WINSportsAI v3.0 (Elo+FIP+Park+Bullpen+League+Weather+Fatigue+Form+H2H) は ヤクルト 勝利を 70.7% で予測。フェアオッズは 1.41。市場オッズ ホーム 1.41 / アウェイ 3.42。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。
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 |
|---|---|---|---|---|---|
| 2026-05-10 | マツダスタジアム | 広島 4 - 0 ヤクルト | 広島 | ヤクルト 59.3% | 外れ |
| 2026-05-09 | マツダスタジアム | 広島 0 - 4 ヤクルト | ヤクルト | ヤクルト 59.3% | 的中 |
| 2026-05-08 | マツダスタジアム | 広島 1 - 4 ヤクルト | ヤクルト | ヤクルト 59.3% | 的中 |
直近 3 試合の対戦成績: ヤクルト 2勝 / 広島 1勝。 平均得点 ヤクルト 2.67 / 広島 1.67。 この対戦カードでは ヤクルト が直近 3 試合でリードしている点を勘案して下さい。
神宮 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 | 神宮 での試合数 | 勝率 | 得点傾向 |
|---|---|---|---|
| ヤクルト | 5試合 | 3勝 2敗 (60.0%) | 平均得点 5.60 |
| 広島 | この球場での記録なし | ||
神宮 はホームチーム ヤクルト の本拠地球場 (パークファクター ×-4)。 投高 (投手有利・打者不利) 環境。1〜2点差の接戦になりやすく、先発投手の安定感が勝敗を分ける。 この球場における両チーム合計 5 試合のうち、ホーム側が 60% で勝利。
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。
高梨裕稔 の今季成績は ERA 2.79。同じローテ内の他4名と比較して上位の安定感を見せています。 対 広島 戦は今季初対戦、ローテ内では他に 松本健吾・山野太一 等が控える。
ターノック の今季成績は ERA 3.27。同じローテ内の他4名と比較して下位の安定感を見せています。 対 ヤクルト 戦は今季初対戦、ローテ内では他に 栗林良吏・玉村昇悟 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: 高梨裕稔 -4.5 Elo / ターノック -18.9 Elo)。
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。
| 投手 | ERA | WHIP | 登板 | IP | 疲労 |
|---|---|---|---|---|---|
| キハダ | 0 | 0.88 | 16 | 16 | ⚠️ 高 |
| 星知弥 | 2.35 | 1.37 | 16 | 15.1 | ⚠️ 高 |
| 荘司宏太 | 4.05 | 1.28 | 14 | 13.1 | 中 |
| 廣澤優 | 2.77 | 0.85 | 13 | 13 | 中 |
| 清水昇 | 1.46 | 0.73 | 13 | 12.1 | 中 |
| 木澤尚文 | 2.79 | 1.66 | 11 | 9.2 | 中 |
| 投手 | ERA | WHIP | 登板 | IP | 疲労 |
|---|---|---|---|---|---|
| 森浦大輔 | 3.86 | 1.21 | 15 | 14 | ⚠️ 高 |
| ハーン | 0 | 0.57 | 15 | 14 | ⚠️ 高 |
| 中﨑翔太 | 3.46 | 1.08 | 14 | 13 | 中 |
| 髙太一 | 0 | 0.6 | 13 | 11.2 | 中 |
| 鈴木健矢 | 3.09 | 1.63 | 11 | 11.2 | 中 |
| 塹江敦哉 | 0 | 0.77 | 11 | 10.1 | 中 |
中継ぎ平均ERAの比較から、ヤクルト 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。
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。
| 気温 | 20.4 ℃ |
| 降水量 | 0.9 mm |
| 風速 | 13.8 m/s (強風・本塁打増) |
| 天候コード (Open-Meteo) | 53 |
| サマリー | 強風14m/s |
| 打撃ボーナス (両軍) | 6 / 6 Elo |
| 投手ボーナス (両軍) | 0 / 0 Elo |
当日予報: 強風14m/s。気温 20.4℃、風速 13.8m/s。 強風で打球が伸びる/押し戻される影響大。本塁打数が増減しやすい。
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 | ヤクルト | 広島 |
|---|---|---|
| 連戦日数 | 2 日 | 2 日 |
| カード内試合番号 | 第3戦 | 第3戦 |
| 疲労ペナルティ (Elo) | -4 | -4 |
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。
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 | ヤクルト | 広島 |
|---|---|---|
| チームOPS | 0.63 | 0.591 |
| リーグ平均OPS | 0.656 | |
| OPS差 (vs リーグ) | -0.026 | -0.065 |
| 直近10戦勝率 | - | - |
| フォーム調整 (Elo) | -10.4 | -26 |
| 直近勢い調整 (Elo) | 0 | 0 |
| 対戦相性調整 (Elo) | 0 | 0 |
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。 ヤクルト は打線が不調 (リーグ平均-0.026 OPS)。 広島 は打線が不調。
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 | ヤクルト 勝率 | フェアオッズ | 広島 勝率 | フェアオッズ |
|---|---|---|---|---|
| ホーム -1.5 / アウェイ +1.5 | 52.7% | 1.9 | 47.3% | 2.11 |
| ホーム -0.5 / アウェイ +0.5 | 62.7% | 1.59 | 37.3% | 2.68 |
| 勝敗のみ (1X2 / マネーライン) | 70.7% | 1.41 | 29.3% | 3.41 |
| ホーム +0.5 / アウェイ -0.5 | 78.7% | 1.27 | 21.3% | 4.69 |
| ホーム +1.5 / アウェイ -1.5 | 88.7% | 1.13 | 11.3% | 8.85 |
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)。
| ホーム総合戦力 | 1579 Elo |
| アウェイ総合戦力 | 1425.7 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) | -4.5 / -18.9 Elo |
| 中継ぎ・抑え補正 | +11.9 / +12.6 Elo |
| パークファクター | ×-4 |
| リーグ補正 (CL vs PL 交流戦) | 0 Elo |
| フォーム補正 (OPS差) | -10.4 / -26 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。
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：