WINSportsAI v3.0 (Elo+FIP+Park+Bullpen+League+Weather+Fatigue+Form+H2H) は 日本ハム 勝利を 58.9% で予測。フェアオッズは 1.7。市場オッズ ホーム 2.43 / アウェイ 1.7。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 |
|---|---|---|---|---|---|
| 2026-05-14 | ZOZOマリン | ロッテ 5 - 3 日本ハム | ロッテ | ロッテ 53.0% | 的中 |
| 2026-05-13 | ZOZOマリン | ロッテ 2 - 6 日本ハム | 日本ハム | ロッテ 53.0% | 外れ |
| 2026-05-12 | ZOZOマリン | ロッテ 2 - 3 日本ハム | 日本ハム | ロッテ 53.0% | 外れ |
直近 3 試合の対戦成績: ロッテ 1勝 / 日本ハム 2勝。 平均得点 ロッテ 3.00 / 日本ハム 4.00。 この対戦カードでは 日本ハム が直近 3 試合でリードしている点を勘案して下さい。
ZOZOマリン 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 | ZOZOマリン での試合数 | 勝率 | 得点傾向 |
|---|---|---|---|
| ロッテ | 9試合 | 5勝 4敗 (55.6%) | 平均得点 3.78 |
| 日本ハム | 3試合 | 2勝 1敗 (66.7%) | 平均得点 4.00 |
ZOZOマリン はホームチーム ロッテ の本拠地球場 (パークファクター ×2.5)。 打高 (投手不利・打者有利) 環境。本塁打が出やすく、ローオッズの試合になりやすい。 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。
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。
廣池康志郎 の今季成績は ERA 3.09。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 日本ハム 戦は今季初対戦、ローテ内では他に 小島和哉・西野勇士 等が控える。
北山亘基 の今季成績は ERA 1.93。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 ロッテ 戦は今季初対戦、ローテ内では他に 細野晴希・加藤貴之 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: 廣池康志郎 -13.5 Elo / 北山亘基 +21.3 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 |
|---|---|---|---|---|---|
| 横山陸人 | 2.65 | 1.06 | 17 | 17 | ⚠️ 高 |
| 鈴木昭汰 | 1.8 | 1.27 | 16 | 15 | ⚠️ 高 |
| 澤田圭佑 | 1.8 | 0.8 | 15 | 15 | ⚠️ 高 |
| ロング | 2.04 | 0.91 | 14 | 17.2 | 中 |
| 高野脩汰 | 5.84 | 1.38 | 13 | 12.1 | 中 |
| 八木彬 | 1.13 | 0.56 | 10 | 16 | 中 |
| 投手 | ERA | WHIP | 登板 | IP | 疲労 |
|---|---|---|---|---|---|
| 上原健太 | 4.8 | 1 | 15 | 15 | ⚠️ 高 |
| 島本浩也 | 1.69 | 1.41 | 15 | 10.2 | ⚠️ 高 |
| 柳川大晟 | 1.29 | 1 | 14 | 14 | 中 |
| 田中正義 | 2.31 | 0.43 | 12 | 11.2 | 中 |
| 玉井大翔 | 2.79 | 0.83 | 11 | 9.2 | 中 |
| 齋藤友貴哉 | 5.63 | 2 | 10 | 8 | 中 |
中継ぎ平均ERAの比較から、ロッテ 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 | 24.9 ℃ |
| 降水量 | 0 mm |
| 風速 | 11 m/s (強風・本塁打増) |
| 天候コード (Open-Meteo) | 2 |
| サマリー | 強風11m/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11m/s。気温 24.9℃、風速 11m/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 | ロッテ | 日本ハム |
|---|---|---|
| 連戦日数 | 0 日 | 0 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 | ロッテ | 日本ハム |
|---|---|---|
| チームOPS | 0.644 | 0.723 |
| リーグ平均OPS | 0.661 | |
| OPS差 (vs リーグ) | -0.017 | 0.062 |
| 直近10戦勝率 | - | - |
| フォーム調整 (Elo) | -6.8 | 24.8 |
| 直近勢い調整 (Elo) | 0 | 0 |
| 対戦相性調整 (Elo) | 0 | 3 |
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。 日本ハム は打線が好調。
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 | ロッテ 勝率 | フェアオッズ | 日本ハム 勝率 | フェアオッズ |
|---|---|---|---|---|
| ホーム -1.5 / アウェイ +1.5 | 23.1% | 4.33 | 76.9% | 1.3 |
| ホーム -0.5 / アウェイ +0.5 | 33.1% | 3.02 | 66.9% | 1.49 |
| 勝敗のみ (1X2 / マネーライン) | 41.1% | 2.43 | 58.9% | 1.7 |
| ホーム +0.5 / アウェイ -0.5 | 49.1% | 2.04 | 50.9% | 1.96 |
| ホーム +1.5 / アウェイ -1.5 | 59.1% | 1.69 | 40.9% | 2.44 |
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 | 1484.5 Elo |
| アウェイ総合戦力 | 1547.2 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) | -13.5 / +21.3 Elo |
| 中継ぎ・抑え補正 | +1.3 / +5.1 Elo |
| パークファクター | ×2.5 |
| リーグ補正 (CL vs PL 交流戦) | 0 Elo |
| フォーム補正 (OPS差) | -6.8 / +24.8 Elo |
| 直近勢い補正 | 0 / 0 Elo |
| 対戦相性補正 (H2H) | 0 / +3 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：