時系列予測とは？
じけいれつよそく
時系列予測とは、過去の時間順データのパターンを分析し、将来の値を統計的・機械学習的手法で推定することです。
時系列予測（Time Series Forecasting）とは、時間の経過とともに記録されたデータ（時系列データ）を分析し、将来の値や傾向を予測する手法の総称です。株価・気温・売上・電力需要など、時間軸に沿った連続的なデータを対象とします。
時系列データには、以下のような特徴的な成分が含まれます。
- トレンド：長期的な上昇・下降の傾向
- 季節性：一定周期で繰り返されるパターン（年次・月次・週次など）
- 周期性：不規則な長周期の変動
- 残差（ノイズ）：説明できない不規則な変動
代表的な予測手法には、古典的な統計モデルであるARIMA（自己回帰和分移動平均モデル）や指数平滑法のほか、近年ではLSTMなどのリカレントニューラルネットワーク、Transformerベースのモデル、さらにFacebook（Meta）が開発したProphetなどが広く使われています。手法の選択はデータの規模・周期性・外部変数の有無などによって異なります。
時系列予測はビジネス需要予測・医療データ分析・気象予報・設備の故障予知など多分野で活用されており、データドリブンな意思決定を支える重要な技術基盤となっています。
使い方・例文
小売業では過去の週次売上データをもとに時系列予測を行い、季節変動や特売イベントを考慮した在庫補充計画を自動的に立案するために活用されます。
この用語をシェア
最終更新: