劣化検知モデル構築のための説明変数選択指標の検討

カテゴリ: 部門大会

論文No: GS9-3

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Examination of Explanatory Variable Selection Metrics for Anomaly Detection Model Construction

著者名: 太中 裕貴（三菱電機）,脇本 浩司（三菱電機）,植村 美優（三菱電機）,中村 隆顕（三菱電機）

著者名(英語): Yuki Tanaka (Mitsubishi Electric),Koji Wakimoto (Mitsubishi Electric),Miyu Uemura (Mitsubishi Electric),Takaaki Nakamura (Mitsubishi Electric)

キーワード: 劣化検知|教師なし機械学習|回帰モデル|Area Under Curve|Anomaly Detection|Unsupervised Machine Learning|Regression Model|Area Under Curve

要約(日本語): 多変量時系列データを用いた劣化検知の一つの方法に回帰モデルを用いる方法が知られている. 回帰モデルを用いる劣化検知は, 入力と出力の対が観測できる系に対して適用され, 入力データから回帰モデルを用いて出力値を予測し, 実際に観測された出力値との乖離度合いによって正常かどうかを判断する. この方法は, 説明変数と目的変数の選び方によって, 検知精度が変化する. 多変量時系列データを用いる場合において, 多数ある変数の中から試行錯誤を繰り返し, 適切な変数を選択する方法はコストが高くなる. そこで本報告では, 目的変数が与えられたときに, 回帰モデルの精度が高くなるような説明変数を選択するための指針を与える指標について検討した. この指標を用いて, 説明変数を選択することで高精度なモデルを効率的に構築可能となることが期待できる.