電子情報通信学会ソサイエティ大会講演要旨
B-17-9
PNNとアノマリ成分推定による未学習時系列データの予測手法
◎菅 宣理・ウェバー ジュリアン・江頭直人・矢野一人・鈴木義規・熊谷智明(ATR)
IoT(Internet of things)の進展により,製造現場等で無線ネットワークの需要
が高まっている.しかし,無線環境は人や物の移動による電波伝搬の変化や異種の通信システムの混在等により
複雑に変化するため,所要QoS(quality of service)の安定的確保や通信異常発生の予見はシステム保全の観点から重要である.
特に,想定外の事象(アノマリ)の発生によって将来発生する異常の予見は
克服すべき課題であり,その実現にはアノマリ発生以後の無線環境変化を予測する必要がある.

筆者等は通信異常の予見に向けて,パターンマッチングの一種であるPNN(probabilistic neural network)による観測データの将来値予測手法[1],およびアノマリに起因する加法的な変動成分(アノマリ成分)を推定する手法[2]について検討を行ってきた.
本稿では,これらの手法を組み合わせて加法的かつ持続的なアノマリ発生以後の時系列データの将来値を予測する手法を提案し,計算機シミュレーションによる原理検証を行う.