | 情報処理装置 |
| JPH10124478A (ja) * | 1996-10-23 | 1998-05-15 | Nri & Ncc Co Ltd | セグメント生成型予測モデル構築装置及びその方法 |
| JPH10124476A (ja) * | 1996-10-23 | 1998-05-15 | Nri & Ncc Co Ltd | 階層的予測モデル構築装置及びその方法 |
| JPH10134027A (ja) * | 1996-10-29 | 1998-05-22 | Toyota Motor Corp | 販売予測支援方法およびその装置 |
| JPH10207857A (ja) * | 1997-01-20 | 1998-08-07 | Fujitsu Ltd | 時系列予測装置 |
| JPH10228463A (ja) * | 1997-02-17 | 1998-08-25 | Hitachi Ltd | 需要予測モデル評価方法 |
| JPH10240799A (ja) * | 1997-02-27 | 1998-09-11 | Nri & Ncc Co Ltd | 新規出店評価支援装置 |
-
1999
- 1999-06-30 JP JP18704899A patent/JP3668642B2/ja not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06119291A (ja) * | 1992-10-06 | 1994-04-28 | Toshiba Corp | 配水量予測装置 |
| JPH0736849A (ja) * | 1993-07-20 | 1995-02-07 | Hitachi Ltd | 情報処理システム |
| JPH10105559A (ja) * | 1996-09-27 | 1998-04-24 | Hitachi Ltd | 情報処理装置 |
| JPH10124478A (ja) * | 1996-10-23 | 1998-05-15 | Nri & Ncc Co Ltd | セグメント生成型予測モデル構築装置及びその方法 |
| JPH10124476A (ja) * | 1996-10-23 | 1998-05-15 | Nri & Ncc Co Ltd | 階層的予測モデル構築装置及びその方法 |
| JPH10134027A (ja) * | 1996-10-29 | 1998-05-22 | Toyota Motor Corp | 販売予測支援方法およびその装置 |
| JPH10207857A (ja) * | 1997-01-20 | 1998-08-07 | Fujitsu Ltd | 時系列予測装置 |
| JPH10228463A (ja) * | 1997-02-17 | 1998-08-25 | Hitachi Ltd | 需要予測モデル評価方法 |
| JPH10240799A (ja) * | 1997-02-27 | 1998-09-11 | Nri & Ncc Co Ltd | 新規出店評価支援装置 |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6731990B1 (en) * | 2000-01-27 | 2004-05-04 | Nortel Networks Limited | Predicting values of a series of data |
| US7383201B2 (en) | 2001-12-05 | 2008-06-03 | Canon Kabushiki Kaisha | Demand forecast device, method, and program product |
| JP2006085645A (ja) * | 2004-09-17 | 2006-03-30 | Canon System Solutions Inc | データ予測装置及びデータ予測方法並びにプログラム |
| JP2007018216A (ja) * | 2005-07-07 | 2007-01-25 | Nec Corp | 適正在庫量算出システム及び適正在庫量算出方法 |
| JP2007293624A (ja) * | 2006-04-25 | 2007-11-08 | Ricoh Co Ltd | 需要予測方法及び需要予測プログラム |
| JP4710720B2 (ja) * | 2006-06-02 | 2011-06-29 | 富士ゼロックス株式会社 | 故障予防診断支援システム及び故障予防診断支援方法 |
| JP2007323455A (ja) * | 2006-06-02 | 2007-12-13 | Fuji Xerox Co Ltd | 故障予防診断支援システム及び故障予防診断支援方法 |
| JP2009129159A (ja) * | 2007-11-22 | 2009-06-11 | Hitachi Ltd | 時系列予測システム |
| JP2010152431A (ja) * | 2008-12-24 | 2010-07-08 | Mitsubishi Electric Corp | 不正アクセス検知装置及び不正アクセス検知プログラム及び記録媒体及び不正アクセス検知方法 |
| JP2013229064A (ja) * | 2009-10-15 | 2013-11-07 | Nec Corp | システム運用管理装置、システム運用管理方法、及びプログラム記憶媒体 |
| CN102576328A (zh) * | 2009-10-15 | 2012-07-11 | 日本电气株式会社 | ***操作管理装置、***操作管理方法和程序存储介质 |
| JPWO2011046228A1 (ja) * | 2009-10-15 | 2013-03-07 | 日本電気株式会社 | システム運用管理装置、システム運用管理方法、及びプログラム記憶媒体 |
| WO2011046228A1 (ja) * | 2009-10-15 | 2011-04-21 | 日本電気株式会社 | システム運用管理装置、システム運用管理方法、及びプログラム記憶媒体 |
| US8959401B2 (en) | 2009-10-15 | 2015-02-17 | Nec Corporation | System operations management apparatus, system operations management method and program storage medium |
| CN102576328B (zh) * | 2009-10-15 | 2015-09-09 | 日本电气株式会社 | ***操作管理装置、***操作管理方法和程序存储介质 |
| US9384079B2 (en) | 2009-10-15 | 2016-07-05 | Nec Corporation | System operations management apparatus, system operations management method and program storage medium |
| US10496465B2 (en) | 2009-10-15 | 2019-12-03 | Nec Corporation | System operations management apparatus, system operations management method and program storage medium |
| JP5698860B1 (ja) * | 2014-08-22 | 2015-04-08 | 株式会社アールファイブ | 在庫管理システム、在庫管理方法、及びプログラム |
| JP2016044029A (ja) * | 2014-08-22 | 2016-04-04 | 株式会社アールファイブ | 在庫管理システム、在庫管理方法、及びプログラム |
| JP2017151614A (ja) * | 2016-02-23 | 2017-08-31 | 株式会社日立製作所 | 計算機及び分析指標の算出方法 |
| JPWO2017168458A1 (ja) * | 2016-03-28 | 2018-09-13 | 日本電気株式会社 | 予測モデル選択システム、予測モデル選択方法および予測モデル選択プログラム |
| WO2017168458A1 (ja) * | 2016-03-28 | 2017-10-05 | 日本電気株式会社 | 予測モデル選択システム、予測モデル選択方法および予測モデル選択プログラム |
| JP2018081462A (ja) * | 2016-11-15 | 2018-05-24 | シーロムパートナーズ税理士法人 | 財務予測システム、財務予測方法、及び財務予測プログラム |
| JP6124232B1 (ja) * | 2016-11-15 | 2017-05-10 | シーロムパートナーズ税理士法人 | 財務予測システム、財務予測方法、及び財務予測プログラム |
| KR20200051343A (ko) * | 2018-11-05 | 2020-05-13 | (주)엔키아 | 시계열 데이터 예측 모델 평가 방법 및 장치 |
| KR102124425B1 (ko) | 2018-11-05 | 2020-06-18 | (주)엔키아 | 시계열 데이터 예측 모델 평가 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3668642B2 (ja) | 2005-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20150363226A1 (en) | Run time estimation system optimization | |
| Disney et al. | Genetic algorithm optimisation of a class of inventory control systems | |
| JP2001014295A (ja) | データ予測方法、データ予測装置及び記録媒体 | |
| US20090187445A1 (en) | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm | |
| JP6907664B2 (ja) | 非定常時系列データの予測に用いる方法及び装置 | |
| Bülbül et al. | A linear programming-based method for job shop scheduling | |
| JP2019125048A (ja) | 需要予測プログラム、需要予測方法および需要予測装置 | |
| O'Neil et al. | Newsvendor problems with demand shocks and unknown demand distributions | |
| JP2007233944A (ja) | 商品販売予測システム | |
| US20200311749A1 (en) | System for Generating and Using a Stacked Prediction Model to Forecast Market Behavior | |
| KR102574244B1 (ko) | 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치 | |
| JP2009104408A (ja) | 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム | |
| JPWO2019159772A1 (ja) | モデル生成装置、需要予測装置、需要予測方法、及びプログラム | |
| JP5551806B2 (ja) | 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム | |
| JP4843379B2 (ja) | 計算機システムの開発プログラム | |
| JP4640261B2 (ja) | 次期モデル商品の需要量を予測する装置と方法 | |
| JP4339769B2 (ja) | 予測モデル選択装置及び予測モデル選択方法並びにプログラム | |
| CN111626789A (zh) | 房屋价格预测方法、装置、设备及存储介质 | |
| JP4733552B2 (ja) | Ｐａｒｃｏｒ係数算出装置、ｐａｒｃｏｒ係数算出方法、そのプログラムおよびその記録媒体 | |
| JPH10228463A (ja) | 需要予測モデル評価方法 | |
| US20180174174A1 (en) | Trend-based data anlysis | |
| JP2007503651A (ja) | ページビューデータから予想されるアイテムの需要に応じたアイテムの単位の製造 | |
| JP4280045B2 (ja) | 生産量算定方法，生産量算定装置，生産量算定システム，生産量算定プログラムおよび記録媒体 | |
| CN111340276B (zh) | 一种生成预测数据的方法及*** | |
| JP2005122517A (ja) | エネルギー需要予測方法、エネルギー需要予測装置、エネルギー需要予測プログラムおよび記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20040219 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20040219 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040609 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050125 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050318 |
|
| 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: 20050405 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050411 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3668642 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110415 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110415 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120415 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120415 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130415 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130415 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140415 Year of fee payment: 9 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R370 | Written measure of declining of transfer procedure |
Free format text: JAPANESE INTERMEDIATE CODE: R370 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |