データ予測

業界短信

データ予測とは

サイトラインは、データ予測を実施するための時系列データの収集、保持、分析に精通しています。

時系列データ」とは何か？

時系列データとは、時間的に等間隔に並べられた量の集まりである。時系列データの統計的特性は、しばしば従来の統計手法の前提に反する。このため、時系列データの分析には、時系列分析として総称される独特のツールと手法が必要となる。

予測は、与えられた入力データの将来の傾向を見つけるために時系列を分析する方法の一つである。

一般的なデータ予測手法には2種類ある

単変量時系列： 一つの変数だけが時間と共に変化する。例えば、1秒ごとにモーターの速度を測定するセンサーから収集されたデータ。したがって、毎秒、速度という1次元の値しか得られません。

多変量時系列： 複数の変数が時間とともに変化する。例えば、3軸加速度センサー。各軸（x,y,z）に1つずつ、計3つの加速度があり、それらは時間と共に同時に変化する。

それぞれの手法には複数の予測手法や計算式がある。GARCH、SARIMAなどは一変量テクニックの例です。VAR、VECMなどは多変量テクニックの例です。

適切なデータ予測モデルの選び方

単変量と多変量のテクニックを別にすれば、適切な「モデル」や「予測式」を選ぶ際に影響を与えるのは、データの構造（または）挙動です。データの振る舞いに影響を与えるものは、データの季節性、トレンド（線形または非線形）などです。

例えば、一変量データを使用する場合、適切なパラメータを持つSARIMAは、季節性を持つ時系列データを扱う際に使用すると良いモデルになります。データに季節性が存在しない場合は、ARIMAが良いアプローチかもしれない。

SARIMA： 季節性ARIMAのことである。 季節性成分を含む系列 を提供する必要がある。ここでは 7パラメータ ここで、ARIMA(AR,I,MA)は3つ、季節性ARIMA(シーズンAR,シーズンI,シーズンMA)は3つ、季節性の期間(データにより12ヶ月,6ヶ月)は1つである。

ARIMA： それは 自己回帰積分移動平均.ここでいう統合項とは差分のことで、例えば5項を次数3で計算すると、4＋（4-3）＋（3-2）項となる。

Sightline EDMの分析機能は、時系列データの予測を処理し、上記のテクニックを使用して、お客様が機械データの将来の傾向を特定するのを支援します。Sightline EDMの利点は、自動的にデータを処理してデータの季節性/定常性を特定し、適切な予測手法を適用して将来の傾向を特定できることです。

データ予測

業界短信