需要パターンの変化に対応した需要予測システム

ARNE Technologiesでは、独自の機械学習・オンライン学習技術を活用し、高精度の需要予測を行うシステムの開発を行っています。

過去の需要パターンを学習して予測を行う機械学習においては、需要パターンの変化は予測精度を低下させる1つの要因となります。例えば、電力需要パターンは図1のように様々な理由で需要パターンが時間と共に変化していきます。

図1. 電力需要パターンの変化例

従来の予測法ではこうした変化に対応できず、需要のパターンが大きく変化した際に予測精度が大きく低下した状態が長く続いてしまうという課題があります。

ARNE Technologiesでは、需要パターンの変化をデータから捉え、予測手法を柔軟に変更する独自の動的モデル選択・アンサンブル手法を開発しました。これにより需要パターンが変化しても予測精度をロバストに保つことが可能になります。図2は、ある店舗の電力需要予測に開発手法を適用した結果です。開発手法によって変化発生後の誤差を小さくすることに成功しています。図2の事例は電力需要の予測ですが、この手法は他にも小売や製造など、業種を問わず様々なデータへの適用が期待できます。

図2. 需要パターン変化に対応した手法の適用例