| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-02-14 15:40 時系列データからの売り上げ予測 ○氏家 彬・三島啓聖（静岡理工科大）・竹内いさや（㈱タケウチ）・富樫 敦（静岡理工科大）・野口正一（応情研）  SWIM2024-27 |
|
| 抄録 | （和） | AI技術の進化により、時系列データの予測モデルとして統計モデルと深層学習モデルが注目されている。統計モデルには自己回帰や移動平均などがあり、データの線形性や季節性を捉えるのに適している。一方、深層学習モデルは非線形な依存関係や複雑なデータ構造を学習できるため、従来の統計モデルでは扱えないデータの特性を捉えることができる。 本論文では、時系列データ予測手法を用いた売上予測モデルを構築し、統計モデルと深層学習モデルの精度を比較・評価した。株式会社タケウチから提供された2020年11月から2024年9月までの売上データを使用し、各モデルの適用可能性を検証した。評価には二乗平均平方根誤差を使用し、最適な手法を提案した。 結果として、LSTMが最も低いRMSEを達成し、非線形性や長期依存関係を捉える能力の優位性が確認された。一方、移動平均はランダムな変動を軽減でき、簡便ながら一定の精度を示した。SARIMAやARMA、CNNは精度がさらに低い結果となった。全体的にRMSEの値が高く、今回のモデルでは実用的な精度に達していないことがわかった。データのばらつきを抑え、外部データ（例: 天候やイベント情報）を加えることで、予測精度を向上させることができると考える。 |
| （英） | With the advancement of AI technology, both statistical models and deep learning models have gained attention for time series data prediction. Statistical models, such as autoregressive and moving average models, are suitable for capturing linearity and seasonality in data. In contrast, deep learning models can learn nonlinear dependencies and complex data structures, making them capable of handling data characteristics that traditional statistical models cannot. This paper constructs a sales prediction model using time series data prediction methods and compares the accuracy of statistical models and deep learning models. Using sales data from November 2020 to September 2024 provided by Takeuchi Corporation, the applicability of each model was verified. The evaluation used the root mean square error (RMSE) to propose the optimal method. As a result, LSTM achieved the lowest RMSE, confirming its superiority in capturing nonlinearity and long-term dependencies. On the other hand, the moving average model could reduce random fluctuations and showed reasonable accuracy despite its simplicity. SARIMA, ARMA, and CNN models showed even lower accuracy. Overall, the high RMSE values indicated that the models did not achieve practical accuracy. It is believed that reducing data variability and incorporating external data (e.g., weather and event information) can further improve prediction accuracy. |
|
| キーワード | （和） | 時系列データの予測モデル / 売上予測 / SARIMAX / LSTM / CNN / / / |
| （英） | predictive models for time series data / ｓales forecasting / SARIMAX / LSTM / CNN / / / | |
| 文献情報 | 信学技報, vol. 124, no. 371, SWIM2024-27, pp. 55-62, 2025年2月. | |
| 資料番号 | SWIM2024-27 | |
| 発行日 | 2025-02-07 (SWIM) | |
| 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 | SWIM2024-27 |
|
| 研究会情報 | |
| 研究会 | SWIM |
| 開催期間 | 2025-02-14 - 2025-02-14 |
| 開催地（和） | オンライン開催 (Zoom) |
| 開催地（英） | Online (Zoom) |
| テーマ（和） | ビジネス評価と信頼性,学生セッション,一般 |
| テーマ（英） | Business Valuation and Reliability,Student Session,GeneralBusiness Valuation and Reliability,Student Session,GeneralBusiness Valuation and Reliability,Student Session,GeneralBusiness Valuation and Reliability,Student Session,General |
| 講演論文情報の詳細 | |
| 申込み研究会 | SWIM |
| 会議コード | 2025-02-SWIM |
| 本文の言語 | 日本語 |
| タイトル（和） | 時系列データからの売り上げ予測 |
| サブタイトル（和） | |
| タイトル（英） | Demand forecast for daily necessities using time series analysis |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 時系列データの予測モデル / predictive models for time series data |
| キーワード(2)（和/英） | 売上予測 / ｓales forecasting |
| キーワード(3)（和/英） | SARIMAX / SARIMAX |
| キーワード(4)（和/英） | LSTM / LSTM |
| キーワード(5)（和/英） | CNN / CNN |
| 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） | 氏家 彬 / Akira Ujiie / ウジイエ アキラ |
| 第1著者 所属（和/英） | 静岡理工科大学 (略称： 静岡理工科大) Shizuoka Institute of Science and Technology (略称： SIST) |
| 第2著者 氏名（和/英/ヨミ） | 三島 啓聖 / Hiroto Mishima / ミシマ ヒロト |
| 第2著者 所属（和/英） | 静岡理工科大学 (略称： 静岡理工科大) Shizuoka Institute of Science and Technology (略称： SIST) |
| 第3著者 氏名（和/英/ヨミ） | 竹内 いさや / Isaya Takeuchi / タケウチ イサヤ |
| 第3著者 所属（和/英） | ㈱タケウチ (略称： ㈱タケウチ) Takeuchi Co., Ltd. (略称： Takeuchi Co., Ltd.) |
| 第4著者 氏名（和/英/ヨミ） | 富樫 敦 / Atsushi Togashi / トガシ アツシ |
| 第4著者 所属（和/英） | 静岡理工科大学 (略称： 静岡理工科大) Shizuoka Institute of Science and Technology (略称： SIST) |
| 第5著者 氏名（和/英/ヨミ） | 野口 正一 / Shoichi Noguchi / ノグチ ショウイチ |
| 第5著者 所属（和/英） | (公)仙台応用情報学研究振興財団 (略称： 応情研) Sendai Foundation for Applied Information Sciences (略称： SFAIS) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-02-14 15:40:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SWIM |
| 資料番号 | SWIM2024-27 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.371 |
| ページ範囲 | pp.55-62 |
| ページ数 | 8 |
| 発行日 | 2025-02-07 (SWIM) |
[研究会発表申込システムのトップページに戻る]