JP5773838B2 - 時系列データの解析装置および解析用プログラム - Google Patents

Description

本発明は、時系列データの解析装置および解析用プログラムに関し、特に、時系列データに対してデータマイニングを行う解析装置および解析用プログラムに用いて好適なものである。

一般に、統計学やパターン認識などに基づきデータ解析を行うことで、大量のデータから何らかの知識を取り出す技術が知られている。データマイニングと呼ばれる解析技術である。例えば、時系列データにＡＲモデル（Auto-Regressive：自己回帰モデル）による曲線を適用して解析することにより、時系列データに現れる統計的な外れ値および変化点を検出する手法も提案されている（例えば、特許文献１参照）。

特開２００４−５４３７０号公報

しかしながら、上記特許文献１に示される従来技術では、時系列データに曲線を適用して解析するため、時系列データの外れ値や変化点などの特異点を検出することは可能であるものの、時系列データの増減傾向を把握することはできないという問題があった。

本発明は、このような問題を解決するために成されたものであり、時系列データの特異点だけでなく、時系列データの増減傾向も解析できるようにすることを目的とする。

上記した課題を解決するために、本発明では、時系列データに回帰直線を適用して解析するようにしている。具体的には、本発明は、時系列データの中から設定した所定期間を対象として、当該所定期間内の時系列データである期間内時系列データから複数パターンの回帰直線を生成し、当該複数パターンの中で所定の指標値が最も良いパターンから回帰直線の分割点を抽出する。そして、所定期間を時系列データの最初から終わりまで順次移動させて同様の処理を行い、それによって抽出される複数の分割点を境界として回帰直線を求めることにより、時系列データの傾向直線を生成するようにしている。

上記のように構成した本発明によれば、時系列データの傾向が直線により特定されるので、その直線の傾きにより、時系列データの増減傾向を解析することができる。また、直線の傾きが大きく変わる点などを特異点として解析することもできる。これにより、本発明によれば、時系列データに現れる特異点に加え、時系列データの増減傾向も解析することができる。

本実施形態による時系列データの解析装置の機能構成例を示すブロック図である。 本実施形態による回帰直線生成部の処理内容を説明するための図であり、所定期間を時系列データの中から特定した状態を示す図である。 本実施形態による回帰直線生成部の処理内容を説明するための図であり、期間内時系列データから複数パターンの回帰直線を生成する状態を示す図である。 本実施形態による傾向直線生成部の処理内容を説明するための図である。 本実施形態による時系列データの解析装置の動作例を示すフローチャートである。

以下、本発明の一実施形態を図面に基づいて説明する。図１は、本実施形態による時系列データの解析装置の機能構成例を示すブロック図である。図１に示すように、本実施形態による時系列データの解析装置は、その機能構成として、期間指定受付部１、回帰直線生成部２、指標算出部３、分割点抽出部４、傾向直線生成部５、第２の指標算出部６、最適傾向直線特定部７、増減傾向特定部８、特異点特定部９、類似データ検索部１０、時系列データ記憶部２０、分割点記憶部２１、傾向直線記憶部２２および検索対象データ記憶部２３を備えている。

なお、以上に列挙した機能構成は、ハードウェア構成、ＤＳＰ、ソフトウェアの何れによっても実現することが可能である。例えばソフトウェアによって実現する場合、本実施形態による時系列データの解析装置は、実際にはコンピュータのＣＰＵあるいはＭＰＵ、ＲＡＭ、ＲＯＭなどを備えて構成され、ＲＡＭやＲＯＭに記憶された解析用プログラムが動作することによって実現できる。

したがって、上記機能構成は、解析用プログラムを例えばＣＤ−ＲＯＭのような記録媒体に記録し、当該解析用プログラムをコンピュータに読み込ませることによって実現できるものである。この解析用プログラムを記録する記録媒体としては、ＣＤ−ＲＯＭ以外に、フレキシブルディスク、ハードディスク、磁気テープ、光ディスク、光磁気ディスク、ＤＶＤ、不揮発性メモリカード等を用いることができる。また、解析用プログラムをインターネット等のネットワークを介してコンピュータにダウンロードするようにしてもよい。

期間指定受付部１は、キーボードやマウス等の操作部（図示せず）のユーザによる操作を通じて、所定期間の大きさの指定をパラメータｗとして受け付ける。なお、ここで受け付けるパラメータｗは、所定期間の大きさを示す値であって、所定期間の位置を示すものではない。所定期間の大きさは、例えば、複数のデータから成る時系列データのうち何個のデータを解析対象とするかを示すものである。このパラメータｗは、１つまたは複数を指定することが可能である。

回帰直線生成部２は、時系列データ記憶部２０に記憶されている時系列データを回帰分析することにより、当該時系列データの回帰直線を生成する。ここで、回帰直線生成部２は、期間指定受付部１により指定されたパラメータｗに基づいて決められる所定期間を対象として、当該所定期間内の時系列データである期間内時系列データから複数パターンの回帰直線を生成する。具体的には、回帰直線生成部２は、複数パターンの回帰直線として、所定期間内の時点を境界として前後に２本の回帰直線を生成するとともに、所定期間内に境界を設定せずに１本の回帰直線を生成する。

図２および図３は、回帰直線生成部２の処理内容を説明するための図である。図２は、パラメータｗで指定される大きさの所定期間を時系列データの中から特定した状態を示す図である。図３は、特定された所定期間を対象として、当該所定期間内の期間内時系列データから複数パターンの回帰直線を生成する状態を示す図である。なお、図２（ａ）は、時系列データの最初の部分に所定期間を特定した状態を示し、図３は、図２（ａ）で特定された所定期間において複数パターンの回帰直線を生成した状態を示している。

図２および図３の例では、パラメータｗの値は“５”に設定されている。ｗ＝５の場合、回帰直線生成部２は、図３（ａ）〜（ｃ）に示すように、３つのパターンの回帰直線を生成する。図３（ａ）は、時点ｔ１〜ｔ１７の１７個のデータから成る時系列データの最初の部分に設定された所定期間（ｔ１〜ｔ５の時点）のうち、２番目の時点ｔ２を境界として前後に２本の回帰直線を生成した状態を示している。すなわち、時点ｔ１〜ｔ２の間で１本、時点ｔ３〜ｔ５の間で１本の回帰直線を生成している。

図３（ｂ）は、３番目の時点ｔ３を境界として前後に２本の回帰直線を生成した状態を示している。すなわち、時点ｔ１〜ｔ３の間で１本、時点ｔ４〜ｔ５の間で１本の回帰直線を生成している。図３（ｃ）は、最初の部分に設定された所定期間（ｔ１〜ｔ５の時点）に境界を設定せずに、時点ｔ１〜ｔ５の間で１本の回帰直線を生成した状態を示している。

指標算出部３は、回帰直線生成部２により生成された回帰直線と期間内時系列データの実値との誤差の大きさ、および直線モデルの複雑性を評価するための指標を、図３（ａ）〜（ｃ）に示す複数パターンのそれぞれについて算出する。この指標として、例えば、統計モデルの良さを表す指標として公知の情報量規準を用いることが可能である。本実施形態では、次の（式１）および（式２）で示すような赤池情報量規準ＡＩＣ_sum、ＡＩＣ_termを用いる。

なお、（式１）は回帰直線が２本ある場合（図３（ａ）および（ｂ）の場合）に用いる指標であり、（式２）は回帰直線が１本しかない場合（図３（ｃ）の場合）に用いる指標である。上記（式１）において、ｔは所定期間の始点から見て境界点が何番目にあるかを示す数値である。図３（ａ）の場合はｔ＝２、図３（ｂ）の場合はｔ＝３である。

また、（式１）の右辺の第１項にあるＳ_e1は、境界点より前の回帰直線と期間内時系列データの実値との誤差の残差平方和を示し、同じく右辺の第２項にあるＳ_e2は、境界点より後の回帰直線と期間内時系列データの実値との誤差の残差平方和を示す。（式２）の右辺にあるＳ_eは、１本の回帰直線と期間内時系列データの実値との誤差の残差平方和を示す。

分割点抽出部４は、回帰直線生成部２により生成された回帰直線の複数パターンの中から、指標算出部３により算出された指標が最も良いパターンを特定し、当該特定したパターンから回帰直線の分割点を抽出する。指標が最も良いとは、上記（式１）および（式２）で算出される赤池情報量規準ＡＩＣ_sum、ＡＩＣ_termの値が最も小さいという意味である。

分割点抽出部４が抽出する分割点は、図３（ａ）または（ｂ）のように２本の回帰直線を含むパターンの場合は、その境界点が該当する。すなわち、図３（ａ）に示すパターンの指標が最も良い場合は、分割点はｔ２となる。図３（ｂ）に示すパターンの指標が最も良い場合は、分割点はｔ３となる。一方、図３（ｃ）のように１本の回帰直線を含むパターンの指標が最も良い場合は、分割点は無しとなる。

分割点抽出部４は、分割点を抽出した場合は、その分割点を分割点記憶部２１に記憶させる。また、分割点抽出部４は、処理結果を回帰直線生成部２に通知する。すなわち、分割点を抽出した場合はその分割点を回帰直線生成部２に通知し、分割点を抽出しなかった場合はその旨を回帰直線生成部２に通知する。分割点抽出部４から通知を受けた回帰直線生成部２は、通知された処理結果に応じた量だけ所定期間を移動させ、移動後の所定期間において上述の処理を実行する。

ここで、回帰直線生成部２は、抽出された分割点の通知を受けた場合、その分割点まで所定期間の始点を移動させて上述の処理を行う。例えば、図３（ｂ）に示すパターンの指標が最良で分割点ｔ３が抽出されたとした場合、回帰直線生成部２は、図２（ｂ）に示すように、分割点ｔ３まで所定期間の始点を移動させて上述の処理を行う。一方、分割点を抽出しなかった旨の通知を受けた場合、回帰直線生成部２は、直前の所定期間における始点の次の時点まで所定期間の始点を移動させて上述の処理を行う。

移動後の所定期間において回帰直線生成部２により回帰直線が生成されたら、指標算出部３および分割点抽出部４においても、移動後の所定期間において上述の処理を行う。このような処理を順次繰り返し行う。すなわち、回帰直線生成部２、指標算出部３および分割点抽出部４の処理を、所定期間を時系列データの最初から終わりまで順次移動させて複数回行う。なお、時系列データの終わり部分で所定期間をパラメータｗの長さだけとれない場合は、時系列データの末尾までを所定期間とする。このような複数回の処理を行うことにより、分割点記憶部２１には複数の分割点が記憶されることになる。

傾向直線生成部５は、分割点記憶部２１に記憶された複数の分割点を境界として、時系列データ記憶部２０に記憶されている時系列データの回帰直線を求めることにより、時系列データの傾向直線を生成する。図４は、傾向直線生成部５の処理内容を説明するための図である。図４の例では、分割点抽出部４によって３つの分割点ｔ３，ｔ９，ｔ１３が抽出され、これらが分割点記憶部２１に記憶されている。この場合、傾向直線生成部５は、３つの分割点ｔ３，ｔ９，ｔ１３を境界として、その境界の前後で時系列データの回帰直線を求める。

すなわち、傾向直線生成部５は、時点ｔ１〜ｔ３の間で回帰直線１、時点ｔ４〜ｔ９の間で回帰直線２、時点ｔ１０〜ｔ１３の間で回帰直線３、時点ｔ１４〜ｔ１７の間で回帰直線４と、合計４本の回帰直線を求める。これら４本の回帰直線またはそれらを繋げた全体の直線が、時点ｔ１〜ｔ１７の１７個のデータから成る時系列データの傾向直線となる。傾向直線生成部５は、このようにして生成した傾向直線を傾向直線記憶部２２に記憶させる。

なお、期間指定受付部１が複数のパラメータｗ（ｗ１，ｗ２，・・・）の指定を受け付けた場合、回帰直線生成部２、指標算出部３、分割点抽出部４および傾向直線生成部５は、各パラメータｗ１，ｗ２，・・・についてそれぞれ上述の処理を行う。これにより、各パラメータｗ１，ｗ２，・・・に対応する複数の傾向直線が生成されて傾向直線記憶部２２に記憶される。

第２の指標算出部６は、傾向直線と時系列データの実値との誤差の大きさおよび直線モデルの複雑性を評価するための第２の指標を、傾向直線記憶部２２に記憶された複数の傾向直線のそれぞれについて算出する。この第２の指標も、例えば、統計モデルの良さを表す指標として公知の情報量規準を用いることが可能である。本実施形態では、次の（式３）で示すような赤池情報量規準ＡＩＣ_allを用いる。

上記（式３）において、ｉは傾向直線に含まれる複数の回帰直線がそれぞれ先頭から何番目のものであるかを表す数値である。ｎ_iは各回帰直線の始点から見て分割点が何番目にあるかを数値である。図４の例において、回帰直線１の場合はｎ₁＝３、回帰直線２の場合はｎ₂＝６、回帰直線３の場合はｎ₃＝４、回帰直線４の場合はｎ₄＝４である。また、（式３）の右辺にあるＳ_eiは、ｉ番目の回帰直線と時系列データの実値との誤差の残差平方和を示す。

最適傾向直線特定部７は、傾向直線記憶部２２に記憶された複数の傾向直線のうち、第２の指標算出部６により算出された第２の指標が最も良い傾向直線を特定する。指標が最も良いとは、上記（式３）で算出される赤池情報量規準ＡＩＣ_allの値が最も小さいという意味である。最適傾向直線特定部７は、特定した最適傾向直線を、他の傾向直線から識別できる状態にして傾向直線記憶部２２に記憶させる。

また、最適傾向直線特定部７は、特定した最適傾向直線に対応する時系列データを時系列データ記憶部２０から読み出して、最適傾向直線とそれに対応する時系列データとを関連付けて検索対象データ記憶部２３に記憶させる。検索対象データ記憶部２３には、異なる時系列データを対象として上述の処理を行うことによって最適傾向直線が求められる度に、当該最適傾向直線とそれに対応する時系列データとが記憶される。このようにして検索対象データ記憶部２３に記憶される複数組の時系列データとその傾向直線は、後述するようにパターン認識の検索対象データとして用いられる。

なお、期間指定受付部１が１つのパラメータｗだけの指定を受け付けた場合、傾向直線は１つのみ生成されて、傾向直線記憶部２２に記憶される。その場合、第２の指標算出部６による第２の指標の算出処理と、最適傾向直線特定部７による最適傾向直線の特定処理は不要である。最適傾向直線特定部７は、傾向直線記憶部２２に記憶された１つの傾向直線と、それに対応する時系列データとを関連付けて検索対象データ記憶部２３に記憶させる。

増減傾向特定部８は、傾向直線生成部５により生成され傾向直線記憶部２２に記憶された傾向直線（複数のパラメータｗ１，ｗ２，・・・が指定された場合は最適傾向直線）の傾きに基づいて、時系列データの増減傾向を特定する。例えば、増減傾向特定部８は、任意の時点ｔの指定をパラメータとして受け付け、指定された時点ｔにおける時系列データの増減傾向を特定する。具体的には、指定された時点ｔにおいて傾向直線の傾きが正であったら増加傾向、負であったら減少傾向と判断する。

特異点特定部９は、時系列データの急増点または急減点を特異点として特定する。急増点・急減点の候補となるのは、回帰直線の境目として分割点記憶部２１に記録した複数の分割点である。すなわち、特異点特定部９は、分割点抽出部４により抽出され分割点記憶部２１に記憶された複数の分割点について、当該分割点の前後の点における時系列データの実値の差異を算出し、当該差異が所定値以上となる分割点を急増点または急減点として特定する。例えば、特異点特定部９は、傾向直線と時系列データの実値との誤差の標準偏差σを求め、分割点の前後の点における時系列データの実値の差異が２σ以上の増加だったら急増点、−２σ以下の減少だったら急減点と判断する。

類似データ検索部１０は、傾向直線生成部５により生成された傾向直線（複数のパラメータｗ１，ｗ２，・・・が指定された場合は最適傾向直線）に類似した傾向直線をパターン認識により検索対象データ記憶部２３から検索し、検索した傾向直線に対応する時系列データを検索対象データ記憶部２３から抽出する。すなわち、類似データ検索部１０は、今回解析対象としている時系列データと類似の傾向を有する別の時系列データを検索対象データ記憶部２３から検索する。

図５は、本実施形態による時系列データの解析装置の動作例を示すフローチャートである。なお、図５は、時系列データから傾向直線を生成する際の動作例を示すものである。図５に示すフローチャートは、時系列データ記憶部２０から解析対象の時系列データを読み出し、ユーザが図示しない操作部を操作してパラメータｗの値を指定したときに開始する。

図５において、回帰直線生成部２は、指定されたパラメータｗを取得し（ステップＳ１）、当該パラメータｗの幅を有する所定期間を時系列データ中に設定する（ステップＳ２）。最初は、時系列データの始めの部分に所定期間を設定する。そして、回帰直線生成部２は、設定した所定期間を対象として、時系列データ記憶部２０から読み出した時系列データのうち期間内時系列データを回帰分析することにより、複数パターンの回帰直線を生成する（ステップＳ３）。

指標算出部３は、回帰直線生成部２により生成された複数パターンの回帰直線のそれぞれについて、（式１）および（式２）で示す赤池情報量規準ＡＩＣ_sum、ＡＩＣ_termによる指標を算出する（ステップＳ４）。次に、分割点抽出部４は、回帰直線生成部２により生成された回帰直線の複数パターンの中から、指標算出部３により算出された指標が最も良いパターンを特定し、当該特定したパターンから回帰直線の分割点を抽出する（ステップＳ５）。

ここで、分割点抽出部４は、解析対象としている所定期間から分割点を抽出できたか否かを判定し（ステップＳ６）、抽出できなかった場合はステップＳ８の処理に遷移する。一方、分割点を抽出できた場合には、分割点抽出部４は、その分割点を分割点記憶部２１に記憶させる（ステップＳ７）。また、分割点抽出部４は、分割点を抽出できなかった場合にはその旨を、抽出できた場合には分割点を回帰直線生成部２に通知する。

この通知を受けた回帰直線生成部２は、時系列データの終わりまで所定期間を設定して解析を終了したか否かを判定する（ステップＳ８）。まだ時系列データの終わりまで解析を終了していない場合は、ステップＳ２に戻り、通知結果に応じて所定期間を移動させる。そして、移動後の所定期間についてステップＳ３以降の処理を同様に行う。

一方、時系列データの終わりまで解析を終了した場合、傾向直線生成部５は、分割点記憶部２１に記憶された複数の分割点を境界として時系列データの回帰直線を求めることにより、時系列データの傾向直線を生成する（ステップＳ９）。そして、その傾向直線を傾向直線記憶部２２に記憶させる（ステップＳ１０）。

続いて、回帰直線生成部２は、ユーザにより指定されたパラメータｗを全て処理したか否かを判定する（ステップＳ１１）。ここで、ユーザによりパラメータｗが１つだけ指定されていた場合は、指定されたパラメータｗを全て処理したことになる。一方、ユーザによりパラメータｗが複数指定されていた場合は、未処理のものがないかどうかを判定し、なければ、指定されたパラメータｗを全て処理したことになる。

未処理のパラメータｗが残っている場合は、ステップＳ１に戻り、新たに取得したパラメータｗについてステップＳ２以降の処理を同様に行う。一方、指定されたパラメータｗを全て処理した場合、第２の指標算出部６は、パラメータｗの指定が複数であったか否かを判定する（ステップＳ１２）。複数のパラメータｗが指定されていた場合、傾向直線記憶部２２には複数の傾向直線が記憶されていることになるので、第２の指標算出部６は、当該複数の傾向直線のそれぞれについて第２の指標を算出する（ステップＳ１３）。

続いて、最適傾向直線特定部７は、傾向直線記憶部２２に記憶された複数の傾向直線のうち、第２の指標算出部６により算出された第２の指標が最も良い傾向直線を特定する（ステップＳ１４）。そして、最適傾向直線特定部７は、特定した最適傾向直線を、他の傾向直線から識別できる状態にして傾向直線記憶部２２に記憶させる。また、最適傾向直線特定部７は、特定した最適傾向直線に対応する時系列データを時系列データ記憶部２０から読み出して、最適傾向直線とそれに対応する時系列データとを関連付けて検索対象データ記憶部２３に記憶させる（ステップＳ１５）。

なお、パラメータｗの指定が１つのみであった場合、傾向直線記憶部２２には傾向直線が１つのみ記憶されていることになる。この場合は、ステップＳ１３，Ｓ１４の処理は行わず、最適傾向直線特定部７は、傾向直線記憶部２２に記憶されている１つの傾向直線に対応する時系列データを時系列データ記憶部２０から読み出して、当該傾向直線とそれに対応する時系列データとを関連付けて検索対象データ記憶部２３に記憶させる（ステップＳ１５）。これにより、図５に示すフローチャートの処理を終了する。

以上詳しく説明したように、本実施形態によれば、時系列データの傾向が直線により特定されるので、その直線の傾きにより時系列データの増減傾向を解析したり、直線の傾きが大きく変わる点などを特異点として解析したりすることができる。例えば、傾向直線生成部５により生成された傾向直線をグラフとしてディスプレイに表示させれば、時系列データの増減傾向や特異点をユーザが直感的に把握することができる。また、傾向直線生成部５により生成された傾向直線を対象として増減傾向特定部８または特異点特定部９による処理を行うことで、時系列データの増減傾向や特異点をコンピュータにより特定することができる。

なお、上記実施形態では、所定期間の幅をパラメータｗとしてユーザが指定できるにしているが、固定の値としてもよい。ただし、所定期間の幅をパラメータｗとして可変にすることで、時系列データの解析をフレキシブルに行うことができるようになるというメリットを有する。すなわち、パラメータｗの値を大きくすれば、時系列データの大まかな傾向を分析することができ、パラメータｗの値を小さくすれば、時系列データの細かい部分の傾向を分析することができる。

また、上記実施形態では、パラメータｗを１つまたは複数の何れかで指定できるようにしているが、１つのみとしてもよい。その場合、第２の指標算出部６および最適傾向直線特定部７は不要となる。ただし、複数のパラメータｗを指定して第２の指標算出部６および最適傾向直線特定部７の処理を行うことにより、時系列データの特徴をより忠実に表した傾向直線を生成することができるようになるというメリットを有する。

また、上記実施形態では、増減傾向特定部８、特異点特定部９、類似データ検索部１０を設けているが、これらは必須の構成ではなく、省略してもよい。あるいは、何れか１つまたは２つのみを設けるようにしてもよい。例えば、増減傾向特定部８および特異点特定部９を省略しても、傾向直線生成部５により生成された傾向直線をグラフとしてディスプレイに表示させれば、時系列データの増減傾向や特異点をユーザが直感的に把握することができる。

また、上記実施形態では、傾向直線生成部５により生成された傾向直線とそれに対応する時系列データとを検索対象データ記憶部２３に記憶させ、後に別の時系列データをパターン認識するときの検索対象データとして用いるようにしたが、本発明はこれに限定されない。例えば、検索対象とする時系列データとその傾向直線をあらかじめ数パターン生成して検索対象データ記憶部２３に記憶しておくようにしてもよい。

また、上記実施形態では、指標の一例として赤池情報量規準を用いたが、本発明はこれに限定されない。例えば、ベイズ統計規準などの他の情報量規準を用いてもよい。

その他、上記実施形態は、何れも本発明を実施するにあたっての具体化の一例を示したものに過ぎず、これによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその要旨、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

１ 期間指定受付部
２ 回帰直線生成部
３ 指標算出部
４ 分割点抽出部
５ 傾向直線生成部
６ 第２の指標算出部
７ 最適傾向直線特定部
８ 増減傾向特定部
９ 特異点特定部
１０ 類似データ検索部

Claims (8)

1. 複数のデータから成る時系列データの中から設定された所定期間を対象として、当該所定期間内の時系列データである期間内時系列データから複数パターンの回帰直線を生成する回帰直線生成部と、
   上記回帰直線生成部により生成された回帰直線と上記期間内時系列データの実値との誤差の大きさおよび直線モデルの複雑性を評価するための指標を上記複数パターンのそれぞれについて算出する指標算出部と、
   上記指標算出部により算出された上記指標が最も良いパターンを特定し、当該特定したパターンから回帰直線の分割点を抽出する分割点抽出部と、
   上記回帰直線生成部、上記指標算出部および上記分割点抽出部の処理を、上記所定期間を上記時系列データの最初から終わりまで順次移動させて複数回行うことによって抽出される複数の分割点を境界として上記時系列データの回帰直線を求めることにより、上記時系列データの傾向直線を生成する傾向直線生成部とを備えたことを特徴とする時系列データの解析装置。
2. 上記回帰直線生成部は、上記複数パターンの回帰直線として、上記所定期間内の時点を境界として前後に２本の回帰直線を生成するとともに、上記所定期間内に境界を設定せずに１本の回帰直線を生成することを特徴とする請求項１に記載の時系列データの解析装置。
3. 上記傾向直線生成部により生成された上記傾向直線の傾きに基づいて、上記時系列データの増減傾向を特定する増減傾向特定部を更に備えたことを特徴とする請求項１に記載の時系列データの解析装置。
4. 上記分割点抽出部により抽出された複数の分割点について、当該分割点の前後の点における上記時系列データの実値の差異を算出し、当該分割点の前後の点における実値の差異が所定値以上となる分割点を急増点または急減点として特定する特異点特定部を更に備えたことを特徴とする請求項１に記載の時系列データの解析装置。
5. 任意の時系列データとその傾向直線との組を複数、検索対象データとして記憶する検索対象データ記憶部と、
   上記傾向直線生成部により生成された上記傾向直線に類似した傾向直線をパターン認識により上記検索対象データ記憶部から検索し、検索した傾向直線に対応する時系列データを上記検索対象データ記憶部から抽出する類似データ検索部とを更に備えたことを特徴とする請求項１に記載の時系列データの解析装置。
6. 上記所定期間の大きさの指定をパラメータとして受け付ける期間指定受付部を更に備え、
   上記回帰直線生成部は、上記期間指定受付部により指定を受け付けたパラメータに基づいて決められる上記所定期間を対象として、当該所定期間内の時系列データである期間内時系列データから複数パターンの回帰直線を生成することを特徴とする請求項１に記載の時系列データの解析装置。
7. 上記期間指定受付部が複数のパラメータの指定を受け付けた場合、上記回帰直線生成部、上記指標算出部、上記分割点抽出部および上記傾向直線生成部は、上記複数のパラメータのそれぞれについて処理を行うことによって複数の傾向直線を生成し、
   上記傾向直線と上記時系列データの実値との誤差の大きさおよび直線モデルの複雑性を評価するための第２の指標を上記複数の傾向直線のそれぞれについて算出する第２の指標算出部と、
   上記複数の傾向直線のうち、上記第２の指標算出部により算出された上記第２の指標が最も良い傾向直線を特定する最適傾向直線特定部とを更に備えたことを特徴とする請求項６に記載の時系列データの解析装置。
8. 複数のデータから成る時系列データの中から設定された所定期間を対象として、当該所定期間内の時系列データである期間内時系列データから複数パターンの回帰直線を生成する回帰直線生成手段、
   上記回帰直線生成手段により生成された回帰直線と上記期間内時系列データの実値との誤差の大きさおよび直線モデルの複雑性を評価するための指標を上記複数パターンのそれぞれについて算出する指標算出手段、
   上記指標算出手段により算出された上記指標が最も良いパターンを特定し、当該特定したパターンから回帰直線の分割点を抽出する分割点抽出手段、および
   上記回帰直線生成手段、上記指標算出手段および上記分割点抽出手段の処理を、上記所定期間を上記時系列データの最初から終わりまで順次移動させて複数回行うことによって抽出される複数の分割点を境界として上記時系列データの回帰直線を求めることにより、上記時系列データの傾向直線を生成する傾向直線生成手段
   としてコンピュータを機能させるための時系列データの解析用プログラム。

Images