「3歳1勝クラス」の無料AI競馬予想【ウェーブ】
競馬予想の更新日：
京都
6R
3歳1勝クラスダート1200m16頭
🔖 競馬予想の目次
🤖 競馬AIウェーブによる「3歳1勝クラス」競馬予想
競馬AIウェーブの予想自信度は…
予測不能
「3歳1勝クラス」（ダート1200m）は16頭立ての多頭数戦でございます。AIの総合分析では《マメタンク》を本命に推奨いたします。対抗は《ブルーマッキンジー》、単穴に《ハードシングス》を指名しております。ダート1200mの多頭数レースでは枠順や展開の影響が大きくなりますので、下記の展開予測シナリオも合わせてご参照いただければ幸いです。馬券は少し広めに構えておくのが賢明でしょう。
| 馬番 | 馬名・騎手名 | 人気 | AI予想 |
|---|---|---|---|
| 0 | 00倍 | ◎ 90.0 | |
| 0 | 00倍 | ○ 89.3 | |
| 0 | 00倍 | ▲ 78.6 | |
| 0 | 00倍 | △ 71.6 | |
| 0 | 00倍 | ☆ 68.6 | |
| 0 | 00倍 | 67.4 | |
| 0 | 00倍 | 52.6 | |
| 0 | 00倍 | 48.4 | |
| 0 | 00倍 | 46.7 | |
| 0 | 00倍 | 44.5 | |
| 0 | 00倍 | 43.4 | |
| 0 | 00倍 | 41.4 | |
| 0 | 00倍 | 39.0 | |
| 0 | 00倍 | 36.5 | |
| 0 | 00倍 | 消 21.7 | |
| 0 | 00倍 | 消 20.0 |
🧮 馬券点数計算
上の競馬予想一覧表の「軸」「紐」「穴」のボタンを押すと
自動でそれぞれの券種の点数が表示されます。
馬券購入の参考にしてください。
| ワイド | 枠連 | 馬連 | 馬単 | 三連複 | 三連単 | 0点 | 0点 | 0点 | 0点 | 0点 | 0点 |
|---|
📊 AIスコア分布「3歳1勝クラス」
スコアが団子状態となっております（上位差0.7pt）。どの馬にもチャンスがある混戦模様でございます。穴馬の台頭にも十分ご注意いただき、余裕を持った買い目をおすすめいたします。
⭐ AI競馬ウェーブ注目馬ピックアップ「3歳1勝クラス」
0 マメタンク（松山弘平騎手）
当AI予想の本命馬《マメタンク》にフォーカスしてご紹介いたします。
📌 前走の松若風馬騎手から松山弘平騎手に乗り替わり。手替わり効果に期待。
📌 近走の着順が上昇傾向（3着→7着→1着）。調子の波に乗っている。
📌 京都で過去1着の好走歴あり。コース適性は実証済み。
📊 近走成績: 阪神ダート1200m 3着（2人気） → 阪神ダート1400m 7着（3人気） → 京都ダート1200m 1着（1人気）
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
🎲 波乱度メーター「3歳1勝クラス」
過去474レースでの1番人気の勝率は33.5%。
やや堅い傾向のコース条件で、軸馬を信頼しやすいレースと言えます。
なお、多頭数で紛れやすいである点もご考慮ください。
| 指標 | 数値 |
|---|---|
| 1番人気の勝率 | 33.5% |
| 1番人気の連対率 | 51.5% |
| 1番人気の複勝率 | 66.9% |
| 勝ち馬の平均人気 | 3.4番人気 |
| 集計レース数 | 474レース |
🏇 AI競馬ウェーブ展開予測シナリオ「3歳1勝クラス」
出走馬の直近レースの脚質から、このレースの展開を予測します。
予測ペース：ハイペース
逃げ3頭・先行8頭と先行争いが激しくなりそうな構成でございます。ペースが速くなれば前の馬が消耗しやすく、差し・追込タイプの馬に注目です。後方から脚を溜められる馬を重視した馬券構成をおすすめいたします。
| 脚質 | 頭数 | 構成比 |
|---|---|---|
逃げ | 3頭 | 18.8% |
先行 | 8頭 | 50.0% |
差し | 3頭 | 18.8% |
追込 | 2頭 | 12.5% |
📈 AI競馬ウェーブ調子トレンド予測「3歳1勝クラス」
《ラテラルパーム》《タイセイエキサイト》が上り調子となっております。
直近の着順が着実に上昇しており、勢いのある走りが期待できます。
この好調ぶりは見逃せないポイントでございます。
| 馬番 | 馬名 | 調子 |
|---|---|---|
0 | ビップムーラン | ↙ やや下降 |
| 直近5走: 2着 ← 3着 ← 11着 ← 1着 ← 4着 | ||
0 | セイウンバジリスク | ↙ やや下降 |
| 直近5走: 10着 ← 1着 ← 6着 ← 5着 ← 10着 | ||
0 | ミスヘンリー | ↓ 下降中 |
| 直近5走: 1着 ← 4着 ← 3着 ← 7着 ← 8着 | ||
0 | ハードシングス | ↖ やや上昇 |
| 直近5走: 10着 ← 1着 ← 2着 ← 8着 ← 5着 | ||
0 | ラテラルパーム | ↑ 上昇中 |
| 直近5走: 3着 ← 13着 ← 11着 ← 1着 ← 3着 | ||
0 | ミヤラティーニ | ↖ やや上昇 |
| 直近5走: 10着 ← 1着 ← 4着 ← 8着 | ||
0 | タイセイエキサイト | ↑ 上昇中 |
| 直近5走: 16着 ← 12着 ← 9着 ← 9着 ← 11着 | ||
0 | ランスオブキング | ↖ やや上昇 |
| 直近5走: 2着 ← 5着 ← 2着 ← 2着 ← 1着 | ||
0 | マメタンク | ↑ 上昇中 |
| 直近5走: 3着 ← 7着 ← 1着 | ||
0 | メイショウイブキ | ↓ 下降中 |
| 直近5走: 1着 ← 3着 ← 2着 ← 2着 ← 6着 | ||
0 | ベラジオリン | ← 横ばい |
| 直近5走: 5着 ← 6着 ← 1着 ← 4着 ← 6着 | ||
0 | ウェルカムソング | ↓ 下降中 |
| 直近5走: 1着 ← 2着 ← 8着 ← 2着 | ||
0 | キーンセンス | ← 横ばい |
| 直近5走: 8着 ← 6着 ← 9着 ← 13着 ← 4着 | ||
0 | プールナバドラ | ↑ 上昇中 |
| 直近5走: 12着 ← 1着 | ||
0 | アスクケンタッキー | ↑ 上昇中 |
| 直近5走: 11着 ← 7着 ← 14着 ← 1着 | ||
0 | ブルーマッキンジー | ↓ 下降中 |
| 直近5走: 1着 ← 2着 ← 4着 | ||
👔 AI競馬ウェーブ調教師×京都相性分析「3歳1勝クラス」
京都での勝率が最も高いのは藤原 英昭調教師（217戦31勝・勝率14.3%）でございます。
出走経験が最も豊富なのは荒川 義之調教師（316戦）です。
| 馬番 | 馬名 | 調教師 |
|---|---|---|
0 | アスクケンタッキー | 藤原 英昭 |
| 勝率: 14.3% 複勝率: 33.6% 平均着順: 6.7位 | ||
0 | ビップムーラン | 田島 俊明 |
| 勝率: 10.7% 複勝率: 32.1% 平均着順: 8.2位 | ||
0 | キーンセンス | 松永 幹夫 |
| 勝率: 9.3% 複勝率: 27.6% 平均着順: 6.1位 | ||
0 | ラテラルパーム | 栗田 徹 |
| 勝率: 8.1% 複勝率: 18.9% 平均着順: 8.0位 | ||
0 | セイウンバジリスク | 北出 成人 |
| 勝率: 8.0% 複勝率: 21.8% 平均着順: 7.4位 | ||
0 | ブルーマッキンジー | 杉山 佳明 |
| 勝率: 7.3% 複勝率: 23.7% 平均着順: 7.1位 | ||
0 | プールナバドラ | 森 秀行 |
| 勝率: 7.1% 複勝率: 19.0% 平均着順: 8.6位 | ||
0 | メイショウイブキ | 荒川 義之 |
| 勝率: 5.7% 複勝率: 20.6% 平均着順: 7.4位 | ||
0 | ウェルカムソング | 河嶋 宏樹 |
| 勝率: 5.6% 複勝率: 22.3% 平均着順: 7.5位 | ||
0 | ベラジオリン | 小椋 研介 |
| 勝率: 5.2% 複勝率: 12.8% 平均着順: 8.1位 | ||
0 | ランスオブキング | 本田 優 |
| 勝率: 5.0% 複勝率: 18.4% 平均着順: 7.4位 | ||
0 | ミヤラティーニ | 東田 明士 |
| 勝率: 3.7% 複勝率: 22.0% 平均着順: 7.7位 | ||
0 | マメタンク | 東田 明士 |
| 勝率: 3.7% 複勝率: 22.0% 平均着順: 7.7位 | ||
0 | ミスヘンリー | 羽月 友彦 |
| 勝率: 2.9% 複勝率: 11.8% 平均着順: 8.7位 | ||
0 | ハードシングス | 小崎 憲 |
| 勝率: 2.9% 複勝率: 15.1% 平均着順: 9.0位 | ||
0 | タイセイエキサイト | 青木 孝文 |
| 勝率: 2.0% 複勝率: 8.0% 平均着順: 8.9位 | ||
🧬 AI競馬ウェーブ血統×条件適性分析「3歳1勝クラス」
京都ダート1200m付近での父馬別産駒成績（過去10年）を分析しました。
勝率が最も高い血統はCharlatan産駒（5戦2勝・勝率40.0%）です。
血統の条件適性は馬券検討の重要な材料となります。
| 馬番 | 馬名 | 父馬 |
|---|---|---|
0 | ウェルカムソング | Charlatan |
| 出走: 5回 勝率: 40.0% 複勝率: 60.0% | ||
0 | プールナバドラ | Authentic |
| 出走: 4回 勝率: 25.0% 複勝率: 25.0% | ||
0 | アスクケンタッキー | Good Magic |
| 出走: 4回 勝率: 25.0% 複勝率: 50.0% | ||
0 | ベラジオリン | シスキン |
| 出走: 6回 勝率: 16.7% 複勝率: 33.3% | ||
0 | ハードシングス | ゴールドドリーム |
| 出走: 39回 勝率: 12.8% 複勝率: 25.6% | ||
0 | ビップムーラン | アルアイン |
| 出走: 26回 勝率: 11.5% 複勝率: 19.2% | ||
0 | セイウンバジリスク | フィレンツェファイア |
| 出走: 18回 勝率: 11.1% 複勝率: 11.1% | ||
0 | マメタンク | フィレンツェファイア |
| 出走: 18回 勝率: 11.1% 複勝率: 11.1% | ||
0 | ラテラルパーム | モーリス |
| 出走: 120回 勝率: 10.0% 複勝率: 23.3% | ||
0 | ミスヘンリー | ヘニーヒューズ |
| 出走: 489回 勝率: 9.6% 複勝率: 26.2% | ||
0 | タイセイエキサイト | アジアエクスプレス |
| 出走: 129回 勝率: 8.5% 複勝率: 25.6% | ||
0 | ランスオブキング | ベストウォーリア |
| 出走: 36回 勝率: 8.3% 複勝率: 25.0% | ||
0 | メイショウイブキ | エスポワールシチー |
| 出走: 99回 勝率: 7.1% 複勝率: 21.2% | ||
0 | ミヤラティーニ | ルヴァンスレーヴ |
| 出走: 73回 勝率: 4.1% 複勝率: 19.2% | ||
0 | キーンセンス | Munnings |
| 出走: 3回 勝率: 0.0% 複勝率: 0.0% | ||
0 | ブルーマッキンジー | McKinzie |
| 出走: 3回 勝率: 0.0% 複勝率: 0.0% | ||
🐴 AI競馬ウェーブ穴馬診断書「3歳1勝クラス」
「3歳1勝クラス」では、AIが大穴候補を検出しました。《プールナバドラ》は過去データの激走パターンに複数合致しており、人気薄ながら馬券圏内に飛び込む可能性を秘めています。3連系の穴馬として要注目です。
※ 穴馬度は過去の走行パターンから算出した参考指標です。
0 プールナバドラ（中井裕二騎手） ★★★★☆【大穴候補】
🔥 前走12着大敗→1600mから1200mへ距離短縮。距離が長すぎた可能性があり、短縮で一変の余地あり。
🔥 前走バルザロ騎手で12着→中井裕二騎手に乗り替わり。手替わりで激変の可能性を秘める。
🔥 約5ヶ月の休養明けだが、以前は好走歴あり。リフレッシュ効果で復活の可能性。
📊 近走成績: 東京ダート1600m 12着 → 東京ダート1300m 1着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
0 アスクケンタッキー（田山旺佑騎手） ★★★★☆【大穴候補】
🔥 前走11着大敗→1400mから1200mへ距離短縮。距離が長すぎた可能性があり、短縮で一変の余地あり。
🔥 前走田口貫太騎手で11着→田山旺佑騎手に乗り替わり。手替わりで激変の可能性を秘める。
🔥 近走不振だが京都では1着の好走歴。舞台替わりで穴を開ける可能性。
📊 近走成績: 阪神ダート1400m 11着 → 京都ダート1400m 7着 → 東京ダート1400m 14着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
0 タイセイエキサイト（国分恭介騎手） ★★★☆☆【穴馬候補】
🔥 前走16着大敗→1600mから1200mへ距離短縮。距離が長すぎた可能性があり、短縮で一変の余地あり。
🔥 前走長浜鴻緒騎手で16着→国分恭介騎手に乗り替わり。手替わりで激変の可能性を秘める。
📊 近走成績: 東京ダート1600m 16着 → 中山ダート1200m 12着 → 中山ダート1200m 9着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
❓ 「3歳1勝クラス」AI競馬予想のよくある質問
Q. 「3歳1勝クラス」のAI競馬予想は無料で見られますか？
A. はい、「3歳1勝クラス」を含む中央競馬の全レースのAI競馬予想を無料で公開しております。会員登録も不要で、どなたでもすぐにご利用いただけます。
Q. 「3歳1勝クラス」のAI予想はいつ更新されますか？
A. 最速で2日前（木曜日）の17時頃に公開し、前日の馬番発表時（12時頃）に更新、当日の朝9時頃に最終更新されます。
Q. 「3歳1勝クラス」（京都ダート1200m・16頭）の予想の根拠は？
A. JRA公式データを基に、過去10年以上のレースデータを独自の機械学習モデル（LightGBM）で分析しています。走破タイム・コース適性・騎手成績・血統・調教データなど3,000以上の特徴量を総合的に評価し、各馬の能力値をスコア化しております。
