特開 2024-135425 変化検出装置及び変化検出方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024135425

(43)【公開日】2024-10-04

(54)【発明の名称】変化検出装置及び変化検出方法

(51)【国際特許分類】

   G06F 16/907 20190101AFI20240927BHJP

【ＦＩ】

G06F16/907

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2023046097

(22)【出願日】2023-03-23

(71)【出願人】

【識別番号】000142425

【氏名又は名称】アズビル金門株式会社

(71)【出願人】

【識別番号】304036754

【氏名又は名称】国立大学法人山形大学

(74)【代理人】

【識別番号】110003166

【氏名又は名称】弁理士法人山王内外特許事務所

(72)【発明者】

【氏名】村上 英治

(72)【発明者】

【氏名】鈴木 郁美

(72)【発明者】

【氏名】原 一夫

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175DA10

5B175FB03

(57)【要約】

【課題】時系列データの特徴的な変化を検出する精度を従来よりも向上させることができる変化検出装置を提供する。
【解決手段】変化検出装置１００は、第１期間及び第１期間よりも後の期間である第２期間を含む期間の時系列データを取得する時系列データ取得部１０と、時系列データ取得部が取得した時系列データに基づいて、第１期間における複数の部分時系列データである複数の第１ベクトルと、第２期間における複数の部分時系列データである複数の第２ベクトルと、を取得するベクトル取得部２１と、複数の第１ベクトルのうち特定の第１ベクトルと、複数の第２ベクトルのうち特定の第２ベクトルと、の組合せに係る差分ベクトルを、複数の組合せにおいて取得する差分ベクトル取得部２２と、差分ベクトル取得部が取得した複数の差分ベクトルの、方向の分布の偏りに基づいて、時系列データの特徴的な変化を検出する変化検出部２５と、を備えた。
【選択図】図１

【特許請求の範囲】

【請求項1】

第１期間及び前記第１期間よりも後の期間である第２期間を含む期間の時系列データを取得する時系列データ取得部と、
前記時系列データ取得部が取得した前記時系列データに基づいて、前記第１期間における複数の部分時系列データである複数の第１ベクトルと、前記第２期間における複数の部分時系列データである複数の第２ベクトルと、を取得するベクトル取得部と、
前記複数の第１ベクトルのうち特定の第１ベクトルと、前記複数の第２ベクトルのうち特定の第２ベクトルと、の組合せに係る差分ベクトルを、複数の組合せにおいて取得する差分ベクトル取得部と、
前記差分ベクトル取得部が取得した複数の差分ベクトルの、方向の分布の偏りに基づいて、前記時系列データの特徴的な変化を検出する変化検出部と、を備えた
ことを特徴とする変化検出装置。

【請求項2】

前記差分ベクトル取得部が取得した複数の差分ベクトルのそれぞれを、向きを変えず大きさを統一させるように変換したベクトルを取得するベクトル変換部を備え、
前記変化検出部は、前記ベクトル変換部によって取得されたベクトルの方向の分布の偏りに基づいて、前記時系列データの特徴的な変化を検出する
ことを特徴とする請求項１記載の変化検出装置。

【請求項3】

前記ベクトル取得部は、前記第１期間の前記時系列データにおいてスライド窓をスライドさせることで前記複数の第１ベクトルを取得し、前記第２期間の前記時系列データにおいてスライド窓をスライドさせることで前記複数の第２ベクトルを取得する
ことを特徴とする請求項１記載の変化検出装置。

【請求項4】

前記差分ベクトル取得部は、前記複数の第１ベクトルのそれぞれについて、前記複数の第２ベクトルのうち最も近い第２ベクトルを抽出し、前記複数の第１ベクトルのそれぞれと、抽出された第２ベクトルと、の差分に基づいて、前記複数の差分ベクトルを取得する
ことを特徴とする請求項１記載の変化検出装置。

【請求項5】

前記複数の差分ベクトルは、複数の第１差分ベクトルであり、
前記差分ベクトル取得部は、前記複数の第２ベクトルのそれぞれについて、前記複数の第１ベクトルのうち最も近い第１ベクトルを抽出し、前記複数の第２ベクトルのそれぞれと、抽出された第１ベクトルと、の差分に基づいて、複数の第２差分ベクトルを取得し、
前記変化検出部は、前記差分ベクトル取得部が取得した複数の第１差分ベクトル及び複数の第１差分ベクトルのうち、いずれか方向の分布の偏りが大きい方の、方向の分布の偏りに基づいて、前記時系列データの特徴的な変化を検出する
ことを特徴とする請求項４記載の変化検出装置。

【請求項6】

前記複数の差分ベクトルの方向の分布の偏りに応じた変化スコアを算出する変化スコア算出部を備え、
前記変化検出部は、前記変化スコア算出部によって算出された変化スコアが、予め設定されている閾値を超えたか否かに基づいて、前記時系列データの特徴的な変化を検出する
ことを特徴とする請求項１記載の変化検出装置。

【請求項7】

前記閾値を設定する閾値設定部を備え、
前記時系列データは、前記第１期間よりも前の期間である第３期間と、前記第３期間と前記第１期間との間の期間である第４期間と、を含み、
前記ベクトル取得部は、前記時系列データ取得部が取得した前記時系列データに基づいて、前記第３期間における複数の部分時系列データである複数の第３ベクトルと、前記第４期間における複数の部分時系列データである複数の第４ベクトルと、を取得し、
前記差分ベクトル取得部は、前記複数の第３ベクトルのうち特定の第３ベクトルと、前記複数の第４ベクトルのうち特定の第４ベクトルと、の組合せに係る差分ベクトルを、複数の組合せにおいて取得し、
前記閾値設定部は、前記差分ベクトル取得部が取得した複数の差分ベクトルの、方向の分布の偏りに基づいて、前記閾値を設定する
ことを特徴とする請求項６記載の変化検出装置。

【請求項8】

前記時系列データ取得部は、前記時系列データとして所定の期間におけるガス消費量のデータを取得し、
前記変化検出部は、前記差分ベクトル取得部が取得した差分ベクトルの方向の偏りに基づいて、前記ガス消費量の特徴的な時間変化を検出する
ことを特徴とする請求項１乃至７のいずれか１項記載の変化検出装置。

【請求項9】

時系列データ取得部と、ベクトル取得部と、差分ベクトル取得部と、変化検出部と、を備えた装置が行う変化検出方法であって、
前記時系列データ取得部が、第１期間及び前記第１期間よりも後の期間である第２期間を含む期間の時系列データを取得するステップと、
前記ベクトル取得部が、前記時系列データ取得部が取得した前記時系列データに基づいて、前記第１期間における複数の部分時系列データである複数の第１ベクトルと、前記第２期間における複数の部分時系列データである複数の第２ベクトルと、を取得するステップと、
前記差分ベクトル取得部が、前記複数の第１ベクトルのうち特定の第１ベクトルと、前記複数の第２ベクトルのうち特定の第２ベクトルと、の組合せに係る差分ベクトルを、複数の組合せにおいて取得するステップと、
前記変化検出部が、前記差分ベクトル取得部が取得した複数の差分ベクトルの、方向の分布の偏りに基づいて、前記時系列データの特徴的な変化を検出するステップと、を備えた
ことを特徴とする変化検出方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、変化検出装置及び変化検出方法に関する。

【背景技術】

【0002】

従来、時系列データの特徴的な変化を検出する方法として、ＲｕＬＳＩＦ法が開示されている（非特許文献１参照）。非特許文献１に記載の方法は、所定期間の時系列データと当該所定期間よりも後の期間の時系列データとを取得し、それぞれの期間の時系列データの確率分布の密度比に基づいて、時系列データの特徴的な変化が生じたか否かを判定する方法である。

【先行技術文献】

【非特許文献】

【0003】

【非特許文献1】Ｓ．Ｌｉｕ，Ｍ．Ｙａｍａｄａ，Ｎ．Ｃｏｌｌｉｅｒ，ａｎｄ Ｍ．Ｓｕｇｉｙａｍａ，Ｃｈａｎｇｅ－ｐｏｉｎｔ ｄｅｔｅｃｔｉｏｎ ｉｎ ｔｉｍｅ－ｓｅｒｉｅｓ ｄａｔａ ｂｙ ｒｅｌａｔｉｖｅ ｄｅｎｓｉｔｙ－ｒａｔｉｏ ｅｓｔｉｍａｔｉｏｎ，Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，４３（２０１３），ｐｐ．７２－８３．

【発明の概要】

【発明が解決しようとする課題】

【0004】

一般に、時系列データには、様々な要因によって他のデータ値とは大きく異なる外れ値を含む場合がある。しかしながら、非特許文献１に記載の方法は、密度比の算出が時系列データに含まれる外れ値によって影響を受けるため、時系列データに含まれる外れ値によっては、特徴的な変化を検出する際の精度が低下する場合があるという課題がある。

【0005】

本開示は、上記課題を解決するものであって、時系列データの特徴的な変化を検出する精度を従来よりも向上させることができる変化検出装置及び変化検出方法を提供することを目的としている。

【課題を解決するための手段】

【0006】

本開示に係る変化検出装置は、第１期間及び第１期間よりも後の期間である第２期間を含む期間の時系列データを取得する時系列データ取得部と、時系列データ取得部が取得した時系列データに基づいて、第１期間における複数の部分時系列データである複数の第１ベクトルと、第２期間における複数の部分時系列データである複数の第２ベクトルと、を取得するベクトル取得部と、複数の第１ベクトルのうち特定の第１ベクトルと、複数の第２ベクトルのうち特定の第２ベクトルと、の組合せに係る差分ベクトルを、複数の組合せにおいて取得する差分ベクトル取得部と、差分ベクトル取得部が取得した複数の差分ベクトルの、方向の分布の偏りに基づいて、時系列データの特徴的な変化を検出する変化検出部と、を備えたことを特徴とする。

【発明の効果】

【0007】

本開示によれば、時系列データの第１期間における部分時系列データである第１ベクトルと、第２期間における部分時系列データである第２ベクトルと、から取得された複数の差分ベクトルの方向の偏りに基づいて時系列データの特徴的な変化を検出することにより、時系列データに含まれる外れ値の影響を抑制することが可能になり、従来よりも時系列データの特徴的な変化を検出する際の精度を向上させることができる。

【図面の簡単な説明】

【0008】

【図1】実施の形態１に係る変化検出装置の概略構成を示すブロック図。

【図2】実施の形態１に係る変化検出装置のハードウェア構成の一例を示すブロック図。

【図3】実施の形態１に係る変化検出装置のハードウェア構成の一例を示すブロック図。

【図4】実施の形態１に係る変化検出装置が行う処理を示すフローチャート。

【図5】実施の形態１に係る変化検出装置が取得する時系列データの一例を示すグラフ。

【図6】実施の形態１に係る変化検出装置が行うベクトル取得処理の一例を示す概念図。

【図7】実施の形態１に係る変化検出装置が行うベクトル取得処理によって得られた複数の第１ベクトル及び複数の第２ベクトルを示す図。

【図8】図８Ａは、実施の形態１に係る変化検出装置が行う第１差分ベクトル取得処理を示す概念図、図８Ｂは、実施の形態１に係る変化検出装置が行う第１差分ベクトル取得処理によって得られた複数の第１差分ベクトルの一例を示す図、図８Ｃは、実施の形態１に係る変化検出装置が行う第１正規化処理によって得られた複数の第１正規ベクトルの一例を示す図。

【図9】図９Ａは、実施の形態１に係る変化検出装置が行う第１差分ベクトル取得処理を示す概念図、図９Ｂは、実施の形態１に係る変化検出装置が行う第１差分ベクトル取得処理によって得られた複数の第１差分ベクトルの一例を示す図、図９Ｃは、実施の形態１に係る変化検出装置が行う第１正規化処理によって得られた複数の第１正規ベクトルの一例を示す図。

【図10】図１０Ａは、実施の形態１に係る変化検出装置が行う第１差分ベクトル取得処理を示す概念図、図１０Ｂは、実施の形態１に係る変化検出装置が行う第１差分ベクトル取得処理によって得られた複数の第１差分ベクトルの一例を示す図、図１０Ｃは、実施の形態１に係る変化検出装置が行う第１正規化処理によって得られた複数の第１正規ベクトルの一例を示す図。

【図11】図１１Ａは、実施の形態１に係る変化検出装置が行う第２差分ベクトル取得処理を示す概念図、図１１Ｂは、実施の形態１に係る変化検出装置が行う第２差分ベクトル取得処理によって得られた複数の第２差分ベクトルの一例を示す図、図１１Ｃは、実施の形態１に係る変化検出装置が行う第２正規化処理によって得られた複数の第２正規ベクトルの一例を示す図。

【図12】実施の形態１に係る変化検出装置が行うベクトル取得処理を示す概念図。

【図13】実施の形態１に係る変化検出装置によって振動の変化を検出するタイミングギアを示す模式図。

【図14】図１４Ａは、実施の形態１に係る変化検出装置が取得する時系列データとしてのタイミングギアの振動データを示すグラフ、図１４Ｂは、実施の形態１に係る変化検出装置がタイミングギアの振動データに基づいて算出した変化スコアを示すグラフ。

【図15】実施の形態１に係る変化検出装置が取得する時系列データとしてのガス消費量のデータ及びガス消費量のデータに基づいて算出した変化スコアを示すグラフ。

【図16】図１６Ａは、実施の形態１に係る変化検出装置が取得する時系列データとしての東証株価指数の日次の終値の推移を示すグラフ、図１６Ｂは、実施の形態１に係る変化検出装置が東証株価指数のデータに基づいて算出した変化スコアを示すグラフ。

【発明を実施するための形態】

【0009】

以下、本開示に係る実施の形態について図面を参照しながら詳細に説明する。
実施の形態１．
まず、図１を参照して、実施の形態１に係る変化検出装置１００の概略構成について説明する。図１は、実施の形態１に係る変化検出装置１００の概略構成を示すブロック図である。図１に示すように、実施の形態１に係る変化検出装置１００は、時系列データを取得する時系列データ取得部１０と、時系列データ取得部１０が取得した時系列データに基づいて演算を行う演算部２０と、演算部２０による演算の結果を出力する出力部３０と、を備えている。

【0010】

時系列データ取得部１０は、変化検出装置１００に特徴的な変化の有無を判定させる時系列データを取得する。例えば、時系列データ取得部１０は、ユーザによる入力操作を受付ける図示しない入力装置、変化検出装置１００が備える不図示の記憶装置、変化検出装置１００と通信可能に接続された不図示のセンサ又はコンピュータ等の外部装置、変化検出装置１００が備える不図示の情報読取装置によって読取られる外部記憶媒体等から、時系列データを取得する。なお、時系列データ取得部１０が取得する時系列データは、時刻を示す値を含む系列データに限定されない。時系列データ取得部１０が取得する時系列データは、時刻と関係する値を含む系列データであればよく、例えば、特定の時刻を起点とする経過時間を示す値を含む系列データであってもよいし、時刻が進むにつれて数が増えるカウント数等、直接に時刻を示す値以外の値を含む系列データであってもよい。

【0011】

演算部２０は、ベクトル取得部２１と、差分ベクトル取得部２２と、ベクトル変換部２３と、変化スコア算出部２４と、変化検出部２５と、パラメータ設定部２６と、を有しており、時系列データ取得部１０が取得した時系列データに基づいて、時系列データの特徴的な変化を検出する。

【0012】

ベクトル取得部２１は、時系列データ取得部１０が取得した時系列データに基づいて、第１期間における複数の部分時系列データである複数の第１ベクトルを取得する。言い換えると、ベクトル取得部２１は、時系列データ取得部１０が取得した時系列データのうち、第１期間における時系列データから、複数の第１ベクトルとして、複数の部分時系列データを抽出する。なお、部分時系列データとは、時系列データに含まれるデータ値のうち、連続する複数のデータ値を１つにまとめた系列データである。

【0013】

また、ベクトル取得部２１は、時系列データ取得部１０が取得した時系列データに基づいて、第１期間よりも後の期間である第２期間における複数の部分時系列データである複数の第２ベクトルを取得する。言い換えると、ベクトル取得部２１は、時系列データ取得部１０が取得した時系列データのうち、第１期間よりも後の期間である第２期間における時系列データから、複数の第２ベクトルとして、複数の部分時系列データを抽出する。なお、第２期間の開始点は、第１期間の終了点と時間的に離れていてもよいが、第１期間の終了点よりも前の時刻でないことが望ましい。

【0014】

差分ベクトル取得部２２は、複数の第１ベクトルのうち特定の第１ベクトルと、複数の第２ベクトルのうち特定の第２ベクトルと、の差分ベクトルを取得する。また、差分ベクトル取得部２２は、差分ベクトルの取得を第１ベクトルと第２ベクトルとの複数の組合せにおいて行うことにより、複数の差分ベクトルを取得する。

【0015】

ベクトル変換部２３は、差分ベクトル取得部２２が取得した複数の差分ベクトルのそれぞれを正規化する。言い換えると、ベクトル変換部２３は、差分ベクトル取得部２２が取得した複数の差分ベクトルのそれぞれを大きさが１である正規ベクトルに変換する。なお、ベクトル変換部２３は、差分ベクトル取得部２２が取得した複数の差分ベクトルのそれぞれの向きを変えず大きさを統一させるように変換したベクトルを取得するように構成されていればよく、例えば、ベクトル変換部は、差分ベクトル取得部２２が取得した複数の差分ベクトルのそれぞれを１以外の大きさのベクトルに変換するように構成されていてもよい。

【0016】

変化スコア算出部２４は、ベクトル変換部２３の変換によって得られた複数の正規ベクトルに基づいて、変化スコアを算出する。変化スコアは、ベクトル変換部２３の変換によって得られた複数の正規ベクトルの、方向の分布の偏りを示す値である。例えば、時系列データの傾向が変化する際、差分ベクトル取得部２２によって取得された複数の差分ベクトルは、方向が偏りやすい。このため、差分ベクトル取得部２２によって取得された複数の差分ベクトルの、方向の分布の偏りに基づいて、時系列データの特徴的な変化を検出することが可能である。

【0017】

しかしながら、このような複数の差分ベクトルには、時系列データの外れ値に基づいて算出された外れ差分ベクトルが含まれる場合があり、外れ差分ベクトルは他の差分ベクトルよりも大きなベクトルとして算出されるため、時系列データの特徴的な変化を検出する際の検出方法によっては、検出精度に影響を与える場合がある。このため、実施の形態１に係る変化検出装置１００は、差分ベクトル取得部２２によって取得された複数の差分ベクトルの、方向のみに着目するため、これら複数の差分ベクトルを大きさが１である正規ベクトルに変換した上で、これら複数の正規ベクトルの分布の偏りに基づいて、時系列データの特徴的な変化を検出するように構成されている。

【0018】

変化検出部２５は、変化スコア算出部２４による算出結果に基づいて、第１期間の時系列データと第２期間の時系列データとの間に、特徴的な変化があったか否かを判定することで、時系列データの特徴的な変化を検出する。例えば、変化検出部２５は、変化スコア算出部２４が算出した変化スコアと、予め設定されている閾値と、を比較することにより、時系列データに特徴的な変化があったか否かを判定する。このように、変化検出部２５は、差分ベクトル取得部２２が取得した複数の差分ベクトルの、方向の分布の偏りに基づいて、時系列データの特徴的な変化を検出している。

【0019】

パラメータ設定部２６は、演算部２０が行う各種パラメータを設定する。例えば、パラメータ設定部２６は、ユーザによる入力操作を受付ける図示しない入力装置、変化検出装置１００が備える不図示の記憶装置、変化検出装置１００と通信可能に接続された不図示の外部装置、変化検出装置１００が備える不図示の情報読取装置によって読取られる外部記憶媒体等からの情報に基づいて、各種パラメータを設定する。また、パラメータ設定部２６は、時系列データ取得部１０が取得した時系列データに基づいて、各種パラメータを設定する。例えば、パラメータ設定部２６は、ベクトル取得部２１が取得する部分時系列データの大きさ（ベクトルの次元数）、ベクトル取得部２１が取得する部分時系列データ間の時間差、変化検出部２５による判定に用いられる閾値等のパラメータを設定する。

【0020】

出力部３０は、変化検出部２５による検出結果を出力する。言い換えると、出力部３０は、変化検出部２５による、時系列データに特徴的な変化があったか否かを示す情報出力する。例えば、出力部３０は、情報を表示する図示しない表示装置、変化検出装置１００が備える不図示の記憶装置、変化検出装置１００と通信可能に接続された不図示の外部装置、変化検出装置１００が備える不図示の情報読取装置によって情報が書込まれる外部記憶媒体等に、変化検出部２５による検出結果を出力する。

【0021】

次に、図２及び図３を参照して、変化検出装置１００のハードウェア構成について説明する。図２は、実施の形態１における変化検出装置１００のハードウェア構成の一例を示す図であり、図３は、実施の形態１における変化検出装置１００のハードウェア構成の他の例を示す図である。例えば、図２に示すように、変化検出装置１００は、プロセッサ１００ａ、メモリ１００ｂ及びＩ／Ｏポート１００ｃを有し、メモリ１００ｂに格納されているプログラムをプロセッサ１００ａが読み出して実行するように構成されている。

【0022】

また、例えば、図３に示すように、変化検出装置１００は、専用のハードウェアである処理回路１００ｄ及びＩ／Ｏポート１００ｃを有している。処理回路１００ｄは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、システムＬＳＩ（Ｌａｒｇｅ－Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、又はこれらの組み合わせによって構成される。変化検出装置１００の各機能は、これらプロセッサ１００ａ又は専用のハードウェアである処理回路１００ｄがソフトウェアであるプログラムを実行することによって実現される。なお、変化検出装置１００は、上記以外の図示しないハードウェアを備えていてもよい。

【0023】

次に、図４乃至１２を参照して、実施の形態１に係る変化検出装置１００が行う処理について説明する。図４は、実施の形態１に係る変化検出装置１００が行う処理を示すフローチャートである。まず、変化検出装置１００は、処理を開始すると、各種パラメータを設定するパラメータ設定処理を行う（ステップＳＴ１）。この処理において、変化検出装置１００は、パラメータ設定部２６によって演算部２０が演算を行うための各種パラメータを設定している。ステップＳＴ１の処理を行うと、変化検出装置１００は、時系列データを取得する時系列データ取得処理を行う（ステップＳＴ２）。この処理において、変化検出装置１００は、時系列データ取得部１０によって、時系列データを取得している。

【0024】

図５は、実施の形態１に係る変化検出装置１００が取得する時系列データの一例を示すグラフである。図５に示す時系列データは、時刻ｔとデータ値ξとからなる変数が２つの時系列データである。例えば、変化検出装置１００は、図５に示す時系列データにおいて、時刻ｔ＝１００の前後で特徴的な変化があったか否かを判定する場合、当該時系列データのうち、時刻ｔ＝１００よりも前の期間である第１期間の第１時系列データと、時刻ｔ＝１００以降の期間である第２期間の第２時系列データと、を取得する。言い換えると、変化検出装置１００は、取得した時系列データのうち、時刻ｔ＝１００のデータである点Ｐよりも前の時系列データを第１時系列データ、点Ｐ以降のデータを第２時系列データとして取得する。

【0025】

ステップＳＴ２の処理を行うと、変化検出装置１００は、第１時系列データに基づいて、複数の第１ベクトルを取得し、第２時系列データに基づいて、複数の第２ベクトルを取得するベクトル取得処理を行う（ステップＳＴ３）。この処理において、変化検出装置１００は、ベクトル取得部２１によって、第１時系列データの部分時系列データである第１ベクトルと、第２時系列データの部分時系列データである第２ベクトルと、をそれぞれ複数取得している。

【0026】

図６は、実施の形態１に係る変化検出装置が行うベクトル取得処理の一例を示す概念図である。例えば、変化検出装置１００は、第１時系列データのうち特定のデータ値ξ（１）と、ξ（１）よりも後の時刻の側に隣接するデータであるデータ値ξ（２）と、からなる部分時系列データを、第１ベクトルである［ξ（１）、ξ（２）］として抽出する。なお、ξの肩の数値は、時刻を示す。同様に、変化検出装置１００は、第１時系列データのうち特定のデータ値ξ（２）と、ξ（２）よりも後の時刻の側に隣接するデータであるデータ値ξ（３）と、からなる部分時系列データを、第１ベクトルである［ξ（２）、ξ（３）］として抽出する。その後、順次、隣接するデータ値同士を部分時系列データである第１ベクトルとして抽出し、複数の第１ベクトルを取得する。

【0027】

言い換えると、ステップＳＴ３の処理において、変化検出装置１００は、第１時系列データのうち隣接するＭ個のデータ値をＭ次元の第１ベクトルとして抽出し、スライド窓のスライド数分、抽出するデータ値の時刻を順次スライドさせることによって、第１時系列データを複数の第１ベクトルの集合に変換している。図６の例においては、変化検出装置１００は、窓の大きさである第１ベクトルの次元数Ｍは２、データ値のスライド数は１として処理を行っている。

【0028】

次に、変化検出装置１００は、第２時系列データのうち隣接するＭ個のデータ値をＭ次元の第２ベクトルとして抽出し、スライド窓のスライド数分、抽出するデータ値の時刻を順次スライドさせることによって、第２時系列データを複数の第２ベクトルの集合に変換している。なお、パラメータとして設定される第１ベクトル及び第２ベクトルの次元数Ｍの値は２以上の任意の整数に、データ値のスライド数の値は自由な値に設定することができるが、第１時系列データを複数の第１ベクトルに変換する処理と、第２時系列データを複数の第２ベクトルに変換する処理と、は、Ｍの値及びデータ値のスライド数の値が同じであることが望ましい。

【0029】

図７は、実施の形態１に係る変化検出装置１００が行うベクトル取得処理によって得られた複数の第１ベクトル及び複数の第２ベクトルを示す図である。図７において、丸は第１ベクトルを示し、Ｘは第２ベクトルを示す。ステップＳＴ３のベクトル取得処理においては、第１ベクトル及び第２ベクトルの次元数Ｍは２であるため、第１ベクトル及び第２ベクトルは、図７に示す２次元平面上で示される。

【0030】

ステップＳＴ３の処理を行うと、変化検出装置１００は、ステップＳＴ３のベクトル取得処理で取得した第１ベクトルと第２ベクトルとの差分ベクトルを算出する第１差分ベクトル取得処理を行う（ステップＳＴ４）。差分ベクトル取得処理としての第１差分ベクトル取得処理において、変化検出装置１００は、差分ベクトル取得部２２によって、複数の第１ベクトルのうち特定の第１ベクトルｖ_ｉから、複数の第２ベクトルのうち特定の第２ベクトルｖ’_ｉを減算し、第１差分ベクトルｒ_ｉを算出する。

【0031】

図８Ａは、実施の形態１に係る変化検出装置１００が行う第１差分ベクトル取得処理を示す概念図である。図８Ａにおいて、丸は第１ベクトルを示し、Ｘは第２ベクトルを示す。例えば、第１差分ベクトル取得処理において、変化検出装置１００は、既知のアルゴリズムであるｋ近傍法（ｋｎｎ；ｋ－ｎｅａｅｓｔ ｎｅｉｇｈｂｏｒ ａｌｇｏｒｉｔｈｍ）によって、特定の第２ベクトルｖ’_ｉに最も近い第１ベクトルｖ_ｉを抽出し、数式（１）に示すように、抽出した第１ベクトルｖ_ｉから対応する第２ベクトルｖ’_ｉを減算する処理を、各第２ベクトルについて行い、第１差分ベクトルｒ_ｉを算出することで、複数の第１差分ベクトルを取得している。なお、ｋ近傍法におけるｋが２以上の場合、差分ベクトルｒ_ｉは、ｋ近傍となるベクトルの平均ベクトルであるｖ’_ｉ ^{（ｋｎｎ）}を用いて算出される。

ｒ_ｉ＝ｖ_ｉ－ｖ’_ｉ ^{（ｋｎｎ）} （ｉ＝１、２、・・・、ｎ） ・・・（１）

【0032】

図８Ｂは、実施の形態１に係る変化検出装置１００が行う第１差分ベクトル取得処理によって得られた複数の第１差分ベクトルの一例を示す図である。ステップＳＴ４の第１差分ベクトル取得処理によって得られた複数の第１差分ベクトルは、当然ながら、互いの向き及び大きさが異なっている。

【0033】

ステップＳＴ４の処理を行うと、変化検出装置１００は、ステップＳＴ４の第１差分ベクトル取得処理で算出した各第１差分ベクトルｒ_ｉを正規化する第１正規化処理を行う（ステップＳＴ５）。正規化処理としての第１正規化処理において、変化検出装置１００は、数式（２）に示すように、ベクトル変換部２３によって各第１差分ベクトルｒ_ｉを第１正規ベクトルｚ_ｉに変換することで、複数の正規ベクトルとしての第１正規ベクトルを取得している。言い換えると、変化検出装置１００は、第１正規化処理によって各第１差分ベクトルの大きさが１になるように、各第１差分ベクトルを変換している。また、言い換えると、変化検出装置１００は、第１正規化処理によって各第１差分ベクトルの大きさを統一している。

ｚ_ｉ＝ｒ_ｉ／||ｒ_ｉ|| （ｉ＝１、２、・・・、ｎ） ・・・（２）

【0034】

図８Ｃは、実施の形態１に係る変化検出装置１００が行う第１正規化処理によって得られた複数の第１正規ベクトルの一例を示す図である。変化検出装置１００は、第１正規化処理によって、次元数Ｍが２である複数の第１差分ベクトルを、次元数Ｍが２である複数の第１正規ベクトルに変換する。これら複数の第１正規ベクトルは、半径１の円周上に分布する。なお、次元数Ｍが３である場合、複数の第１正規ベクトルは、球面上に分布し、次元数Ｍが４以上である場合、複数の第１正規ベクトルは、超球面上に分布する。

【0035】

ステップＳＴ５の処理を行うと、変化検出装置１００は、複数の第１正規ベクトルに基づいて、第１変化スコアを算出する第１変化スコア算出処理を行う（ステップＳＴ６）。変化スコア算出処理としての第１変化スコア算出処理において、変化検出装置１００は、変化スコア算出部２４によって、複数の第１正規ベクトルの分布の偏りを示す値である第１変化スコアを算出して取得している。

【0036】

例えば、変化検出装置１００は、数式（３）に示すように、既知のアルゴリズムによって第１変化スコアとしてのレイリースコア（Ｒａｙｌｅｉｇｈ ｓｃｏｒｅ）Ｒを算出する。

【0037】

レイリースコアＲは、複数の第１正規ベクトルｚ_ｉが円周上、球面上又は超球面上において、分布が均一（一様）である場合にはゼロに近い値になり、分布に偏りがある場合には大きな値になる。このため、レイリースコアの大きさを評価することで、時系列データに特徴的な変化があったか否かを判定することが可能になる。なお、変化スコア算出部２４が算出する変化スコアは、複数の第１正規ベクトルの分布の偏り（一様性）に応じた値であればよく、例えば、既知のアルゴリズムによって得られるＧｉｎｅスコア（Ｇｉｎｅ ｓｃｏｒｅ）又はやＡｊｎｅスコア（Ａｊｎｅ ｓｃｏｒｅ）であってもよい。

【0038】

ｉとｊを第１正規ベクトルのインデックスとし、ｚ_ｉ及びｚ_ｊを２つの第１正規ベクトルとする。このとき、ＧｉｎｅスコアＦ_ｎ及びＡｊｎｅスコアＡ_ｎは、以下の数式（４）、（５）で示される。

【0039】

Ｇｉｎｅスコア及びＡｊｎｅスコアについて、Σ記号が定める項を解釈すると、２つの第１正規ベクトルが同じ方向をむいている場合は、２つの第１正規ベクトルのなす角度ψ_ｉｊが０に近い値になるため、Ｇｉｎｅスコア及びＡｊｎｅスコアのΣ記号が定める項の値は０に近い値になる。一方、２つの第１正規ベクトルが違う方向にむいている場合は、２つの第１正規ベクトルのなす角度ψ_ｉｊは０より大きくなるため、Ｇｉｎｅスコア及びＡｊｎｅスコアのΣ記号が定める項の値は、０よりも大きな値になる。
以上よりΣ記号が定める項の前にマイナス符号が付いていることを考慮すると、Ｇｉｎｅスコア及びＡｊｎｅスコアは、第１正規ベクトルが円周上、球面上又は超球面上において、分布が均一（一様）である場合はスコアが大きな値になり、分布に偏りがある場合にはスコアが小さな値なる。

【0040】

図９Ａは、実施の形態１に係る変化検出装置１００が行う第１差分ベクトル取得処理を示す概念図であり、図９Ｂは、実施の形態１に係る変化検出装置１００が行う第１差分ベクトル取得処理によって得られた複数の第１差分ベクトルの一例を示す図であり、図９Ｃは、実施の形態１に係る変化検出装置１００が行う第１正規化処理によって得られた複数の第１正規ベクトルの一例を示す図である。図９Ａ、図９Ｂ及び図９Ｃは、図８Ａ、図８Ｂ及び図８Ｃに対し、ステップＳＴ２の処理において変化検出装置１００が取得した時系列データが、第１時系列データと第２時系列データとの間で特徴的な変化がない場合のデータである点が異なる。

【0041】

図９Ａ、図９Ｂ及び図９Ｃに示すように、変化検出装置１００は、このような時系列データを用いて処理を行った場合、取得された複数の第１差分ベクトルの方向は偏りが小さく、所得された複数の第１正規ベクトルは、円周上に均一に近い状態で分布する。

【0042】

図１０Ａは、実施の形態１に係る変化検出装置１００が行う第１差分ベクトル取得処理を示す概念図であり、図１０Ｂは、実施の形態１に係る変化検出装置１００が行う第１差分ベクトル取得処理によって得られた複数の第１差分ベクトルの一例を示す図であり、図１０Ｃは、実施の形態１に係る変化検出装置１００が行う第１正規化処理によって得られた複数の第１正規ベクトルの一例を示す図である。図１０Ａ、図１０Ｂ及び図１０Ｃは、図８Ａ、図８Ｂ及び図８Ｃに対し、ステップＳＴ２の処理において変化検出装置１００が取得した時系列データが、外れ値（特異値）であるデータ値を含んでいる点が異なる。なお、本開示において、外れ値とは、単に他のデータ値と比較した際の差が、他のデータ値間の差よりも大きいデータ値を意味し、データ値を取得する際の人為的なミス、及びデータ値を取得する測定器の誤作動等による異常値を含むものとする。

【0043】

図１０Ａ及び図１０Ｂに示すように、例えば、変化検出装置１００が取得した第２時系列データに、外れ値であるデータ値が含まれている場合、複数の第１ベクトルには、当該外れ値に基づいて取得された外れベクトルｖ_ｘが含まれ、複数の第１差分ベクトルには、外れベクトルｖ_ｘに基づいて取得された外れ差分ベクトルｒ_ｘが含まれる。しかしながら、図１０Ｃに示すように、実施の形態１に係る変化検出装置１００は、各第１差分ベクトルｒ_ｉを正規化する第１正規化処理を行うことにより、当該外れ差分ベクトルｒ_ｘは大きさが１である正規ベクトルに変換されるので、当該外れ差分ベクトルｒ_ｘによる演算結果への影響を抑制することができる。

【0044】

図４に示すように、ステップＳＴ６の処理を行うと、変化検出装置１００は、ステップＳＴ３のベクトル取得処理で取得した第１ベクトルと第２ベクトルとの差分ベクトルを算出する第２差分ベクトル取得処理を行う（ステップＳＴ８）。差分ベクトル取得処理としての第２差分ベクトル取得処理において、変化検出装置１００は、差分ベクトル取得部２２によって、複数の第２ベクトルのうち特定の第２ベクトルｖ’_ｉから、複数の第１ベクトルのうち特定の第１ベクトルｖ_ｉを減算し、第２差分ベクトルｒ’_ｉを算出する。

【0045】

図１１Ａは、実施の形態１に係る変化検出装置１００が行う第２差分ベクトル取得処理を示す概念図である。図１１Ａにおいて、丸は第１ベクトルを示し、Ｘは第２ベクトルを示す。例えば、第２差分ベクトル取得処理において、変化検出装置１００は、ステップＳＴ４の処理と同様に、ｋ近傍法によって、特定の第１ベクトルｖ_ｉに最も近い第２ベクトルｖ’_ｉを抽出し、数式（６）に示すように、抽出した第２ベクトルｖ’_ｉから対応する第１ベクトルｖ_ｉを減算する処理を、各第１ベクトルについて行い、第２差分ベクトルｒ’_ｉを算出することで、複数の第２差分ベクトルを取得している。なお、ｋ近傍法におけるｋが２以上の場合、差分ベクトルｒ’_ｉは、ｋ近傍となるベクトルの平均ベクトルである第１ベクトルｖ_ｉ ^{（ｋｎｎ）}を用いて算出される。

ｒ’_ｉ＝ｖ’_ｉ－ｖ_ｉ ^{（ｋｎｎ）} （ｉ＝１、２、・・・、ｎ） ・・・（６）

【0046】

図１１Ｂは、実施の形態１に係る変化検出装置１００が行う第２差分ベクトル取得処理によって得られた複数の第２差分ベクトルｒ’_ｉの一例を示す図である。ステップＳＴ４の第１差分ベクトル取得処理によって得られた複数の第１差分ベクトルｒ_ｉと同様に、ステップＳＴ８の第２差分ベクトル取得処理により得られた複数の第２差分ベクトルｒ’_ｉは、互いの向き及び大きさが異なっている。

【0047】

ステップＳＴ８の処理を行うと、変化検出装置１００は、ステップＳＴ８の第２差分ベクトル取得処理で算出した各第２差分ベクトルｒ’_ｉを正規化する第２正規化処理を行う（ステップＳＴ９）。正規化処理としての第２正規化処理において、変化検出装置１００は、数式（７）に示すように、ベクトル変換部２３によって各第２差分ベクトルｒ’_ｉを第２正規ベクトルｚ’_ｉに変換することで、複数の正規ベクトルとしての第２正規ベクトルを取得している。言い換えると、変化検出装置１００は、ベクトル変換部２３によって各第２差分ベクトルの大きさを統一している。

ｚ’_ｉ＝ｒ’_ｉ／||ｒ’_ｉ|| （ｉ＝１、２、・・・、ｎ） ・・・（７）

【0048】

図１１Ｃは、実施の形態１に係る変化検出装置１００が行う第２正規化処理によって得られた複数の第２正規ベクトルｚ’_ｉの一例を示す図である。変化検出装置１００は、第２正規化処理によって、次元数Ｍが２である複数の第２差分ベクトルｒ’_ｉを、次元数Ｍが２である複数の第２正規ベクトルｚ’_ｉに変換する。これら複数の第２正規ベクトルは、半径１の円周上に分布する。第１正規ベクトルと同様に、次元数Ｍが３である場合、複数の第２正規ベクトルは、球面上に分布し、次元数Ｍが４以上である場合、複数の第２正規ベクトルは、超球面上に分布する。

【0049】

ステップＳＴ９の処理を行うと、変化検出装置１００は、複数の第２正規ベクトルに基づいて、第２変化スコアを算出する第２変化スコア算出処理を行う（ステップＳＴ１０）。変化スコア算出処理としての第２変化スコア算出処理において、変化検出装置１００は、変化スコア算出部２４によって、複数の第２正規ベクトルの分布の偏りを示す値である変化スコアとしての第２変化スコアを算出することで、第２変化スコアを取得している。例えば、変化検出装置１００は、第１変化スコア算出処理と同様に、数式（８）に示す既知のアルゴリズムによって第２変化スコアとしてのレイリースコア（Ｒａｙｌｅｉｇｈ ｓｃｏｒｅ）Ｒ’を算出する。

【0050】

ステップＳＴ１０の処理を行うと、変化検出装置１００は、ステップＳＴ６で算出した第１変化スコアと、ステップＳＴ１０で算出した第２変化スコアと、のうちの最大値を算出する最大変化スコア算出処理を行う（ステップＳＴ１０）。この処理において、変化検出装置１００は、算出した第１変化スコアと第２変化スコアとを比較して、値が大きい方の変化スコアを選択している。言い換えると、変化検出装置１００は、算出した複数の変化スコアのうち、最も時系列データの変化が大きいことを示す変化スコアを選択している。

【0051】

ステップＳＴ１１の処理を行うと、変化検出装置１００は、ステップＳＴ１１で算出した変化スコアの値と、予め設定されている閾値と、を比較することで、時系列データの変化を検出するための変化検出処理を行う（ステップＳＴ１２）。この処理において、変化検出装置１００は、変化検出部２５によって、ステップＳＴ１１で算出した変化スコアの値と、パラメータ設定部２６によって予め設定されている閾値と、を比較して、当該変化スコアの値が当該閾値を超えている場合に、第１時系列データと第２時系列データとの間で、時系列データの特徴的な変化があったと判定する。また、この処理において、変化検出装置１００は、変化検出部２５によって、ステップＳＴ１１で算出した変化スコアの値と、パラメータ設定部２６によって予め設定されている閾値と、を比較して、当該変化スコアの値が当該閾値以内である場合に、第１時系列データと第２時系列データとの間で、時系列データの特徴的な変化がなかったと判定する。

【0052】

例えば、変化検出装置１００は、特徴的な変化がない平時の時系列データを予め取得し、当該平時の時系列データに基づいて算出した平時の変化スコアに基づいて、閾値を設定する。具体的には、変化検出装置１００は、特徴的な変化がない平時の時系列データを予め取得し、当該平時の時系列データに基づいて算出した平時の変化スコアに所定の値を加算した値を閾値として設定するように構成されていてもよい。言い換えると、変化検出装置１００は、時系列データ取得部１０が、第１期間よりも前の期間である第３期間と、第３期間と第１期間との間の期間である第４期間と、を含む期間の時系列データを取得し、ベクトル取得部２１が、時系列データ取得部１０が取得した時系列データに基づいて、第３期間における複数の部分時系列データである複数の第３ベクトル（第１ベクトル）と、第４期間における複数の部分時系列データである複数の第４ベクトル（第２ベクトル）と、を取得し、差分ベクトル取得部２２が、複数の第３ベクトルのうち特定の第３ベクトルと、複数の第４ベクトルのうち特定の第４ベクトルと、の組合せに係る差分ベクトルを、複数の組合せにおいて取得し、閾値設定部としてのパラメータ設定部２６が、差分ベクトル取得部２２が取得した複数の差分ベクトルの、方向の分布の偏りに基づいて、閾値を設定するように構成されている。なお、第３期間における第３ベクトルは、第１期間における第１ベクトルに対応し、第４期間における第４ベクトルは、第２期間における第２ベクトルに対応し、第１ベクトル及び第３ベクトルの差、並びに第２ベクトル及び第４ベクトルの差は、それぞれ取得された期間が異なるのみである。

【0053】

なお、変化検出装置１００は、第１期間よりも前の期間である複数の期間において予め複数の変化スコアを算出し、算出した複数の変化スコアに基づいて閾値を設定するように構成されていてもよい。例えば、変化検出装置１００は、予め算出した複数の変化スコアの平均値、中央値、最大値等の代表値に所定の値を加算した値を閾値として設定するように構成されていてもよい。

【0054】

ステップＳＴ１２の処理を行うと、変化検出装置１００は、変化検出部２５による比較結果として、時系列データの特徴的な変化の有無の判定結果を出力する（ステップＳＴ１３）。例えば、この処理において、変化検出装置１００は、出力部３０によって、判定結果に応じた情報を不図示の表示装置に表示させる。また、例えば、この処理において、変化検出装置１００は、出力部３０によって、判定結果に応じた情報を不図示の外部装置に送信する。ステップＳＴ１３の処理を行うと、変化検出装置１００は、処理を終了する。

【0055】

以上、実施の形態１における変化検出装置１００は、第１期間及び第１期間よりも後の期間である第２期間を含む期間の時系列データを取得する時系列データ取得部１０と、時系列データ取得部１０が取得した時系列データに基づいて、第１期間における複数の部分時系列データである複数の第１ベクトルと、第２期間における複数の部分時系列データである複数の第２ベクトルと、を取得するベクトル取得部２１と、複数の第１ベクトルのうち特定の第１ベクトルと、複数の第２ベクトルのうち特定の第２ベクトルと、の組合せに係る差分ベクトルを、複数の組合せにおいて取得する差分ベクトル取得部２２と、差分ベクトル取得部２２が取得した複数の差分ベクトルの、方向の分布の偏りに基づいて、時系列データの特徴的な変化を検出する変化検出部２５と、を備えている。

【0056】

このように、実施の形態１に係る変化検出装置１００は、時系列データに基づいて取得された複数の差分ベクトルの大きさを考慮せず、これら複数の差分ベクトルの方向の偏りに基づいて時系列データの特徴的な変化を検出することにより、時系列データに含まれる外れ値の影響を抑制することが可能になり、従来よりも時系列データの特徴的な変化、即ち時系列データの傾向の変化を検出する際の精度を向上させることができる。

【0057】

また、実施の形態１に係る変化検出装置１００は、時系列データの特徴的な変化を検出する際に必要な時系列データの長さ及びデータ数の制約が少ないため、他の変化検出アルゴリズム、例えば、変化後のデータ数が少ないと変化の検出に必要なカーネル関数を見つけられない場合があるＫＬ－ＣＰＤ法等と比較して、少ないデータ数の時系列データの特徴的な変化を検出することが可能になる。

【0058】

また、実施の形態１に係る変化検出装置１００は、差分ベクトル取得部２２が取得した複数の差分ベクトルのそれぞれを、向きを変えず大きさを統一させるように変換したベクトルを取得するベクトル変換部２３を備え、変化検出部２５は、ベクトル変換部２３によって取得されたベクトルの方向の分布の偏りに基づいて、時系列データの特徴的な変化を検出する。

【0059】

実施の形態１に係るベクトル取得部２１は、第１期間の時系列データにおいてスライド窓をスライドさせることで複数の第１ベクトルを取得し、第２期間の時系列データにおいてスライド窓をスライドさせることで複数の第２ベクトルを取得する。

【0060】

実施の形態１に係る差分ベクトル取得部２２は、複数の第１ベクトルのそれぞれについて、複数の第２ベクトルのうち最も近い第２ベクトルを抽出し、複数の第１ベクトルのそれぞれと、抽出された第２ベクトルと、の差分に基づいて、複数の差分ベクトルを取得する。

【0061】

実施の形態１に係る変化検出装置１００において、複数の差分ベクトルは、複数の第１差分ベクトルであり、差分ベクトル取得部２２は、複数の第２ベクトルのそれぞれについて、複数の第１ベクトルのうち最も近い第１ベクトルを抽出し、複数の第２ベクトルのそれぞれと、抽出された第１ベクトルと、の差分に基づいて、複数の第２差分ベクトルを取得し、変化検出部２５は、差分ベクトル取得部２２が取得した複数の第１差分ベクトル及び複数の第１差分ベクトルのうち、いずれか方向の分布の偏りが大きい方の、方向の分布の偏りに基づいて、時系列データの特徴的な変化を検出する。

【0062】

実施の形態１に係る変化検出装置１００は、複数の差分ベクトルの方向の分布の偏りに応じた変化スコアを算出する変化スコア算出部２４を備え、変化検出部２５は、変化スコア算出部２４によって算出された変化スコアが、予め設定されている閾値を超えたか否かに基づいて、時系列データの特徴的な変化を検出する。

【0063】

実施の形態１に係る変化検出装置１００は、閾値を設定するパラメータ設定部２６を備え、時系列データは、第１期間よりも前の期間である第３期間と、第３期間と第１期間との間の期間である第４期間と、を含み、ベクトル取得部は、時系列データ取得部が取得した時系列データに基づいて、第３期間における複数の部分時系列データである複数の第３ベクトルと、第４期間における複数の部分時系列データである複数の第４ベクトルと、を取得し、差分ベクトル取得部２２は、複数の第３ベクトルのうち特定の第３ベクトルと、複数の第４ベクトルのうち特定の第４ベクトルと、の組合せに係る差分ベクトルを、複数の組合せにおいて取得し、パラメータ設定部２６は、差分ベクトル取得部２２が取得した複数の差分ベクトルの、方向の分布の偏りに基づいて、閾値を設定する。

【0064】

なお、実施の形態１において、変化検出装置１００は、変化スコア算出部２４によって算出した変化スコアと予め設定されている閾値とを比較することによって、時系列データの特徴的な変化を検出するように構成されているが、これに限定されない。変化検出装置は、変化スコアに基づいて時系列データの特徴的な変化を検出するように構成されていればよく、例えば、変化スコアの時間変化量、又は変化スコアの時間変化率に基づいて、時系列データの特徴的な変化を検出するように構成されていてもよい。

【0065】

また、実施の形態１において、変化検出装置１００は、ベクトル取得処理において取得するベクトルの次元数Ｍを２、スライド数を１として複数の第１ベクトル及び複数の第２ベクトルを取得しているが、これに限定されない。変化検出装置１００は、パラメータ設定部２６によってベクトルの次元数Ｍ及びスライド数を適宜設定するように構成されていてもよい。

【0066】

図１２は、実施の形態１に係る変化検出装置１００が行うベクトル取得処理を示す概念図である。図１２に示すように、変化検出装置１００は、所定の長さの時系列データから、次元数ＭのベクトルのＮ個の集合を取得する。なお、図１２は、変化検出装置１００が、次元数ＭのベクトルのＮ個の集合を取得する際のスライド数が１である場合の例を示しているが、上述したようにスライド数は、１以外でもよい。例えば、パラメータ設定部２６は、時系列データ取得部１０が取得した時系列データに基づいて、スライド数を設定するように構成されていてもよい。具体的には、パラメータ設定部２６は、時系列データ取得部１０が取得した時系列データが、比較的に短時間での変動が大きい時系列データである場合、スライド数を比較的に小さく設定するように構成されていてもよい。また、パラメータ設定部２６は、時系列データ取得部１０が取得した時系列データが、比較的に短時間での変動が小さい時系列データである場合、スライド数を比較的に大きく設定するように構成されていてもよい。また、パラメータ設定部２６は、時系列データの変化を観測することで、スライド数を動的に変化させるように構成されていてもよい。

【0067】

パラメータ設定部２６は、ベクトル取得部２１が取得する第１ベクトル及び第２ベクトルの次元数Ｍであるスライド窓長についても、適宜設定するように構成されていてもよいが、差分ベクトル取得部２２が差分ベクトルを算出する際に、第１ベクトルと第２ベクトルとの次元数は一致していることが求められる。また、時系列データ取得部１０が取得した時系列データの長さが、第１期間と第２期間とを足した期間よりも長い場合、変化検出装置１００は、図４に示すステップＳＴ２からステップＳＴ１３までの処理を行った後で、各種パラメータを新たな値に設定し、再度ステップＳＴ２からステップＳＴ１３までの処理を行ってもよい。

【0068】

次に、図１３乃至１６を参照して、実施の形態１に係る変化検出装置１００を用いて、時系列データの特徴的な変化を検出する具体例について説明する。まず、図１３及び図１４を参照して、実施の形態１に係る変化検出装置１００を用いて、タイミングギアの振動データの特徴的な変化を検出する例について説明する。図１３は、実施の形態１に係る変化検出装置１００によって振動の変化を検出するタイミングギアＧ１、Ｇ２を示す模式図であり、図１４Ａは、実施の形態１に係る変化検出装置１００が取得する時系列データとしてのタイミングギアＧ１、Ｇ２の振動データを示すグラフ、図１４Ｂは、実施の形態１に係る変化検出装置１００がタイミングギアＧ１、Ｇ２の振動データに基づいて算出した変化スコアを示すグラフである。

【0069】

一般に、タイミングギアは、摩耗、傷、欠け、異物の付着等の変化が発生することによって、タイミングギアの振動が変化する。このため、タイミングギアの振動データの特徴的な変化を検出することにより、これらタイミングギアに係る変化を検出することが可能になる。

【0070】

図１４Ａに示すグラフは、例えば、１秒周期でタイミングギアＧ１、Ｇ２から振動センサーによって取得した振動レベルを示す振動データである。図１４Ｂに示すグラフは、タイミングギアＧ１、Ｇ２の振動データを用いて、第１ベクトル及び第２ベクトルの次元数Ｍを１０として算出した変化スコアの推移である。図１４Ｂにおいて、振動データが変化した時刻に、変化スコアの値も大きくなるように変化していることがわかる。

【0071】

次に、図１５を参照して、実施の形態１に係る変化検出装置１００を用いて、特定の需要家のガス消費量の特徴的な変化を検出する例について説明する。図１５は、実施の形態１に係る変化検出装置１００が取得する時系列データとしてのガス消費量のデータ及びガス消費量のデータに基づいて算出した変化スコアを示すグラフである。図１５に示す変化スコアのグラフは、第１ベクトル及び第２ベクトルの次元数Ｍを１０として算出した変化スコアの推移である。図１５において、縦軸は、ガス消費量を立方メートルで表した値であり、変化スコアは、０から１で表した無次元数であり、共通の目盛になっている。

【0072】

一般に、ガス消費量は、需要家の人数構成（家族構成）の変化、新たなガス機器の導入等のガス消費設備の変化、生活スタイルの変化、気温の変化等に伴って変化する。図１５に示すように、変化検出装置１００が時系列データとして所定の期間における需要家のガス消費量のデータを取得した場合において、ゴールデンウィークの時期、及びお盆休みの時期にガス消費量が変化しており、おなじ時期に変化スコアの値が大きくなるように変化していることがわかる。

【0073】

次に、図１６を参照して、実施の形態１に係る変化検出装置１００を用いて、株式指数の特徴的な変化を検出する例について説明する。図１６Ａは、実施の形態１に係る変化検出装置１００が取得する時系列データとしての東証株価指数（ＴＯＰＩＸ）の日次の終値の推移を示すグラフであり、図１６Ｂは、実施の形態１に係る変化検出装置１００が東証株価指数のデータに基づいて算出した変化スコアを示すグラフである。また、図１６に示す変化スコアのグラフは、第１ベクトル及び第２ベクトルの次元数Ｍを１０として算出した変化スコアの推移である。

【0074】

一般に、バブル景気と呼ばれる期間は、１９８６年１２月から１９９１年２月までの期間といわれている。従来の株価の研究においては、変動（ボラティリティ、階差の大きさ）が着目されることが多いが、図１６Ａ及び図１６Ｂに示すように、変動の大きさと変化スコアは必ずしも一致していないことが分かる。実施の形態１に係る変化検出装置１００によれば、図１６Ｂに示すように、変化スコアが１９８６年１１月５日と、１９９０年１２月２０日と、において大きくなるように変化しており、一般的にバブル景気の始まりといわれるタイミングよりも株式指数の変化を早く検知し、一般的にバブル景気の終わりといわれるタイミングよりも株式指数の変化を早く検知することができている。

【0075】

なお、本開示は、実施の形態の任意の構成要素の変形、若しくは任意の構成要素の省略が可能である。

【符号の説明】

【0076】

１０ ：時系列データ取得部
２０ ：演算部
２１ ：ベクトル取得部
２２ ：差分ベクトル取得部
２３ ：ベクトル変換部
２４ ：変化スコア算出部
２５ ：変化検出部
２６ ：パラメータ設定部（閾値設定部）
３０ ：出力部
１００：変化検出装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】