「富嶽賞」の無料AI競馬予想【ウェーブ】
競馬予想の更新日：
東京
9R14:15
富嶽賞ダート1400m16頭
230 円
🔖 競馬予想の目次
🤖 競馬AIウェーブによる「富嶽賞」競馬予想
競馬AIウェーブの予想自信度は…
自信ナシ
「富嶽賞」（ダート1400m）は16頭立ての多頭数戦でございます。AIの総合分析では《ジェミート》を本命に推奨いたします。対抗は《マクミランテソーロ》、単穴に《キミハスコール》を指名しております。ダート1400m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 |
|---|---|---|---|
| 7 | 36.6倍 | ◎ 90.0 | |
| 14 | 67.9倍 | ○ 88.2 | |
| 9 | 25.2倍 | ▲ 62.2 | |
| 10 | 46.6倍 | △ 57.1 | |
| 5 | 934.7倍 | ☆ 56.8 | |
| 3 | 14.1倍 | 56.4 | |
| 13 | 16163.4倍 | 56.4 | |
| 16 | 56.6倍 | 55.4 | |
| 1 | 1380.5倍 | 52.3 | |
| 6 | 830.6倍 | 40.6 | |
| 8 | 1147.4倍 | 39.8 | |
| 15 | 15136.0倍 | 32.7 | |
| 12 | 1262.9倍 | 消 28.5 | |
| 4 | 1040.6倍 | 消 26.6 | |
| 11 | 711.8倍 | 消 24.1 | |
| 2 | 1494.5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
10フィドルファドル
230 円
📊 AIスコア分布「富嶽賞」
スコアが団子状態となっております（上位差1.8pt）。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「富嶽賞」
7 ジェミート（横山和生騎手）
当AI予想の本命馬《ジェミート》にフォーカスしてご紹介いたします。
📌 前走の舟山瑠泉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。
📌 前走1着の勢いそのまま。連勝なるか注目の一頭。
📊 近走成績: 中京ダート1400m 1着（2人気） → 京都ダート1400m 8着（3人気） → 阪神ダート1400m 3着（3人気）
📈 AI競馬ウェーブ調子トレンド予測: ↙ やや下降
🎲 波乱度メーター「富嶽賞」
過去931レースでの1番人気の勝率は35.0%。
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 | 35.0% |
| 1番人気の連対率 | 52.0% |
| 1番人気の複勝率 | 63.8% |
| 勝ち馬の平均人気 | 3.2番人気 |
| 集計レース数 | 931レース |
🏇 AI競馬ウェーブ展開予測シナリオ「富嶽賞」
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
先行勢が5頭と多めの構成でございます。序盤からペースが流れ、最後の直線で差し馬が伸びてくる展開が想定されます。人気の先行馬が崩れるケースも考えられますので、穴党の方は後方待機組に注目です。
| 脚質 | 頭数 | 構成比 |
|---|---|---|
逃げ | 2頭 | 12.5% |
先行 | 3頭 | 18.8% |
差し | 7頭 | 43.8% |
追込 | 4頭 | 25.0% |
📈 AI競馬ウェーブ調子トレンド予測「富嶽賞」
《サトノアルペジオ》《ビーコング》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 |
|---|---|---|
1 | サトノアルペジオ | ↑ 上昇中 |
| 直近5走: 10着 ← 11着 ← 13着 ← 1着 ← 3着 | ||
2 | ウインアルドーレ | ↖ やや上昇 |
| 直近5走: 9着 ← 7着 ← 11着 ← 7着 ← 7着 | ||
3 | ドントゥザムーン | ↑ 上昇中 |
| 直近5走: 5着 ← 15着 ← 4着 ← 2着 ← 1着 | ||
4 | ベルブリエ | ↓ 下降中 |
| 直近5走: 3着 ← 12着 ← 8着 ← 8着 ← 11着 | ||
5 | ノルドヴェスト | ↖ やや上昇 |
| 直近5走: 7着 ← 5着 ← 1着 ← 4着 ← 6着 | ||
6 | サンドブラスト | ↙ やや下降 |
| 直近5走: 7着 ← 3着 ← 12着 ← 9着 ← 6着 | ||
7 | ジェミート | ↙ やや下降 |
| 直近5走: 1着 ← 8着 ← 3着 ← 2着 ← 6着 | ||
8 | キョウエイスレーヴ | ↓ 下降中 |
| 直近5走: 1着 ← 3着 ← 5着 ← 8着 ← 6着 | ||
9 | キミハスコール | ↙ やや下降 |
| 直近5走: 1着 ← 6着 ← 5着 ← 2着 ← 4着 | ||
10 | フィドルファドル | ↙ やや下降 |
| 直近5走: 2着 ← 7着 ← 11着 ← 4着 ← 5着 | ||
11 | アクアマリーナ | ↓ 下降中 |
| 直近5走: 5着 ← 1着 ← 5着 ← 3着 ← 15着 | ||
12 | ビーコング | ↑ 上昇中 |
| 直近5走: 15着 ← 3着 ← 1着 ← 12着 ← 2着 | ||
13 | アグラード | ↑ 上昇中 |
| 直近5走: 9着 ← 9着 ← 6着 ← 4着 ← 3着 | ||
14 | マクミランテソーロ | ↙ やや下降 |
| 直近5走: 3着 ← 1着 ← 2着 ← 7着 ← 2着 | ||
15 | タイセイピューマ | ↑ 上昇中 |
| 直近5走: 8着 ← 10着 ← 3着 ← 4着 ← 1着 | ||
16 | ダイシンリンク | ↖ やや上昇 |
| 直近5走: 6着 ← 4着 ← 8着 ← 2着 ← 5着 | ||
👔 AI競馬ウェーブ調教師×東京相性分析「富嶽賞」
東京での勝率が最も高いのは加藤 征弘調教師（467戦60勝・勝率12.8%）でございます。
| 馬番 | 馬名 | 調教師 |
|---|---|---|
9 | キミハスコール | 加藤 征弘 |
| 勝率: 12.8% 複勝率: 32.5% 平均着順: 7.0位 | ||
10 | フィドルファドル | 矢作 芳人 |
| 勝率: 11.6% 複勝率: 27.1% 平均着順: 7.2位 | ||
3 | ドントゥザムーン | 高木 登 |
| 勝率: 11.0% 複勝率: 28.1% 平均着順: 7.0位 | ||
5 | ノルドヴェスト | 大竹 正博 |
| 勝率: 9.6% 複勝率: 27.5% 平均着順: 7.0位 | ||
13 | アグラード | 高柳 瑞樹 |
| 勝率: 9.2% 複勝率: 25.3% 平均着順: 7.0位 | ||
4 | ベルブリエ | 尾関 知人 |
| 勝率: 7.6% 複勝率: 19.2% 平均着順: 8.0位 | ||
7 | ジェミート | 四位 洋文 |
| 勝率: 7.3% 複勝率: 17.1% 平均着順: 7.3位 | ||
15 | タイセイピューマ | 新開 幸一 |
| 勝率: 6.6% 複勝率: 16.8% 平均着順: 8.3位 | ||
14 | マクミランテソーロ | 田中 剛 |
| 勝率: 5.5% 複勝率: 19.6% 平均着順: 8.4位 | ||
11 | アクアマリーナ | 伊坂 重信 |
| 勝率: 5.3% 複勝率: 18.4% 平均着順: 7.8位 | ||
6 | サンドブラスト | 鈴木 慎太郎 |
| 勝率: 5.2% 複勝率: 18.2% 平均着順: 8.1位 | ||
16 | ダイシンリンク | 森 秀行 |
| 勝率: 5.1% 複勝率: 21.7% 平均着順: 8.0位 | ||
1 | サトノアルペジオ | 大和田 成 |
| 勝率: 4.6% 複勝率: 18.3% 平均着順: 8.3位 | ||
8 | キョウエイスレーヴ | 萱野 浩二 |
| 勝率: 3.4% 複勝率: 13.5% 平均着順: 8.6位 | ||
2 | ウインアルドーレ | 奥平 雅士 |
| 勝率: 3.2% 複勝率: 13.2% 平均着順: 8.8位 | ||
12 | ビーコング | 小手川 準 |
| 勝率: 2.9% 複勝率: 12.3% 平均着順: 8.8位 | ||
🧬 AI競馬ウェーブ血統×条件適性分析「富嶽賞」
東京ダート1400m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ロードカナロア産駒（690戦82勝・勝率11.9%）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 |
|---|---|---|
5 | ノルドヴェスト | ロードカナロア |
| 出走: 690回 勝率: 11.9% 複勝率: 28.8% | ||
13 | アグラード | ニューイヤーズデイ |
| 出走: 163回 勝率: 10.4% 複勝率: 23.9% | ||
8 | キョウエイスレーヴ | ルヴァンスレーヴ |
| 出走: 158回 勝率: 10.1% 複勝率: 26.6% | ||
11 | アクアマリーナ | シニスターミニスター |
| 出走: 667回 勝率: 8.2% 複勝率: 24.9% | ||
15 | タイセイピューマ | ディスクリートキャット |
| 出走: 320回 勝率: 8.1% 複勝率: 24.7% | ||
3 | ドントゥザムーン | カレンブラックヒル |
| 出走: 249回 勝率: 8.0% 複勝率: 25.7% | ||
1 | サトノアルペジオ | モーリス |
| 出走: 193回 勝率: 7.8% 複勝率: 22.3% | ||
14 | マクミランテソーロ | レッドファルクス |
| 出走: 114回 勝率: 7.0% 複勝率: 23.7% | ||
9 | キミハスコール | コパノリッキー |
| 出走: 232回 勝率: 6.9% 複勝率: 15.1% | ||
12 | ビーコング | タリスマニック |
| 出走: 77回 勝率: 6.5% 複勝率: 16.9% | ||
4 | ベルブリエ | キズナ |
| 出走: 327回 勝率: 6.4% 複勝率: 23.2% | ||
6 | サンドブラスト | モーニン |
| 出走: 106回 勝率: 5.7% 複勝率: 15.1% | ||
7 | ジェミート | モーニン |
| 出走: 106回 勝率: 5.7% 複勝率: 15.1% | ||
16 | ダイシンリンク | モーニン |
| 出走: 106回 勝率: 5.7% 複勝率: 15.1% | ||
10 | フィドルファドル | サトノアラジン |
| 出走: 107回 勝率: 3.7% 複勝率: 15.9% | ||
2 | ウインアルドーレ | ビーチパトロール |
| 出走: 65回 勝率: 0.0% 複勝率: 7.7% | ||
🐴 AI競馬ウェーブ穴馬診断書「富嶽賞」
「富嶽賞」のAI穴馬診断で、特に注目度の高い馬が見つかりました。《ノルドヴェスト》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。
5 ノルドヴェスト（Ｍ．ディー騎手） ★★★★☆【大穴候補】
🔥 前走丹内祐次騎手で7着→Ｍ．ディー騎手に乗り替わり。手替わりで激変の可能性を秘める。
🔥 約7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1600m 7着 → 福島ダート1700m 5着 → 東京ダート1400m 1着
📈 AI競馬ウェーブ調子トレンド予測: ↖ やや上昇
13 アグラード（杉原誠人騎手） ★★★☆☆【穴馬候補】
🔥 前走津村明秀騎手で9着→杉原誠人騎手に乗り替わり。手替わりで激変の可能性を秘める。
🔥 約3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: 中山ダート1200m 9着 → 中山ダート1200m 9着 → 東京ダート1400m 6着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
1 サトノアルペジオ（Ｆ．ゴンサルベス騎手） ★★★☆☆【穴馬候補】
🔥 前走田辺裕信騎手で10着→Ｆ．ゴンサルベス騎手に乗り替わり。手替わりで激変の可能性を秘める。
🔥 近走不振だが東京では1着の好走歴。舞台替わりで穴を開ける可能性。
📌 2走前11着の大敗から前走10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: 中京ダート1400m 10着 → 東京ダート1400m 11着 → 東京ダート1400m 13着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
❓ 「富嶽賞」AI競馬予想のよくある質問
Q. 「富嶽賞」のAI競馬予想は無料で見られますか？
A. はい、「富嶽賞」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. 「富嶽賞」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. 「富嶽賞」（東京ダート1400m・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。
