講演抄録/キーワード |
講演名 |
2022-01-18 11:35
欠測の階層構造に基づくセンサデータの欠測率予測手法の評価 ○平田紀史・前島 治・吉原貴仁(KDDI総合研究所) IN2021-25 |
抄録 |
(和) |
ネットワークを介してセンサデータを収集することは,IoT(Internet of Things)によるサービス実現の重要な要素となっている.センサデータには機器故障やネットワークの不具合等の原因により欠測が存在するが,事前に欠測率を予測することで,欠測率を見込んだ対応が可能となる.例えば,電力市場では発電機や蓄電池の遠隔制御を前提となるが,各機器の電力センサの欠測率が予測できれば,欠測分を除いた入札ができ,より確実な取引ができる.欠測の原因がネットワークにある場合,複数のセンサが同時欠測することがある.そこで,欠測の共起関係からセンサのグループ化と階層構造化を行い,階層構造に基づく欠測率予測手法を提案し評価する.大気環境に関するセンサデータから予測誤差を評価した結果,階層構造を利用しない比較手法に対し,提案手法では最大で10.75%から7.71%へ3.04%の誤差減少が確認できた. |
(英) |
Collecting sensor data via networks is important for IoT (Internet of Things) services.However, sensors sometimes have missing values by equipment failures, network failure, etc.It is possible to take actions against missing value by predicting a missing probability.For example, we can take a bid in an electricity power market except failed generators by predicting missing probability.In this paper, we propose and evaluate a prediction method for missing probability of sensor data hierarchical structure of missing value.As a result of the evaluation, the proposed method could reduce the prediction error of missing probability from 10.75% to 7.71% compared to a baseline method. |
キーワード |
(和) |
時系列予測 / 欠測 / 階層構造 / センサデータ / / / / |
(英) |
time-series prediction / missing value / hierarchical structure / sensor value / / / / |
文献情報 |
信学技報, vol. 121, no. 324, IN2021-25, pp. 7-12, 2022年1月. |
資料番号 |
IN2021-25 |
発行日 |
2022-01-11 (IN) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IN2021-25 |
研究会情報 |
研究会 |
IN |
開催期間 |
2022-01-18 - 2022-01-18 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
コンテンツ配信/流通、ソーシャルネットワーク(SNS)、データ分析・処理基盤、ビッグデータ及び一般 |
テーマ(英) |
Contents Distribution, Social Networking Services, Data Analytics and Processing Platform, Big data, etc. |
講演論文情報の詳細 |
申込み研究会 |
IN |
会議コード |
2022-01-IN |
本文の言語 |
日本語 |
タイトル(和) |
欠測の階層構造に基づくセンサデータの欠測率予測手法の評価 |
サブタイトル(和) |
|
タイトル(英) |
Evaluation on Prediction Method for Missing Probability of Sensor Value based on Hierarchical Structure of Missing Value |
サブタイトル(英) |
|
キーワード(1)(和/英) |
時系列予測 / time-series prediction |
キーワード(2)(和/英) |
欠測 / missing value |
キーワード(3)(和/英) |
階層構造 / hierarchical structure |
キーワード(4)(和/英) |
センサデータ / sensor value |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
平田 紀史 / Norifumi Hirata / ヒラタ ノリフミ |
第1著者 所属(和/英) |
株式会社 KDDI総合研究所 (略称: KDDI総合研究所)
KDDI Research, Inc (略称: KDDI Research) |
第2著者 氏名(和/英/ヨミ) |
前島 治 / Osamu Maeshima / マエシマ オサム |
第2著者 所属(和/英) |
株式会社 KDDI総合研究所 (略称: KDDI総合研究所)
KDDI Research, Inc (略称: KDDI Research) |
第3著者 氏名(和/英/ヨミ) |
吉原 貴仁 / Kiyohito Yoshihara / ヨシハラ キヨヒト |
第3著者 所属(和/英) |
株式会社 KDDI総合研究所 (略称: KDDI総合研究所)
KDDI Research, Inc (略称: KDDI Research) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-01-18 11:35:00 |
発表時間 |
25分 |
申込先研究会 |
IN |
資料番号 |
IN2021-25 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.324 |
ページ範囲 |
pp.7-12 |
ページ数 |
6 |
発行日 |
2022-01-11 (IN) |
|