「4歳以上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：
東京
7R
4歳以上1勝クラスダート1300m16頭
🔖 競馬予想の目次
🤖 競馬AIウェーブによる「4歳以上1勝クラス」競馬予想
競馬AIウェーブの予想自信度は…
自信ナシ
16頭が出走する「4歳以上1勝クラス」（ダート1300m）。多頭数戦ならではの紛れが起きやすい条件です。AIが最も高く評価したのは《シルフレイ》でございます。次いで《エコロカディス》、《トニケンサンバ》の順に評価しておりますが、ダート1300mの多頭数レースでは不利を受ける馬も出やすく、実力通りに決まるとは限りません。枠順統計データも参考に、総合的にご判断くださいませ。
| 馬番 | 馬名・騎手名 | 人気 | AI予想 |
|---|---|---|---|
| 0 | 00倍 | ◎ 90.0 | |
| 0 | 00倍 | ○ 87.3 | |
| 0 | 00倍 | ▲ 83.0 | |
| 0 | 00倍 | △ 78.3 | |
| 0 | 00倍 | ☆ 75.3 | |
| 0 | 00倍 | 72.5 | |
| 0 | 00倍 | 72.2 | |
| 0 | 00倍 | 66.6 | |
| 0 | 00倍 | 60.2 | |
| 0 | 00倍 | 58.7 | |
| 0 | 00倍 | 55.7 | |
| 0 | 00倍 | 48.1 | |
| 0 | 00倍 | 43.7 | |
| 0 | 00倍 | 41.8 | |
| 0 | 00倍 | 39.9 | |
| 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「4歳以上1勝クラス」
接戦のスコア分布でございます（上位差2.7pt）。単勝よりもワイドや3連複で手広く構えるのが得策かと存じます。展開や馬場状態によって結果が大きく変わる可能性がございます。
⭐ AI競馬ウェーブ注目馬ピックアップ「4歳以上1勝クラス」
0 シルフレイ（横山和生騎手）
当AI予想の本命馬《シルフレイ》にフォーカスしてご紹介いたします。
📌 前走の横山武史騎手から横山和生騎手に乗り替わり。手替わり効果に期待。
📌 約4ヶ月の休養明け。フレッシュな状態での復帰戦。
📌 近走の着順が上昇傾向（3着→5着→7着→3着→1着）。調子の波に乗っている。
📌 東京で過去1着の好走歴あり。コース適性は実証済み。
📊 近走成績: 中山ダート1200m 3着（3人気） → 中山ダート1200m 5着（4人気） → 東京ダート1400m 7着（4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「4歳以上1勝クラス」
過去253レースでの1番人気の勝率は35.6%。
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 | 35.6% |
| 1番人気の連対率 | 53.8% |
| 1番人気の複勝率 | 68.8% |
| 勝ち馬の平均人気 | 3.6番人気 |
| 集計レース数 | 253レース |
🏇 AI競馬ウェーブ展開予測シナリオ「4歳以上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：スローペース
先行争いが穏やかなメンバー構成でございます。逃げ・先行馬が楽にポジションを取れる見込みで、4角先頭からの押し切りが決まりやすい展開が予想されます。前に行ける馬を中心に馬券を組み立てるのがおすすめです。
| 脚質 | 頭数 | 構成比 |
|---|---|---|
逃げ | 0頭 | 0.0% |
先行 | 2頭 | 12.5% |
差し | 6頭 | 37.5% |
追込 | 8頭 | 50.0% |
📈 AI競馬ウェーブ調子トレンド予測「4歳以上1勝クラス」
特に注目していただきたいのは上昇中の《サイモンカーチス》《シルフレイ》でございます。
調子の波に乗っている馬は、本番でも好走する傾向がございます。
人気に関わらず、好調馬は馬券に組み入れておく価値があるでしょう。
| 馬番 | 馬名 | 調子 |
|---|---|---|
0 | サイモンカーチス | ↑ 上昇中 |
| 直近5走: 10着 ← 15着 ← 8着 ← 9着 ← 10着 | ||
0 | カサブランカキッド | ↓ 下降中 |
| 直近5走: 4着 ← 8着 ← 11着 ← 13着 ← 11着 | ||
0 | ウインドファルクス | ↖ やや上昇 |
| 直近5走: 11着 ← 8着 ← 11着 ← 14着 ← 6着 | ||
0 | キミハスコール | ← 横ばい |
| 直近5走: 6着 ← 5着 ← 2着 ← 4着 ← 6着 | ||
0 | ビアフォーナウ | ↓ 下降中 |
| 直近5走: 5着 ← 7着 ← 7着 ← 9着 ← 13着 | ||
0 | ボナーテソーロ | ↓ 下降中 |
| 直近5走: 13着 ← 10着 ← 10着 ← 12着 ← 16着 | ||
0 | トキメキジニア | ← 横ばい |
| 直近5走: 7着 ← 12着 ← 14着 ← 13着 ← 6着 | ||
0 | プルシャプラ | ↓ 下降中 |
| 直近5走: 7着 ← 9着 ← 11着 ← 6着 ← 16着 | ||
0 | シルフレイ | ↑ 上昇中 |
| 直近5走: 3着 ← 5着 ← 7着 ← 3着 ← 1着 | ||
0 | ガンバレベアー | ↑ 上昇中 |
| 直近5走: 10着 ← 3着 ← 2着 ← 3着 ← 4着 | ||
0 | スマートフランキー | ↑ 上昇中 |
| 直近5走: 13着 ← 10着 ← 9着 ← 4着 ← 5着 | ||
0 | サクラパステル | ↖ やや上昇 |
| 直近5走: 15着 ← 1着 ← 4着 ← 13着 | ||
0 | トニケンサンバ | ← 横ばい |
| 直近5走: 5着 ← 3着 ← 12着 ← 3着 ← 5着 | ||
0 | ブリックンクリック | ↓ 下降中 |
| 直近5走: 4着 ← 10着 ← 16着 ← 10着 ← 13着 | ||
0 | レインボーラッキー | ↑ 上昇中 |
| 直近5走: 9着 ← 13着 ← 7着 ← 10着 ← 3着 | ||
0 | エコロカディス | ↓ 下降中 |
| 直近5走: 4着 ← 4着 ← 4着 ← 8着 ← 13着 | ||
👔 AI競馬ウェーブ調教師×東京相性分析「4歳以上1勝クラス」
| 馬番 | 馬名 | 調教師 |
|---|---|---|
0 | エコロカディス | 森 一誠 |
| 勝率: 14.3% 複勝率: 28.6% 平均着順: 6.6位 | ||
0 | キミハスコール | 加藤 征弘 |
| 勝率: 12.4% 複勝率: 32.1% 平均着順: 7.0位 | ||
0 | レインボーラッキー | 斎藤 誠 |
| 勝率: 8.2% 複勝率: 27.3% 平均着順: 7.0位 | ||
0 | ビアフォーナウ | 池上 昌和 |
| 勝率: 7.6% 複勝率: 25.1% 平均着順: 7.2位 | ||
0 | プルシャプラ | 池上 昌和 |
| 勝率: 7.6% 複勝率: 25.1% 平均着順: 7.2位 | ||
0 | サクラパステル | 田島 俊明 |
| 勝率: 7.5% 複勝率: 18.7% 平均着順: 7.9位 | ||
0 | ブリックンクリック | 中舘 英二 |
| 勝率: 7.3% 複勝率: 22.1% 平均着順: 7.5位 | ||
0 | シルフレイ | 千葉 直人 |
| 勝率: 6.9% 複勝率: 25.8% 平均着順: 7.5位 | ||
0 | ボナーテソーロ | 牧 光二 |
| 勝率: 5.8% 複勝率: 17.3% 平均着順: 8.3位 | ||
0 | カサブランカキッド | 和田 勇介 |
| 勝率: 5.1% 複勝率: 16.5% 平均着順: 8.0位 | ||
0 | ウインドファルクス | 畠山 吉宏 |
| 勝率: 4.7% 複勝率: 12.9% 平均着順: 8.4位 | ||
0 | トニケンサンバ | 西田 雄一郎 |
| 勝率: 4.4% 複勝率: 16.1% 平均着順: 8.1位 | ||
0 | ガンバレベアー | 杉浦 宏昭 |
| 勝率: 3.0% 複勝率: 12.4% 平均着順: 9.0位 | ||
0 | スマートフランキー | 高橋 文雅 |
| 勝率: 2.8% 複勝率: 15.1% 平均着順: 8.6位 | ||
0 | トキメキジニア | 佐藤 吉勝 |
| 勝率: 1.3% 複勝率: 6.2% 平均着順: 10.2位 | ||
0 | サイモンカーチス | 的場 均 |
| 勝率: 0.4% 複勝率: 1.8% 平均着順: 10.9位 | ||
🧬 AI競馬ウェーブ血統×条件適性分析「4歳以上1勝クラス」
東京ダート1300m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Quality Road産駒（12戦3勝・勝率25.0%）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 | レインボーラッキー | Quality Road |
| 出走: 12回 勝率: 25.0% 複勝率: 50.0% | ||
0 | ブリックンクリック | ブリックスアンドモルタル |
| 出走: 25回 勝率: 12.0% 複勝率: 24.0% | ||
0 | サクラパステル | シニスターミニスター |
| 出走: 387回 勝率: 9.8% 複勝率: 27.6% | ||
0 | カサブランカキッド | ドレフォン |
| 出走: 250回 勝率: 9.6% 複勝率: 27.2% | ||
0 | トニケンサンバ | ナダル |
| 出走: 54回 勝率: 9.3% 複勝率: 44.4% | ||
0 | プルシャプラ | エスポワールシチー |
| 出走: 180回 勝率: 7.8% 複勝率: 26.1% | ||
0 | ウインドファルクス | レッドファルクス |
| 出走: 67回 勝率: 7.5% 複勝率: 25.4% | ||
0 | サイモンカーチス | コパノリッキー |
| 出走: 127回 勝率: 7.1% 複勝率: 15.0% | ||
0 | キミハスコール | コパノリッキー |
| 出走: 127回 勝率: 7.1% 複勝率: 15.0% | ||
0 | トキメキジニア | コパノリッキー |
| 出走: 127回 勝率: 7.1% 複勝率: 15.0% | ||
0 | ビアフォーナウ | バトルプラン |
| 出走: 120回 勝率: 6.7% 複勝率: 13.3% | ||
0 | ガンバレベアー | サトノアラジン |
| 出走: 57回 勝率: 3.5% 複勝率: 15.8% | ||
0 | シルフレイ | フォーウィールドライブ |
| 出走: 44回 勝率: 2.3% 複勝率: 22.7% | ||
0 | ボナーテソーロ | Nathaniel |
| 出走: 1回 勝率: 0.0% 複勝率: 0.0% | ||
0 | スマートフランキー | スマートオーディン |
| 出走: 0回 勝率: - 複勝率: - | ||
0 | エコロカディス | Global Campaign |
| 出走: 0回 勝率: - 複勝率: - | ||
🐴 AI競馬ウェーブ穴馬診断書「4歳以上1勝クラス」
「4歳以上1勝クラス」のAI穴馬診断で、特に注目度の高い馬が見つかりました。《サクラパステル》はAI予測順位こそ高くないものの、激走条件への合致度が非常に高い一頭です。大穴を狙うなら押さえておきたい馬でございます。
※ 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 サクラパステル（木幡巧也騎手） ★★★★☆【大穴候補】
🔥 前走丸山元気騎手で15着→木幡巧也騎手に乗り替わり。手替わりで激変の可能性を秘める。
🔥 約6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。
🔥 近走不振だが東京では1着の好走歴。舞台替わりで穴を開ける可能性。
📊 近走成績: 東京ダート1400m 15着 → 東京ダート1400m 1着 → 東京ダート1400m 4着
📈 AI競馬ウェーブ調子トレンド予測: ↖ やや上昇
0 ボナーテソーロ（石橋脩騎手） ★★★☆☆【穴馬候補】
🔥 前走13着大敗→1700mから1300m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。
🔥 前走富田暁騎手で13着→石橋脩騎手に乗り替わり。手替わりで激変の可能性を秘める。
📊 近走成績: 福島ダート1700m 13着 → 中山ダート1800m 10着 → 小倉芝2000m 10着
📈 AI競馬ウェーブ調子トレンド予測: ↓ 下降中
0 レインボーラッキー（斎藤新騎手） ★★☆☆☆【注意馬】
🔥 前走北村友一騎手で9着→斎藤新騎手に乗り替わり。手替わりで激変の可能性を秘める。
📌 2走前13着の大敗から前走9着に浮上。V字回復の途上にあり、さらなる上昇が期待できる。
📊 近走成績: 東京ダート1400m 9着 → 福島ダート1700m 13着 → 東京ダート1300m 7着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
❓ 「4歳以上1勝クラス」AI競馬予想のよくある質問
Q. 「4歳以上1勝クラス」のAI競馬予想は無料で見られますか？
A. はい、「4歳以上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. 「4歳以上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. 「4歳以上1勝クラス」（東京ダート1300m・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。
