WINSportsAI

中日 vs 巨人 AI予想 2026/05/10

18:00 開始 · バンテリンドーム · 公式戦
📅 予想生成: 2026-05-27 19:02 🔄 最終更新: 2026-05-27 19:02 🧠 モデル: WINSportsAI v3.0 📊 リーグ: セ・リーグ
// 試合結果 (確定)

最終スコア: 中日 4 - 9 巨人

勝者: 巨人 / AI予想: 巨人 ✓ 的中

// AI Pick: 巨人 (信頼度 med)
中日 (ホーム)
39.3%
フェアオッズ 2.54
VS
巨人 (アウェイ)
60.7%
フェアオッズ 1.65

WINSportsAI v3.0 (Elo+FIP+Park+Bullpen+League+Weather+Fatigue+Form+H2H) は 巨人 勝利を 60.7% で予測。フェアオッズは 1.65。本ページでは過去対戦・球場別成績・先発投手の対戦相手別データ・中継ぎ疲労・天気予報・連戦疲労・ハンデオッズの全パターンを5,000字超の徹底解析でカバーします。

① 過去5戦の対戦履歴 (Head-to-Head)

過去にこの2チームが対戦した試合のうち、結果が確定済の直近最大5試合を抽出。AI予想の的中状況も合わせて表示します。対戦傾向はモデルの「相性補正 (matchup_adj)」に反映され、特定の組み合わせで強い/弱いチームを学習します。

日付球場スコア勝者AI予想判定
2026-05-09バンテリンドーム中日 4 - 2 巨人中日巨人 60.7%外れ
2026-05-08バンテリンドーム中日 9 - 2 巨人中日巨人 60.7%外れ

直近 2 試合の対戦成績: 中日 2勝 / 巨人 0勝。 平均得点 中日 6.50 / 巨人 2.00

② 球場別成績データ (バンテリンドーム)

バンテリンドーム における両チームの過去通算成績を集計します。パークファクター (球場の打高/投高傾向) と組み合わせて、その球場での試合展開を予測する重要指標です。

チームバンテリンドーム での試合数勝率得点傾向
中日9試合5勝 4敗 (55.6%)平均得点 5.00
巨人3試合1勝 2敗 (33.3%)平均得点 4.33

バンテリンドーム はホームチーム 中日 の本拠地球場。 中立的な球場。先発投手と中継ぎ陣の出来がストレートに勝敗に反映される。 この球場における両チーム合計 12 試合のうち、ホーム側が 56% で勝利。

③ 先発投手の対戦相手別過去成績

先発投手の今季 ERA / WHIP / DIPS、リーグ平均との比較、チームローテーション全体の平均ERAから、両軍の先発戦力を多角的に評価します。

// HOME STARTER
記録なし
ERA - | WHIP - | DIPS -
リーグ平均ERA 2.64 比較: -
チームローテ平均 ERA: 2.49 (5名)

記録なし の今季成績は ERA -。同じローテ内の他4名と比較して-の安定感を見せています。 対 巨人 戦は今季初対戦、ローテ内では他に 大野雄大・柳裕也 等が控える。

// AWAY STARTER
記録なし
ERA - | WHIP - | DIPS -
リーグ平均ERA 2.64 比較: -
チームローテ平均 ERA: 2.47 (5名)

記録なし の今季成績は ERA -。同じローテ内の他4名と比較して-の安定感を見せています。 対 中日 戦は今季初対戦、ローテ内では他に 井上温大・田中将大 等が控える。

先発投手の ERA 差は WINSportsAI v3.0 の最重要特徴量の1つで、1.0 ERA の差につき ±30 Elo の調整が入ります (本試合: 記録なし 0 Elo / 記録なし 0 Elo)。

④ 中継ぎ陣の疲労状況詳細

中継ぎ陣の平均ERA、各リリーフ投手の登板数・WHIP・疲労水準を可視化。終盤の継投で勝敗が動きやすい NPB では中継ぎ層の安定感がそのまま勝率に直結します。

// 中日 BULLPEN
中継ぎ平均ERA 3.39 (リーグ平均 2.92)
登板数合計 95 / 疲労水準
投手ERAWHIP登板IP疲労
メヒア3.681.31614.2⚠️ 高
齋藤綱記2.191.541612.1⚠️ 高
牧野憲伸2.131.181512.2⚠️ 高
藤嶋健人3.971.241311.1
杉浦稔大71.67109
根尾昂51.3399
// 巨人 BULLPEN
中継ぎ平均ERA 1.61 (リーグ平均 2.92)
登板数合計 119 / 疲労水準
投手ERAWHIP登板IP疲労
田中瑛斗0.570.891815.2⚠️ 高
大勢1.650.431716.1⚠️ 高
田和廉0.641.071714⚠️ 高
マルティネス1.760.591615.1⚠️ 高
船迫大雅3.271.091511⚠️ 高
中川皓太0.841.131410.2

中継ぎ平均ERAの比較から、巨人 が中継ぎ層の安定感で優位。 登板過多の投手 (今季15登板以上) が複数いる場合、7回以降で起用が苦しくなり接戦になるとリリーフ崩壊のリスクが高まります。

⑤ 天気予報詳細 (Open-Meteo)

試合当日の気温・降水量・風速を Open-Meteo (気象庁互換) API から取得し、打撃/投手それぞれへの影響度を Elo に変換しています。屋外球場のみ天気影響が大きく、ドーム球場 (東京ドーム / 京セラドーム / バンテリンドーム / ベルーナドーム / みずほPayPay) は天候影響なしです。

天気予報データなし (試合日まで48時間を切ると Open-Meteo から自動取得します)。

⑥ 連戦疲労 (前3日の試合履歴)

直近3日の試合履歴から連戦日数とカード内試合番号を算出し、疲労ペナルティ (Elo) を適用します。NPB では月間6カード×3連戦が基本なので、第3戦 + 連戦5日目以上は中継ぎ陣に高負荷がかかります。

項目中日巨人
連戦日数0 日0 日
カード内試合番号第1戦第1戦
疲労ペナルティ (Elo)00

両チームとも連戦疲労はほぼ無し。実力どおりの展開が予想されます。 カード内試合番号が進むほど (第3戦) ローテ後半・中継ぎ消耗の影響が出やすくなります。

⑦ チームフォーム + 直近10戦勢い

チームの直近 OPS とリーグ平均との差分、直近10戦の勝率を組み合わせ、「絶好調」「不調」のトレンドをモデルに織り込みます。

項目中日巨人
チームOPS--
リーグ平均OPS-
OPS差 (vs リーグ)--
直近10戦勝率--
フォーム調整 (Elo)00
直近勢い調整 (Elo)00
対戦相性調整 (Elo)00

OPS (出塁率+長打率) はチームの総合得点能力を表します。リーグ平均との差が ±0.030 を超えると打線として「絶好調 / 不調」の指標になります。

⑧ ハンデオッズ表 (Run Line / Asian Handicap)

マネーライン (勝敗のみ) だけでなく、ハンデ ±0.5 / ±1.5 (Run Line) の各パターンでの予測勝率とフェアオッズを表示します。ブックメーカーがハンデオッズを提供する際の理論値として活用できます。

マーケット中日 勝率フェアオッズ巨人 勝率フェアオッズ
ホーム -1.5 / アウェイ +1.521.3%4.6978.7%1.27
ホーム -0.5 / アウェイ +0.531.3%3.1968.7%1.46
勝敗のみ (1X2 / マネーライン)39.3%2.5460.7%1.65
ホーム +0.5 / アウェイ -0.547.3%2.1152.7%1.9
ホーム +1.5 / アウェイ -1.557.3%1.7542.7%2.34

各ハンデの勝率は WINSportsAI v3.0 の予測モデルから派生した近似値です。実際のスポーツブックでは流動性・マージン (vig) の関係でオッズに 5〜8% のマージンが乗っています。 フェアオッズ (理論値) と市場提示オッズの差分が +5% を超えれば期待値プラスのベットチャンスです (例: フェア 1.80 → ブック 1.95 で +EV)。

⑨ モデル内訳 (Elo 統合計算)

ホーム総合戦力- Elo
アウェイ総合戦力- Elo
ホームアドバンテージ+28 Elo
先発投手補正 (ホーム/アウェイ)0 / 0 Elo
中継ぎ・抑え補正0 / 0 Elo
パークファクター×-
リーグ補正 (CL vs PL 交流戦)0 Elo
フォーム補正 (OPS差)0 / 0 Elo
直近勢い補正0 / 0 Elo
対戦相性補正 (H2H)0 / 0 Elo

各補正は WINSportsAI v3.0 の独立した特徴量として Elo に加減算され、最終的な勝率は 1 / (1 + 10^((Elo差)/400)) のロジスティック関数で確率化されます。詳細は 方法論ページ を参照。

🔥 試合直前のオッズで期待値判定

Telegram BOT に「中日 巨人 odds X.X」と送ると、即座に EV% と Kelly基準 で判定します。

SPORTS×AI コミュ参加 →

📖 予想モデル v3.0 について

WINSportsAI v3.0 は以下の特徴量を統合した Elo ベースの NPB 勝敗予想モデルです:

→ 方法論 詳細 · → 的中率実績 · → 編集部

🏟️ セ・リーグ 最新AI予想

予想データなし

⚾ 球団Hubページ

両チームの詳細データ・選手リスト・直近10試合のAI予想精度はこちら: