「3歳未勝利」の無料AI競馬予想【ウェーブ】
競馬予想の更新日：
東京
1R10:05
3歳未勝利ダート1600m16頭
490 円
🔖 競馬予想の目次
🤖 競馬AIウェーブによる「3歳未勝利」競馬予想
競馬AIウェーブの予想自信度は…
激アツ
「3歳未勝利」（ダート1600m）は16頭立ての多頭数戦でございます。AIの総合分析では《イデアクリスタル》を本命に推奨いたします。対抗は《ビレッジルイーザ》、単穴に《ダイユウアドバンス》を指名しております。ダート1600m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 |
|---|---|---|---|
| 4 | 46.8倍 | ◎ 90.0 | |
| 13 | 58.1倍 | ○ 74.8 | |
| 16 | 612.8倍 | ▲ 72.5 | |
| 12 | 716.8倍 | △ 71.9 | |
| 8 | 1134.5倍 | ☆ 70.9 | |
| 15 | 1025.1倍 | 59.6 | |
| 6 | 819.9倍 | 58.0 | |
| 3 | 25.2倍 | 57.5 | |
| 5 | 13.6倍 | 52.9 | |
| 14 | 15178.7倍 | 50.0 | |
| 10 | 922.5倍 | 48.1 | |
| 2 | 36.3倍 | 44.9 | |
| 1 | 1245.8倍 | 消 26.1 | |
| 7 | 16223.3倍 | 消 22.6 | |
| 11 | 1488.9倍 | 消 22.6 | |
| 9 | 1384.0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競馬ウェーブ予想の的中馬券
複勝
4イデアクリスタル
210 円
複勝
13ビレッジルイーザ
280 円
📊 AIスコア分布「3歳未勝利」
1位と2位のスコア差は15.2ptとなっております。AIは本命馬を明確に上位と評価しており、軸として信頼できる一頭でございます。全体のスコア幅は70.0ptで、上位と下位の力差がはっきりした構成です。
⭐ AI競馬ウェーブ注目馬ピックアップ「3歳未勝利」
4 イデアクリスタル（Ｆ．ゴンサルベス騎手）
「3歳未勝利」でAIが最も高く評価した《イデアクリスタル》を深掘り分析いたします。
📌 前走の横山武史騎手からＦ．ゴンサルベス騎手に乗り替わり。手替わり効果に期待。
📌 近走の着順が上昇傾向（12着→5着→4着→6着→2着）。調子の波に乗っている。
📊 近走成績: 東京ダート1600m 12着（2人気） → 中山ダート1800m 5着（3人気） → 東京ダート1600m 4着（6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歳未勝利」
過去1110レースでの1番人気の勝率は34.1%。
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 | 34.1% |
| 1番人気の連対率 | 53.6% |
| 1番人気の複勝率 | 67.0% |
| 勝ち馬の平均人気 | 3.2番人気 |
| 集計レース数 | 1110レース |
🏇 AI競馬ウェーブ展開予測シナリオ「3歳未勝利」
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
逃げ馬が少なく、スローペースが濃厚な構成でございます。前残りの展開になりやすく、先行力のある馬を重視していただきたいところです。差し馬は届かないリスクがございますので、その点にご注意ください。
| 脚質 | 頭数 | 構成比 |
|---|---|---|
逃げ | 1頭 | 7.1% |
先行 | 0頭 | 0.0% |
差し | 8頭 | 57.1% |
追込 | 5頭 | 35.7% |
📈 AI競馬ウェーブ調子トレンド予測「3歳未勝利」
特に注目していただきたいのは上昇中の《イデアクリスタル》《オーケーグレイス》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 |
|---|---|---|
1 | デルマザオウ | ← 横ばい |
| 直近5走: - | ||
2 | ミライヘノティアラ | ↓ 下降中 |
| 直近5走: 7着 ← 10着 | ||
3 | ビリキナータ | ← 横ばい |
| 直近5走: - | ||
4 | イデアクリスタル | ↑ 上昇中 |
| 直近5走: 12着 ← 5着 ← 4着 ← 6着 ← 2着 | ||
5 | コーリンクレア | ↓ 下降中 |
| 直近5走: 4着 ← 9着 | ||
6 | スウェーバック | ← 横ばい |
| 直近5走: 7着 | ||
7 | ウイングラナート | ↓ 下降中 |
| 直近5走: 14着 ← 16着 | ||
8 | ソフィアプルーマ | ↓ 下降中 |
| 直近5走: 7着 ← 13着 ← 12着 | ||
9 | ゴーゴーマンゴー | ↓ 下降中 |
| 直近5走: 11着 ← 15着 | ||
10 | ロット | ↓ 下降中 |
| 直近5走: 4着 ← 8着 ← 5着 ← 10着 ← 10着 | ||
11 | ルプルミエラムール | ↑ 上昇中 |
| 直近5走: 15着 ← 14着 | ||
12 | キミガハマ | ↓ 下降中 |
| 直近5走: 6着 ← 17着 | ||
13 | ビレッジルイーザ | ↖ やや上昇 |
| 直近5走: 10着 ← 9着 ← 10着 ← 6着 ← 9着 | ||
14 | スミレノハナ | ↓ 下降中 |
| 直近5走: 9着 ← 14着 ← 14着 | ||
15 | オーケーグレイス | ↑ 上昇中 |
| 直近5走: 16着 ← 13着 ← 5着 | ||
16 | ダイユウアドバンス | ↓ 下降中 |
| 直近5走: 6着 ← 6着 ← 13着 ← 8着 ← 10着 | ||
👔 AI競馬ウェーブ調教師×東京相性分析「3歳未勝利」
東京での勝率が最も高いのは加藤 征弘調教師（466戦58勝・勝率12.4%）でございます。
出走経験が最も豊富なのは伊藤 圭三調教師（484戦）です。
| 馬番 | 馬名 | 調教師 |
|---|---|---|
11 | ルプルミエラムール | 加藤 征弘 |
| 勝率: 12.4% 複勝率: 32.2% 平均着順: 7.0位 | ||
12 | キミガハマ | 嘉藤 貴行 |
| 勝率: 9.2% 複勝率: 25.9% 平均着順: 7.3位 | ||
13 | ビレッジルイーザ | 伊藤 圭三 |
| 勝率: 7.9% 複勝率: 24.2% 平均着順: 7.6位 | ||
9 | ゴーゴーマンゴー | 田村 康仁 |
| 勝率: 7.3% 複勝率: 24.6% 平均着順: 7.1位 | ||
7 | ウイングラナート | 武市 康男 |
| 勝率: 5.8% 複勝率: 16.0% 平均着順: 8.5位 | ||
8 | ソフィアプルーマ | 上原 博之 |
| 勝率: 5.7% 複勝率: 23.2% 平均着順: 7.8位 | ||
3 | ビリキナータ | 大和田 成 |
| 勝率: 4.5% 複勝率: 18.4% 平均着順: 8.2位 | ||
15 | オーケーグレイス | 相沢 郁 |
| 勝率: 4.1% 複勝率: 15.2% 平均着順: 8.1位 | ||
1 | デルマザオウ | 松山 将樹 |
| 勝率: 3.3% 複勝率: 12.7% 平均着順: 8.9位 | ||
5 | コーリンクレア | 小野 次郎 |
| 勝率: 3.1% 複勝率: 11.8% 平均着順: 8.9位 | ||
16 | ダイユウアドバンス | 松永 康利 |
| 勝率: 3.0% 複勝率: 12.4% 平均着順: 8.7位 | ||
10 | ロット | 本間 忍 |
| 勝率: 2.9% 複勝率: 12.4% 平均着順: 9.6位 | ||
2 | ミライヘノティアラ | 伊藤 大士 |
| 勝率: 2.8% 複勝率: 15.1% 平均着順: 8.3位 | ||
14 | スミレノハナ | 加藤 和宏 |
| 勝率: 2.6% 複勝率: 8.7% 平均着順: 9.9位 | ||
6 | スウェーバック | 天間 昭一 |
| 勝率: 0.6% 複勝率: 4.0% 平均着順: 10.7位 | ||
4 | イデアクリスタル | 手塚 貴徳 |
| 勝率: 0.0% 複勝率: 0.0% 平均着順: 9.1位 | ||
🧬 AI競馬ウェーブ血統×条件適性分析「3歳未勝利」
東京ダート1600m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ポエティックフレア産駒（7戦1勝・勝率14.3%）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 |
|---|---|---|
7 | ウイングラナート | ポエティックフレア |
| 出走: 7回 勝率: 14.3% 複勝率: 28.6% | ||
1 | デルマザオウ | ミッキーグローリー |
| 出走: 22回 勝率: 13.6% 複勝率: 27.3% | ||
8 | ソフィアプルーマ | ルヴァンスレーヴ |
| 出走: 138回 勝率: 10.9% 複勝率: 29.0% | ||
16 | ダイユウアドバンス | クリソベリル |
| 出走: 34回 勝率: 8.8% 複勝率: 26.5% | ||
3 | ビリキナータ | クリソベリル |
| 出走: 34回 勝率: 8.8% 複勝率: 26.5% | ||
11 | ルプルミエラムール | ブリックスアンドモルタル |
| 出走: 59回 勝率: 8.5% 複勝率: 30.5% | ||
6 | スウェーバック | パイロ |
| 出走: 667回 勝率: 7.9% 複勝率: 24.3% | ||
9 | ゴーゴーマンゴー | カリフォルニアクローム |
| 出走: 105回 勝率: 7.6% 複勝率: 16.2% | ||
15 | オーケーグレイス | サートゥルナーリア |
| 出走: 28回 勝率: 7.1% 複勝率: 17.9% | ||
2 | ミライヘノティアラ | サートゥルナーリア |
| 出走: 28回 勝率: 7.1% 複勝率: 17.9% | ||
14 | スミレノハナ | ブラックタイド |
| 出走: 271回 勝率: 5.5% 複勝率: 18.1% | ||
12 | キミガハマ | ディーマジェスティ |
| 出走: 86回 勝率: 4.7% 複勝率: 18.6% | ||
10 | ロット | ダノンバラード |
| 出走: 51回 勝率: 2.0% 複勝率: 15.7% | ||
13 | ビレッジルイーザ | ノーブルミッション |
| 出走: 16回 勝率: 0.0% 複勝率: 6.2% | ||
5 | コーリンクレア | マテラスカイ |
| 出走: 15回 勝率: 0.0% 複勝率: 0.0% | ||
4 | イデアクリスタル | ホークビル |
| 出走: 13回 勝率: 0.0% 複勝率: 0.0% | ||
🐴 AI競馬ウェーブ穴馬診断書「3歳未勝利」
「3歳未勝利」では、AIが大穴候補を検出しました。《スミレノハナ》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。
14 スミレノハナ（長岡禎仁騎手） ★★★★☆【大穴候補】
🔥 前走9着大敗→1800mから1600m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。
🔥 前走谷原柚希騎手で9着→長岡禎仁騎手に乗り替わり。手替わりで激変の可能性を秘める。
📌 前走芝からダートに初挑戦。未知の魅力がある。
📌 2走前14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: 中山芝1800m 9着 → 東京芝1800m 14着 → 中山ダート1200m 14着
📈 AI競馬ウェーブ調子トレンド予測: ↓ 下降中
15 オーケーグレイス（菅原明良騎手） ★★★☆☆【穴馬候補】
🔥 前走16着大敗→2000mから1600m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。
🔥 前走横山琉人騎手で16着→菅原明良騎手に乗り替わり。手替わりで激変の可能性を秘める。
📌 前走芝からダートに初挑戦。未知の魅力がある。
📊 近走成績: 福島芝2000m 16着 → 中山芝2200m 13着 → 札幌芝1800m 5着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
8 ソフィアプルーマ（田辺裕信騎手） ★★☆☆☆【注意馬】
🔥 前走長浜鴻緒騎手で7着→田辺裕信騎手に乗り替わり。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7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1600m 7着 → 東京ダート1400m 13着 → 中山ダート1800m 12着
📈 AI競馬ウェーブ調子トレンド予測: ↓ 下降中
❓ 「3歳未勝利」AI競馬予想のよくある質問
Q. 「3歳未勝利」のAI競馬予想は無料で見られますか？
A. はい、「3歳未勝利」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歳未勝利」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歳未勝利」（東京ダート1600m・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。
