![Một số phương pháp nâng cao độ chính xác dự báo trong mô hình chuỗi thời gian mờ](https://123docz.net/image/doc_normal.png)
Đang tải... (xem toàn văn)
Thông tin tài liệu
Ngày đăng: 05/05/2022, 06:56
Xem thêm:
Hình ảnh liên quan
Hình 1.1.
Cấu trúc tổng quan của luận án Xem tại trang 22 của tài liệu.Hình 1.2.
Chuỗi tỷ giá hối đoái B P/ USD hàng tuần [53] Xem tại trang 23 của tài liệu.1.2.3..
Các thành phần của mô hình dự báo FTS Xem tại trang 28 của tài liệu.Hình 1.6.
Ví dụ phân khoảng tập nền sử dụng các hàm thuộc khác nhau Xem tại trang 30 của tài liệu.Hình 1.7.
Các thành phần trong giai đoạn kiểm thử Xem tại trang 32 của tài liệu.Hình 1.8.
Tóm tắt các bước thực hiện mô hình dự báo của Chen [10] trên tập dữ liệu tuyển sinh của trường Đại học Alabama Xem tại trang 36 của tài liệu.1.2.5..
Tiêu chuẩn đánh giá độ chính xác của các mô hình dự báo Xem tại trang 38 của tài liệu.Hình 1.9.
Sơ đồ thuật toán phân cụm K-means Xem tại trang 40 của tài liệu.Hình 1.10.
Sơ đồ thuật toán phân cụm bằng FCM Xem tại trang 41 của tài liệu.Bảng 2.3.
Kết quả mờ hóa dữ liệu tuyển sinh thành các tập mờ Xem tại trang 53 của tài liệu.Bảng 2.4.
Biểu diễn mối quan hệ mờ bậc 1và bậc 3 trên tập dữ liệu tuyển sinh Năm Tập mờ Quan hệ mờ bậc 1 Quan hệ mờ bậc 3 Xem tại trang 54 của tài liệu.Bảng 2.5.
Kết quả nhóm quan hệ mờ phụ thuộc thời gian bậc 1và bậc 3 Xem tại trang 55 của tài liệu.Bảng 2.8.
Kết quả mờ hóa của nhân tố chính “nhiệt độ trung bình hàng ngày” và nhân tố thứ hai “mật độ của mây” Xem tại trang 61 của tài liệu.Hình 2.6.
Các phương pháp phân khoảng Xem tại trang 65 của tài liệu.Hình 2.5.
Minh hoạ các phương pháp phân khoảng khác nhau trên cùng tập mẫu Xem tại trang 65 của tài liệu.s.
ử dụng trong mô hình dự báo chuỗi thời gian mờ được kết hợp cùng với các kỹ thuật khác để nâng cao hiệu quả dự báo như được chỉ ra trong Bảng 2.14 Xem tại trang 69 của tài liệu.Hình 2.9.
Các phương pháp phân khoảng khác nhau kết hợp với mô hình FTS-1NT Xem tại trang 70 của tài liệu.Bảng 2.17.
Giá trị của các khoảng từ tập dữ liệu tuyển sinh sử dụng K-means 7 Khoảng ( Xem tại trang 71 của tài liệu.Hình 2.11.
Minh hoạ các khoảng trên tập dữ liệu tuyển sinh sử dụng HA Xem tại trang 74 của tài liệu.n.
ăm, các cột còn lại là kết quả dự báo của các mô hình được lựa chọn để so sánh trong giai đoạn huấn luyện Xem tại trang 76 của tài liệu.Bảng 2.22.
So sánh sai số dự báo MSE của mô hình đề xuất so với các mô hình khác dựa trên QHM bậc cao với số khoảng chia bằng 14 Xem tại trang 77 của tài liệu.Hình 2.13.
Đồ thị biểu diễn sai số dự báo trong Bảng 2.30 của mô hình FTS-1NT Xem tại trang 83 của tài liệu.3.1.1..
Mô hình chuỗi thời gian mờ một nhân tố (FTS-1NT) kết hợp giữa FCM và PSO Xem tại trang 89 của tài liệu.c.
hình thành bởi hai hay nhiều tập mờ liên tiếp trong chuỗi thời gian. Dựa vào Định nghĩa 1.5 về quan hệ mờ bậc m , ta xác định được các QHM với số bậc Xem tại trang 92 của tài liệu.Hình 3.3.
Sơ đồ thuật toán biểu diễn mô hình FTS1NT-CMPSO Xem tại trang 99 của tài liệu.ch.
ính xác hơn bốn mô hình được so sánh dựa trên QHM bậc 5 và đạt sai số dự báo với giá trị MSE nhỏ nhất là 116.37 Xem tại trang 115 của tài liệu.Bảng 3.22.
So sánh kết quả dự báo trong giai đoạn kiểm thử dựa trên QHM bậc 5 với 16 khoảng và sử dụng wh = 3 Xem tại trang 115 của tài liệu.Bảng 3.27.
Sai số dự báo MAPE(%) trên từng bậc của mô hình FTS2NT-CMPSO Xem tại trang 119 của tài liệu.2.
NT-CMPSO và các mô hình so sánh được đưa ra trong Bảng 3.32 Xem tại trang 122 của tài liệu.t.
quả và sai số dự báo tương ứng với bậc tối ưu của mô hình được đề xuất Xem tại trang 122 của tài liệu.Trích đoạn
Các mô hình dự báo chuỗi thời gian mờ đề xuất
Mô hình chuỗi thời gian mờ hai nhân tố (FTS-2NT) sử dụng FCM và PSO
Áp dụng dự báo thị trường chứng khoán Đài Loan TAIFEX
Áp dụng dự báo tai nạn ô tô tại Bỉ
Đánh giá hiệu quả của mô hình FTS hai nhân tố FTS2NT-CMPSO
Tài liệu cùng người dùng
Tài liệu liên quan