特許ウォッチ

公開番号2024167605
公報種別公開特許公報(A)
公開日2024-12-04
出願番号2023083800
出願日2023-05-22
発明の名称予測装置及び予測方法
出願人株式会社明電舎
代理人園田・小林弁理士法人
主分類G06N 20/00 20190101AFI20241127BHJP(計算;計数)
要約【課題】機械学習によって構築される予測モデルを用いた予測精度を向上させること。
【解決手段】予測装置は、メッシュデータを含むデータを取得する取得部と、前記取得部によって取得されるデータを予測モデルに入力してモデルパラメータを学習する学習部と、前記学習部によって学習されたモデルパラメータが設定された予測モデルを用いて、前記取得部によって取得されるデータに基づく予測を実行する予測部とを有し、前記学習部は、入力されるメッシュデータの空間的な特徴量を抽出する空間特徴抽出器と、前記空間特徴抽出器から入力されるデータの時間的な特徴量を抽出する時間特徴抽出器とを有する予測モデルのモデルパラメータを学習する。
【選択図】図1
特許請求の範囲【請求項１】
メッシュデータを含むデータを取得する取得部と、
前記取得部によって取得されるデータを予測モデルに入力してモデルパラメータを学習する学習部と、
前記学習部によって学習されたモデルパラメータが設定された予測モデルを用いて、前記取得部によって取得されるデータに基づく予測を実行する予測部とを有し、
前記学習部は、
入力されるメッシュデータの空間的な特徴量を抽出する空間特徴抽出器と、
前記空間特徴抽出器から入力されるデータの時間的な特徴量を抽出する時間特徴抽出器とを有する予測モデルのモデルパラメータを学習する
予測装置。
続きを表示（約 890 文字）【請求項２】
前記取得部は、
気象に関するメッシュデータを取得し、
前記学習部は、
河川の流量を予測する流量予測モデルに前記メッシュデータを入力してモデルパラメータを学習し、
前記予測部は、
前記流量予測モデルを用いて、前記メッシュデータに基づく流量の予測を実行する
請求項１に記載の予測装置。
【請求項３】
前記学習部は、
日時に対応付けて多次元データを保持するメッシュデータから、サンプリングによって決定された日時に対応する多次元データを取得し、取得された日時及び多次元データを形状変換又は置換することにより、ミニバッチデータを生成するミニバッチ加工部と、
前記ミニバッチ加工部によって生成されるミニバッチデータを前記予測モデルに入力してモデルパラメータを学習するミニバッチ学習部と
を有する請求項１に記載の予測装置。
【請求項４】
前記予測部は、
日時に対応付けて多次元データを保持するメッシュデータから、所定の日時に対応する多次元データを取得し、取得された日時及び多次元データを形状変換又は置換することにより、ミニバッチデータを生成するミニバッチ加工部と、
前記ミニバッチ加工部によって生成されるミニバッチデータを前記予測モデルに入力して予測を実行するミニバッチ予測部と
を有する請求項３に記載の予測装置。
【請求項５】
メッシュデータを含むデータを取得し、
取得されるデータを予測モデルに入力してモデルパラメータを学習し、
学習されたモデルパラメータが設定された予測モデルを用いて、取得されるデータに基づく予測を実行する工程を有し、
前記学習する工程は、
入力されるメッシュデータの空間的な特徴量を抽出する空間特徴抽出器と、
前記空間特徴抽出器から入力されるデータの時間的な特徴量を抽出する時間特徴抽出器とを有する予測モデルのモデルパラメータを学習する
予測方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、予測装置及び予測方法に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
従来、例えば台風や豪雨などによる災害対策のために、降雨量などの気象情報から河川の流量が予測されることがある。河川の流量予測には、機械学習によって生成される予測モデルが用いられることがある。
【０００３】
予測モデルを用いる流量予測においては、過去の降雨量や気象予測情報から例えばニューラルネットワークによる機械学習によって予測モデルが生成される。すなわち、河川の集水域内の地点における降雨量などのデータから河川の流量を予測する予測モデルが構築され、この予測モデルに実際の降雨量などのデータが入力されることにより、将来の河川の流量が予測される。
【先行技術文献】
【特許文献】
【０００４】
特開２０２０－１１１８９２号公報
特開２０２２－１５６８０２号公報
特開２００７－２０５００１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、予測モデルを用いる流量予測においては、予測モデルの構築及び予測モデルによる予測に用いられるデータが限定的であり、予測精度の向上に一定の限界があるという問題がある。具体的には、河川の流量は、集水域全体における降雨量の影響を受けるにも関わらず、予測モデルの構築及び予測には、集水域内の特定の箇所における降雨量などのデータが用いられるのみであるため、集水域全体の降雨の状況が予測結果に反映されない。結果として、流量の予測精度を十分に向上させることが困難である場合がある。
【０００６】
一般に、集水域全体の降雨量などは、メッシュ形式のデータから取得することが可能である。したがって、メッシュデータを機械学習に用いることができれば、予測モデル及び予測結果の精度を向上させることも可能となる。しかし、通常、メッシュデータは非常に大規模なデータであり、予測モデルの構築や予測モデルによる予測にメッシュデータを導入することは容易ではない。
【０００７】
本開示は、上記に鑑みてなされたものであり、機械学習によって構築される予測モデルを用いた予測精度を向上させることができる予測装置及び予測方法を提供することを目的とする。
【課題を解決するための手段】
【０００８】
本開示の一態様によれば、予測装置は、メッシュデータを含むデータを取得する取得部と、前記取得部によって取得されるデータを予測モデルに入力してモデルパラメータを学習する学習部と、前記学習部によって学習されたモデルパラメータが設定された予測モデルを用いて、前記取得部によって取得されるデータに基づく予測を実行する予測部とを有し、前記学習部は、入力されるメッシュデータの空間的な特徴量を抽出する空間特徴抽出器と、前記空間特徴抽出器から入力されるデータの時間的な特徴量を抽出する時間特徴抽出器とを有する予測モデルのモデルパラメータを学習する。
【０００９】
また、本開示の一態様によれば、予測方法は、メッシュデータを含むデータを取得し、取得されるデータを予測モデルに入力してモデルパラメータを学習し、学習されたモデルパラメータが設定された予測モデルを用いて、取得されるデータに基づく予測を実行する工程を有し、前記学習する工程は、入力されるメッシュデータの空間的な特徴量を抽出する空間特徴抽出器と、前記空間特徴抽出器から入力されるデータの時間的な特徴量を抽出する時間特徴抽出器とを有する予測モデルのモデルパラメータを学習する。
【図面の簡単な説明】
【００１０】
図１は、一実施の形態に係る流量予測装置の構成を示すブロック図である。
図２は、学習部の構成を示すブロック図である。
図３は、予測部の構成を示すブロック図である。
図４は、流量予測モデルの構成を示す図である。
図５は、一実施の形態に係る流量予測方法を示すフロー図である。
図６は、学習時及び予測時の流量予測モデルの動作を示すフロー図である。
図７は、多次元配列データのデータ形式の一例を示す図である。
図８は、第１のミニバッチ加工方法を説明する図である。
図９は、第１のミニバッチ加工方法に対応する疑似コードを示す図である。
図１０は、第２のミニバッチ加工方法を説明する図である。
図１１は、第２のミニバッチ加工方法に対応する疑似コードを示す図である。
図１２は、第３のミニバッチ加工方法を説明する図である。
図１３は、第３のミニバッチ加工方法に対応する疑似コードを示す図である。
図１４は、流量予測装置のハードウェア構成の具体例を示すブロック図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許