[4I3-GS-11] AIと社会：

[4I3-GS-11-01] 解釈可能なパッチベースの時系列予測

〇富岡 洸貴¹、吉村 玄太¹ (1. 三菱電機株式会社)

キーワード：時系列予測、ニューラルネットワーク、解釈可能性、説明可能性、説明可能AI

ニューラルネットベースの高精度な時系列予測手法が数多く提案されてきたが，その複雑さ故に予測根拠や推論過程を人が直感的に理解することが難しい．
既存手法の中には時系列予測の解釈可能性を向上する取り組みも見られるが，共変量を含めてどの変数のどの部分列が予測値にどれだけ寄与したかを明確に説明できる手法は存在しない．
本研究では，時系列を変数ごとの部分列（パッチ）に分割して，パッチごとに算出した寄与の和を予測値とすることで，共変量を含めてどの変数のどの部分列が予測値にどれだけ寄与したかを分解できる，高精度かつ解釈可能性が高いニューラルネットベースの時系列予測手法を提案する．
7つの単変量時系列データセット，および共変量を用いた多変量時系列の電力価格予測データセットで評価した結果，提案手法は解釈可能性を向上しつつ最近の予測手法と同等の高い予測精度を達成できることを確認した．