2026-04-20T22:46:20Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00233825 2025-01-19T09:58:16Z 934:1022:11484:11595

動的モード分解による時系列データストリームの将来予測 Real-time Forecasting of Time-evolving Data Streams using Dynamic Mode Decomposition 千原, 直己 松原, 靖子 藤原, 廉 櫻井, 保志 Naoki, Chihara Yasuko, Matsubara Ren, Fujiwara Yasushi, Sakurai [研究論文] 時系列予測，データストリーム処理，動的モード分解 本論文では，動的モード分解を活用した大規模時系列データストリームの高速予測手法ModeCastを提案する．ModeCastはセンサデータや，Webデータなど，多種多様な時系列パターンにより構成される大規模時系列データストリームが与えられたとき，その中から潜在的なダイナミクスに基づいた重要な時系列パターンを発見することで将来予測を行う．より具体的には，このようなパターンを発見するために動的モード分解（DMD）を活用する．提案手法は，(a)大規模データストリームの中から重要なダイナミクスを発見し，リアルタイムかつ長期的な予測を可能とする．また，(b)様々なデータに対して予測を行うことが可能であり，実用的である．さらに，提案手法は(c)データストリームの長さに依存せず，非常に高速である．実データを活用した実験により，提案手法が時系列データストリームの将来予測のための既存手法と比較して高精度であること，計算時間についてデータサイズに依存せず，より高速なリアルタイム予測を達成していることを明らかにした． Given a large, online stream of multiple co-evolving data sequences (e.g., sensor/web activities streams), which contains multiple distinct time-series patterns based on inherent dynamics, how do we capture important patterns and forecast future values? In this paper, we present ModeCast, an efficient and effective method for forecasting co-evolving data sequences. ModeCastexploits Dynamic Mode Decomposition (DMD) to capture time-series patterns based on inherent dynamics. Our proposed method has the following properties: (a) Effective: it captures important time-evolving patterns in data streams and enables real-time, long-range forecasting; (b) General: our model can be practically applied to various types of time-evolving data streams; (c) Scalable: our algorithm does not depend on the length of data streams and thus is applicable to very large sequences. Extensive experiments on a real dataset demonstrate that ModeCastmakes long-range forecasts and consistently outperforms the best existing methods as regards accuracy, and the computational speed is sufficiently fast. 情報処理学会 2024-04-23 jpn journal article https://ipsj.ixsq.nii.ac.jp/records/233825 1882-7799 AA11464847 情報処理学会論文誌データベース（TOD） 17 2 1 11 https://ipsj.ixsq.nii.ac.jp/record/233825/files/IPSJ-TOD1702004.pdf application/pdf 3.7 MB 2026-04-23