[发明专利]预测系统以及预测方法

说明书

提供在有限的计算时间中改善预测精度的预测系统及预测方法。预测系统具有第1预测部以及第2预测部，第1预测部基于至少包含过去的第1期间的数值数据的输入数据，预测包含将来的期间的第2期间的数值，第2预测部取得第1预测部在预测中使用的输入数据、第1预测部预测出的第2期间的数值、以及表示输入数据的变更的信息，基于按照表示输入数据的变更的信息进行变更后的输入数据的至少一部分，进行计算量较少的预测处理，由此预测第2期间的至少一部分的数值，输出第1以及第2预测部的预测的结果，在输入数据的变更有效的情况下，第1预测部基于按照表示输入数据的变更的信息进行变更后的输入数据，预测第2期间的数值。

技术领域

本发明涉及基于过去的数值输出预测值的预测系统。

背景技术

根据过去的数值数据预测将来的数值的技术被应用于各种领域。例如在物流领域中，为了对仓库内的人工费或者配送费进行报价而预测仓库的进货量以及出货量等，并用于报价。此时，进货量以及出货量等的物量的预测由具有专业知识的作业者进行，要求其精度改善以及自动化。

此外，在生产领域中也同样，为了优化生产量而进行消费者的需求预测，要求其精度改善。另外，在用于优化销售店铺中的商品的订货量而预测消费者的购买量等各种领域需要预测技术。

自动进行高精度的预测的技术多种多样。

在专利文献1中，不仅使用过去的出货量还使用天气、营业天数等的数据群来进行出货量的预测。

在专利文献2中，提出了使用神经网络的高精度的预测方式。

现有技术文献

专利文献

专利文献1：日本特开2005－78277号公报

专利文献2：日本特开平9－22402号公报

发明内容

发明所要解决的课题

在上述的专利文献1中，为了提高预测精度而进行了多元回归分析，其中不仅使用了过去的出货量还使用了成为出货量的暂时变动的要因的天气等的数据。然而，多元回归分析由于需要解释变量的预测数值，必须进行天气预报等解释变量本身的预测，在预测精度上留有课题。

另一方面，根据上述的专利文献2中记载的技术，能够进行精度更高的预测。此时，如专利文献1所述的那样，为了提高预测的精度，不仅包括过去的出货量还包括天气以及营业日等的变动要因的数据是有效的。然而，季节用品受气温影响较大，另一方面，与季节要因相比化妆品受促销活动影响较大等，变动要因因商品而不同，此外，确定影响较大的有效的数据作为变动要因并不容易。为了使用有效的数据进行高精度的预测，在预测之前，需要推测变动要因并验证。推测出的变动要因的有效性通过实际使用变动要因数据进行预测，并评价预测结果而知晓。然而，在如专利文献2那样使用高精度的预测的情况下，通常预测的计算花费时间。例如，在物流领域中，仓库中处理的商品数庞大，预测全部的商品的出货量等花费庞大的学习、预测时间。因此，对于推测出的变动要因的有效性，不能实时进行研究，变动要因的确定需花费时间。

用于解决课题的方法