(LUẬN văn THẠC sĩ) áp dụng kỹ thuật học máy dựa trên logic mờ trong bài toán định giá đất

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ ĐINH VĂN THƢỜNG ÁP DỤNG KỸ THUẬT HỌC MÁY DỰA TRÊN LOGIC MỜ TRONG BÀI TOÁN ĐỊNH GIÁ ĐẤT LUẬN VĂN THẠC SĨ Hà Nội – 2013 TIEU LUAN MOI download : skknchat@gmail.com ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ ĐINH VĂN THƢỜNG ÁP DỤNG KỸ THUẬT HỌC MÁY DỰA TRÊN LOGIC MỜ TRONG BÀI TỐN ĐỊNH GIÁ ĐẤT Ngành: Chun ngành: Mã số: Cơng nghệ thông tin Hệ thống thông tin 60 48 05 LUẬN VĂN THẠC SĨ Ngƣời hƣớng dẫn khoa học: PGS.TS Nguyễn Hà Nam Hà Nội - 2013 TIEU LUAN MOI download : skknchat@gmail.com LỜI CẢM ƠN Trong thời gian thực luận văn, dƣới hƣớng dẫn tận tình PGS.TSNguyễn Hà Nam, tơi hồn thành mục tiêu đề tài đề Tuy nhiên, thời gian thực luận văn không dài trình độ có giới hạn nên luận văn cịn số khiếm khuyết Kính mong Q thầy thơng cảm góp ý Tơi xin chân thành cảm ơn PGS.TSNguyễn Hà Namđã tận tâm hƣớng dẫn, bảo tơi suốt thời gian qua để tơi hoàn thành luận văn cách tốt Cảm ơn bạn bè, ngƣời thân đồng nghiệp giúp đỡ đóng góp ý kiến q trình thực đề tài Tôi xin chân thành cảm ơn Q thầy mơn Hệ thống Thơng tin, khoa Công nghệ Thông tin, trƣờng đại học Công nghệ, Đại học Quốc gia Hà Nội Kính chúc Q thầy mạnh khỏe, đạt nhiều thắng lợi nghiệp giáo dục nghiên cứu khoa học Xin chân thành cảm ơn! Hà Nội, ngày tháng năm 2013 Học viên Đinh Văn Thƣờng TIEU LUAN MOI download : skknchat@gmail.com LỜI CAM ĐOAN Tôi xin cam đoan luận văn “Áp dụng kỹ thuật học máy dựa Logic mờ tốn định giá đất” cơngtrình nghiên cứu riêng tôi, không chép Nội dung luận văn đƣợc trình bày từ kiến thức tổng hợp cá nhân, tổng hợp từ nguồn tàiliệu có xuất xứ rõ ràng trích dẫn hợp pháp Kết nghiên cứu đƣợc trình bàytrong luận văn chƣa đƣợc công bố cơng trình khác.Tơi xin chịu hồn tồn trách nhiệm, sai, tơi xin chịu hình thức kỷluật theo quy định Hà Nội, ngày tháng năm 2013 Học viên thực Đinh Văn Thƣờng TIEU LUAN MOI download : skknchat@gmail.com MỤC LỤC LỜI CẢM ƠN LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH ĐẶT VẤN ĐỀ Các nội dung Phƣơng pháp thực Cấu trúc luận văn 1.1 Giá đất nhân tố ảnh hƣởng đến giá đất 1.1.1 Giá đất 1.1.2 Nhân tố thông thƣờng 1.1.3 Nhân tố khu vực 17 1.1.4 Nhân tố cá biệt 18 1.2 Các phƣơng pháp định giá đất theo thị trƣờng 19 1.2.1 Phƣơng pháp so sánh trực tiếp 19 1.2.2 Phƣơng pháp thu nhập 26 1.2.3 Phƣơng pháp chiết trừ 26 1.2.4 Phƣơng pháp thặng dƣ 26 CHƢƠNG LOGIC MỜ VÀ MẠNG NƠRON 28 2.1 Logic mờ 28 2.1.1 Khái niệm 28 2.1.2 Tập mờ 29 2.1.3 Mệnh đề mờ 32 2.1.4 Các phép toán mệnh đề logic mờ 32 2.1.5 Suy diễn mờ 33 2.1.6 Hệ suy diễn mờ 34 2.2 Mạng Nơ ron 34 2.2.1 Khái niệm mạng nơ ron 34 2.2.2 Cấu trúc mạng nơ ron 35 2.2.3 Hàm hoạt động 36 2.2.4 Tiến trình học 37 2.2.5 Giải thuật Back – Propagation 38 CHƢƠNG ỨNG DỤNG LOGIC MỜ TRONG ĐỊNH GIÁ ĐẤT 43 3.1 Mơ hình hóa tốn định giá đất 43 3.2 Định giá đất logic mờ 43 3.2.1 Xây dựng mơ hình 43 3.2.2 Kết thử nghiệm 45 3.3 Định giá đất logic mờ mạng nơ ron 45 3.3.1 Các bƣớc thực 46 3.3.2 Mơ hình định giá đất kết hợp hệ suy diễn mờ mạng nơ ron 46 TIEU LUAN MOI download : skknchat@gmail.com 3.3.3 Kết thực nghiệm 48 KẾT LUẬN 52 TIEU LUAN MOI download : skknchat@gmail.com DANH MỤC CÁC BẢNG Bảng 1.1 Bản so sánh tiêu chí đất 23 Bảng 1.2 So sánh tiêu chí hai đất 24 Bảng 3.1 Dữ liệu giá đất thu thập 43 Bảng 3.2 Kết áp dụng hệ suy diễn mờ 44 Bảng 3.3 Mức độ lỗi qua bƣớc học 48 Bảng 3.4 Kết chạy thử số liệu mẫu 49 TIEU LUAN MOI download : skknchat@gmail.com DANH MỤC CÁC HÌNH Hình 2.1 Đồ thị thể biến lơgic rõ 30 Hình 2.2 Đồ thị thể biến lơgic mờ 30 Hình 2.3 Hàm thể hàm “số integer nhỏ” 31 Hình 2.4 Hàm thể tập ngƣời đàn ơng thấp, trung bình, cao 31 Hình 2.5 Mơ hình hệ thống suy diễn mờ 34 Hình 2.6 Cầu trúc nơ ron 36 Hình 2.7 Mạng tiếp dẫn lớp 37 Hình 2.8 Cấu trúc mạng neural nhiều lớp 37 Hình 2.9 Tiến trình học 39 Hình 2.10 Mơ hình tính tốn nơ ron Hình 3.1: Các bƣớc thực định giá đất logic mờ mạng nơ ron 40 46 TIEU LUAN MOI download : skknchat@gmail.com ĐẶT VẤN ĐỀ Đất đai đƣợc coi nguồn tài sản quý giá, nguồn lực quan trọng đất nƣớc Chính vậy, Nhà nƣớc ngày trọng khai thác nguồn thu từ đất đai nhằm quản lý có hiệu nguồn tài nguyên Kinh tế hóa đất đai để phát triển kinh tế - xã hội đƣợc xem nhiệm vụ quan trọng quản lý nhà nƣớc Để thực đƣợc điều đó, việc xác định giá trị đất để đƣa trở thành loại hàng hóa điều kiện tiên Xác định giá đất phát huy đƣợc tiềm đất, hạn chế mặt tiêu cực việc quản lý đất đai, giảm khiếu kiện đất đai, đẩy nhanh dự án hạ tầng, góp phần phát triển toàn diện kinh tế … Giá đất số tiền tính đơn vị diện tích đất Nhà nƣớc quy định đƣợc hình thành giao dịch quyền sử dụng đất.Giá đất bị ảnh hƣởng nhiều yếu tố khác nhau: Các yếu tố kỹ thuật nhƣ hình dạng, ví trí, chất đất,…; Các yếu tố pháp lý nhƣ sách nhà nƣớc đất đai, đất cấp giấy chứng nhận chƣa, đƣợc cơng nhận loại đất gì, yếu tố quy hoạch,… Các yếu tố kinh tế - xã hội nhƣ tốc độ phát triển kinh tế nƣớc quốc tế, tình hình trị ổn định hay khơng,… Do giá đất đất vừa có tính cá biệt vừa bị ảnh hƣởng nhiều yếu tố Trong khuôn khổ luận văn này, tác giả nghiên cứu vấn đề giá đất logic mờ, mạng nơ ron để xây dựng mô hình tự động hóa q trình định giá đất Các nội dung - Nghiên cứu sở hình thành giá đất phƣơng pháp tính giá đất; - Nghiên cứu logic mờ mạng nơ ron; - Ứng dụng logic mờ mạng nơ ron xây dựng mơ hình định giá đất Phƣơng pháp thực a Nghiên cứu lý thuyết vấn đề: - Các yếu tố ảnh hƣởng đến giá đất; TIEU LUAN MOI download : skknchat@gmail.com - Các phƣơng pháp định giá đất; - Logic mờ; - Mạng nơ ron b.Thực hành vấn đề sau: - Xây dựng mơ hình định giá đất logic mờ mạng nơ ron Cấu trúc luận văn Luận văn đƣợc chia thành 3chƣơng với nội dung nhƣ sau: Chƣơng 1:Trình bày khái niệm giá đất, phƣơng pháp định giá đất Chƣơng 2:Giới thiệu logic mờ mạng nơ ron Chƣơng 3:Tập trung vào xây dựng mơ hình định giá đất sử dụng logic mờ, mạng nơ ron Phần kết luận tổng kết kết đạt đƣợc luận văn hƣớng nghiên cứu TIEU LUAN MOI download : skknchat@gmail.com uj: vector giá trị kết xuất neuron lớp j tj x1 w1 ej x2 w2 xn wn Hình 2.10: Mơ hình tính tốn nơ ron - Giá trị sai số neuron j vòng lặp thứ n ej (n) = tj (n) – yj (n) (2.7) - Tổng bình phƣơng sai số mạng neural: 𝑘 E n = 𝑗 =1 𝑒𝑗 (𝑛) (2.8) - Tại neuron j ta có tổng trọng số input: p uj (n) = ∑ wij.xj (n) (2.9) i= - Giá trị kết xuất neuron j: yj (n) = fj (uj(n)) (2.10) - Tính tốn giá trị đạo hàm sai số cho neuron wij ∂E(n) ∂w ij (n) = ∂E(n) ∂e j (n) ∂y j (n) ∂u j (n) ∂e j (n) ∂y j (n) ∂u j (n) ∂w ij (n) (2.11) Trong 𝜕𝐸 (𝑛 ) 𝜕𝑒 𝑗 (𝑛 ) 𝜕𝑒 𝑗 (𝑛 ) 𝜕𝑦 𝑗 (𝑛 ) 𝜕𝑦 𝑗 (𝑛) 𝜕𝑢 𝑗 (𝑛 ) = = 𝑘 𝑗 =1 𝑒𝑗 (𝑛) 𝜕𝑒 𝑗 (𝑛 ) = 𝜕𝑒𝑗 (𝑛) 𝜕(𝑡 𝑗 𝑛 −𝑦 𝑗 𝑛 ) 𝜕𝑦 𝑗 (𝑛) = 𝑓𝑗′ (𝑢𝑗 𝑛 ) = −1 (2.12) (2.13) (2.14) 39 TIEU LUAN MOI download : skknchat@gmail.com 𝜕𝑢 𝑗 (𝑛) 𝜕𝑤 𝑖𝑗 (𝑛 ) 𝑝 = 𝜕( 𝑖=0 𝑤 𝑖𝑗 𝑥 𝑗 (𝑛 )) 𝜕 𝑤 𝑖𝑗 (𝑛 ) (2.15) = 𝑥𝑗 (𝑛) Do 𝜕𝐸 (𝑛 ) 𝜕𝑤 𝑖𝑗 (𝑛 ) = −𝜕𝑒𝑗 𝑛 𝑓𝑗′ (𝑢𝑗 𝑛 𝑥𝑗 (𝑛) (2.16) Giá trị điều chỉnh trọng số: ∆𝑤𝑖𝑗 = −Ƞ 𝜕𝐸 𝑛 𝜕𝑤 𝑖𝑗 𝑛 = −Ƞ𝑒𝑗 𝑛 𝑓𝑗′ (𝑢𝑗 𝑛 𝑥𝑗 (𝑛)(2.17) Đặt 𝛿𝑗 = − 𝜕𝐸 𝑛 𝜕𝑤 𝑖𝑗 𝑛 = − 𝜕𝐸 𝑛 𝜕 𝑒 𝑗 𝑛 𝜕𝑦 𝑗 𝑛 𝜕𝑒 𝑗 𝑛 𝜕𝑦 𝑗 𝑛 𝜕𝑢 𝑗 𝑛 = 𝑒𝑗 𝑛 𝑓𝑗′ (𝑢𝑗 𝑛 (2.18) ∆𝑤𝑖𝑗 = −Ƞ 𝛿𝑗 𝑥𝑗 𝑛 ; Từ ta có cơng thức điều chỉnh trọng số: 𝑤𝑖𝑗 𝑛 + = 𝑤𝑖𝑗 𝑛 + ∆𝑤𝑖𝑗 (𝑛) (2.19) (2.20) Nhƣ trình điều chỉnh trọng số đƣợc xác định theo công thức trên, nhiên ta cần phải xác định vị trí neuron thuộc lớp (lớp ẩn hay lớp xuất) Điều quan trọng việc tính tốn cho hệ số điều chỉnh trọng số 2.11 Mơ hình tính tốn mạng nơron tổng qt Trƣờng hợp 1: Nếu nơron j nút xuất 𝛿𝑗 = − 𝜕𝐸 𝑛 𝜕𝐸 𝑛 𝜕𝑒𝑗 𝑛 𝜕𝑦𝑗 𝑛 = − = 𝑒𝑗 𝑛 𝑓𝑗′ (𝑢𝑗 𝑛 𝜕𝑤𝑖𝑗 𝑛 𝜕𝑒𝑗 𝑛 𝜕𝑦𝑗 𝑛 𝜕𝑢𝑗 𝑛 ==>∆𝑤𝑗𝑘 = Ƞ 𝛿𝑘 (𝑛) 𝑦𝑗 𝑛 (2.16) Trƣờng hợp 2: Nếu nơron j nút ẩn 40 TIEU LUAN MOI download : skknchat@gmail.com 𝛿𝑗 = − 𝜕𝐸 𝑛 = − 𝜕𝑤 𝑖𝑗 𝑛 𝜕𝐸 𝑛 𝜕𝑦 𝑗 𝑛 𝜕𝑦 𝑗 𝑛 𝜕𝑢 𝑗 𝑛 =− 𝜕𝐸 𝑛 𝜕𝑦 𝑗 𝑛 𝑓𝑗′ (𝑢𝑗 𝑛 (2.17) Trong 𝐸 𝑛 = 𝑞 𝑗 =1 𝑒𝑗 (𝑛) (2.18) Khi 𝜕𝐸 𝑛 = 𝜕𝑦 𝑗 𝑛 𝜕𝑒 𝑘 𝑛 = 𝜕𝑦 𝑗 𝑛 𝜕𝑒 𝑘 𝑛 ∂u k n ∂y j n 𝜕𝑦 𝑗 𝑛 = 𝜕𝑢 𝑘 𝑛 (2.19) (2.20) = 𝜕(𝑡 𝑘 𝑛 −𝑓 𝑘 𝑢 𝑘 𝑛 ) 𝜕𝑢 𝑘 𝑛 𝑚 𝑗 =0 𝑤𝑖𝑘 𝑢𝑘 𝑛 = ∂y j n =− 𝜕𝑒 𝑘 𝑛 𝑞 𝑗 =1 𝑒𝑘 𝜕𝑦 𝑗 𝑛 𝜕𝑒 𝑘 𝑛 𝜕𝑢 𝑘 𝑛 𝜕𝑢 𝑘 𝑛 𝜕𝑦 𝑗 𝑛 ∂( m j=0 w ik n y j n ) = 𝜕𝐸 𝑛 𝑛 ) 𝜕𝑦 𝑗 𝑛 Ta có ==> 𝑞 𝑘=1 𝑒𝑘 𝜕(𝑡 𝑘 𝑛 −𝑦 𝑘 𝑛 ) = 𝜕𝑢 𝑘 𝑛 𝜕( = −𝑓𝑘′ 𝑢𝑘 𝑛 (2.21) 𝑛 𝑦𝑗 𝑛 (2.23) = wik (n) 𝑞 ′ 𝑘=1 𝑒𝑘 (𝑛)𝑓𝑘 𝑢𝑘 𝑛 (2.22) wik (n) (2.24) Theo ta có 𝜕𝑘 = − 𝜕𝐸 𝑛 𝜕𝑦 𝑗 𝑛 𝜕𝐸 𝑛 𝜕𝑤 𝑗𝑘 𝑛 = = 𝑒𝑘 (𝑛)𝑓𝑘′ 𝑢𝑘 𝑛 𝑞 𝑘=1 𝜕𝑘 (𝑛) wik (n) (2.25) (2.26) Từ cơng thức ta có: 𝐺𝑖á 𝑡𝑟ị đ𝑖ề𝑢 𝑐𝑕ỉ𝑛𝑕 𝑡𝑟ọ𝑛𝑔 𝑠ố ∆𝑤𝑖𝑗 𝐻ệ 𝑠ố = 𝑕ọ Ƞ ∗ 𝜕𝑗 𝑛 𝐺𝑖á 𝑡𝑟ị đầ𝑢 𝑣à𝑜 ∗ 𝑐ủ𝑎 𝑛ơ𝑟𝑜𝑛 𝑥𝑗 (𝑛 (2.27) Trong - Nếu j nút xuất: 41 TIEU LUAN MOI download : skknchat@gmail.com 𝜕𝑗 𝑛 = 𝑒𝑗 (𝑛)𝑓𝑗′ 𝑢𝑘 𝑛 (2.28) - Nếu j nút ẩn: 𝜕𝑗 𝑛 = 𝑓𝑗′ 𝑢𝑗 𝑛 𝑞 𝑘=1 𝛿𝑘 (𝑛) wjk (n) (2.29) Nhƣ tuỳ theo hàm hoạt động ta tính dễ dàng tính tốn giá trị điều chỉnh trọng số cho trọng số tƣơng ứng theo thuật toán Back – Propagation 42 TIEU LUAN MOI download : skknchat@gmail.com CHƢƠNG ỨNG DỤNG LOGIC MỜ TRONG ĐỊNH GIÁ ĐẤT 3.1 Mơ hình hóa tốn định giá đất Giá đất phụ thuộc nhiều yếu tố từ khách quan đến chủ quan, để đơn giản ta xét đất khu vực, giá đất phụ thuộc vào yếu tố: Độ rộng mặt tiền, chiều dài đất khoảng cách từ từ đất đến đƣờng Lúc mẫu thu thập đƣợc mô tả bốn giá trị: Độ rộng mặt tiền, chiều dài đất, khoảng cách từ từ đất đến đƣờng giá Mục tiêu có tập liệu có thêm đất ta đƣa đƣợc giá đất đất Dữ liệu huấn luyện: Gồm tập giá trị: Chiều rộng, chiều dài khoảng cách đến đƣờng giá Bộ liệu bao gồm 116 mẫu đƣợc chia thành hai tập: tập học gồm 98 mẫu, tập kiểm tra gồm 18 mẫu Dữ liệu mẫu có chiều rộng từ 2.3 đến mét, chiều dài từ đến 20 mét, khoảng cách đến đƣờng từ đến 41.5 mét có giá từ đến 30 triệu đồng mét vuông Bảng 3.1 Dữ liệu giá đất thu thập đƣợc Rộng Dài 2.3 2.3 2.4 2.5 2.6 …… 5.9 2.4 Khoảng cách Giá thực tế 11 9.5 6.2 7.6 10 10 9.3 5.8 32.1 41.5 3.2 Định giá đất logic mờ 3.2.1 Xây dựng mơ hình Mơ hình định giá đất có biến đầu vào chiều rộng, chiều dài khoảng cách tới đƣờng biến giá đất 43 TIEU LUAN MOI download : skknchat@gmail.com Mờ hóa: Chiều rộng đƣợc đánh giá qua mức độ: Hẹp, vừa rộng ta biểu diễn biến gồm hàm thành viên: Hep, Vua, Rong Hình 3.1: Hàm thuộc biến đầu vào rộng Hàm thành viên “Hep” làm trimf với giá trị 0.83, 2.3 giá trị 3.77 Hàm thành viên “Vua” làm trimf với giá trị 2.67, băng 4.15 5.63 Hàm thành viên “Rong” làm trimf với giá trị bằng 4.52, 7.48 Tƣơng tự, Chiều dài gồm hàm thành viên: Ngan [-0.96 5.04 11.04], Vua [6.5 12.5 18.5], Dai [13.95 19.95 25.95]; Khoảng cách đến đƣờng gồm hàm thành viên: Sat[-16.6 16.6], Gan [4.15 20.75 37.35], Xa [24.9 41.5 58.1]; Giá đất gồm hàm thành viên: Thap [-9.2 13.2], Vua [4.8 16 27.2],Cao [18.73 29.93 41.13] Cơ sở luật mờ:Gồm 27 luật mang tính chất chuyên gia: If (Rong is Hep) and (Dai is Ngan) and (CachDuong is Sat) then (Gia is vua) (1) If (Rong is Hep) and (Dai is Ngan) and (CachDuong is Gan) then (Gia is Thap) (1) … 27 If (Rong is Rong) and (Dai is Dai) and (CachDuong is Xa) then (Gia is Thap) (1) Bộ suy diễn mờ:Chọn phƣơng pháp suy diễn min-max Các luật đƣợc xem tƣơng đƣơng nên trọng số luật đƣợc đặt Giải mờ: Sử dụng phƣơng pháp giải mờ centroid 44 TIEU LUAN MOI download : skknchat@gmail.com 3.2.2 Kết thử nghiệm Áp dụng mơ hình vừa đƣợc xây dựng với số đầu vào đƣợc thu thập ta có kết sau: Bảng 3.2: Kết áp dụng hệ suy diễn mờ Rộng 2.3 2.3 2.4 2.5 2.6 …… 5.9 2.4 Nhận xét: Khoảng cách Dài Kết mơ hình Giá 11 9.5 6.2 7.6 10 10 9.3 5.8 7.98285 7.72635 7.47085 6.8719 32.1 41.5 3.23165 2.86675 Nhƣợc điểm: - Kết mô hình khơng ổn định phụ thuộc vào độ đắn tham số Bộ tham số phù hợp cho liệu nhƣng không phụ hợp với liệu khác - Rất khó xác định đƣợc giá trị tốt cho tham số - Không thể áp dụng cho liệu khác Ƣu điểm: Nhanh, đơn giản, không phụ thuộc liệu 3.3.Định giá đất logic mờ mạng nơ ron Khắc phục hạn chế phƣơng pháp định giá đất logic mờ, ta kết hợp kỹ thuật học máy mạng nơ ron để xác định giá trị phù hợp cho tham số mơ hình 45 TIEU LUAN MOI download : skknchat@gmail.com 3.3.1 Các bƣớc thực Nhập liệu Khởi tạo mơ hình Huấn luyện mơ hình Áp dụng mơ hình với liệu Hình 3.2: Các bước thực định giá đất logic mờ mạng nơ ron Bƣớc 1: Đọc liệu từ file Bƣớc 2: Khởi tạo mạng nơ ron Bƣớc 3: Huấn luyện mạng nơron Bƣớc 4: Sử dụng mạng nơ ron huấn luyện để định giá trƣờng hợp cụ thể 3.3.2Mơ hình định giá đất kết hợp hệ suy diễn mờ mạng nơ ron Mô hình Cơ sở luật mờ Đầu vào (số) Đầu vào (tập mờ) Tham khảo luật mờ Bộ mờ Bộ suy hoá diễn mờ Cập nhật trọng số Học Đầu (tập mờ) Đầu (số) Bộ giải mờ So sánh tập liệu huẩn luyện Hình 3.3: Mơ hình định giá đất suy diễn mờ mạng nơ ron 46 TIEU LUAN MOI download : skknchat@gmail.com Bộ suy diễn mờ:Sử dụng ANFIS luật học dạng TSK (Takasi,Sugeno Kang) thứ j có dạng: Rj: IF u1 is A1j AND u2 is A2j … AND un is Anj THEN y = fj = p0j+ 𝑗 𝑛 𝑖=1 𝑝𝑖 𝑥𝑖 Cấu trúc ANFIS: Gồm lớp 3.4: Cấu trúc ANFIS Lớp 1: Là lớp đầu vào, nút thứ i có tín hiệu ui Lớp 2: Mỗi phần tử hàm liên thuộc µ A2j(ui) Lớp 3:Mỗi phần tửRj tƣơng ứng thực luật thứ j: µj=∑i=1nµi(ui) (3.1) Lớp 4:Mỗi phần tử n tƣơng ứng thực phép tính: µj 𝑀 µ 𝑗 =1 j µj = (3.2) Lớp 5:Mỗi phần tửntƣơng ứng thực phép tính: 𝑗 𝑓𝑗 = 𝜇𝑗 (𝑝0 + 𝑗 𝑛 𝑖=1 𝑝𝑖 𝑢𝑖 ) (3.3) Lớp 6:Có phần tử thực phép tính giá trị đầu ra: 𝑦= 𝑀 𝑗 =1 𝜇 𝑗 𝑓 𝑗 𝑀 𝜇 𝑗 =1 𝑗 = 𝑀 𝑗 =1 µj 𝑓𝑗 (3.4) Q trình học: Vấn đề đặt cần tìm luật cập nhật thông số điều chỉnh lớp cho ANFIS sử dụng hàm liên thuộc Gauss thực theo phƣơng pháp hạ gradient để tìm luật điều chỉnh thơng số nói Luật cập nhật thông số điều chỉnh lớp 5: 47 TIEU LUAN MOI download : skknchat@gmail.com 𝑗 𝜕𝐸 𝑗 𝑝𝑖 𝑘 + = 𝑝𝑖 𝑘 − 𝜂𝑝 𝑗 𝜕𝑝 𝑖 (3.5) Với 𝜕𝐸 𝑗 𝜕𝑝 𝑖 𝑢𝑖𝜇 𝑗 = (𝑦 − 𝑦 𝑑 ) (3.6) 𝑀 𝜇 𝑗 =1 𝑗 Luật cập nhật thông số điều chỉnh lớp 2: 𝜇𝐴𝑗 𝑢𝑖 = 𝑒 𝑗 −(𝑢 𝑖 −𝑐 )2 𝑖 𝑗 2(𝛿 )2 𝑖 (3.7) 𝑖 𝑗 𝑗 𝑐𝑖 𝑘 + = 𝑐𝑖 𝑘 − 𝜂𝑐 𝜕𝐸 (3.8) 𝑗 𝜕𝑐𝑖 Với 𝜕𝐸 𝑗 𝜕𝑐𝑖 = (𝑦 − 𝑦 𝑑 ) 𝑗 𝑗 (𝑓 𝑗 −𝑦 )(𝑢 𝑖 −𝑎 𝑖 (𝑢 𝑖 ))𝜇 𝑗 𝑗 𝛿 𝑖 (𝑢 𝑖 )2 𝑀 𝑗 =1 𝜇 𝑗 𝑗 𝛿𝑖 𝑘 + = 𝛿𝑖 𝑘 − 𝜂𝛿 𝜕𝐸 𝑗 𝜕𝛿 𝑖 (3.9) (3.10) Với 𝜕𝐸 𝑗 𝛿 𝑐𝑖 𝑗 = (𝑦 − (𝑓 𝑗 −𝑦 )(𝑢 𝑖 −𝑎 𝑖 (𝑢 𝑖 ))𝜇 𝑗 𝑦𝑑 ) 𝑗 𝛿 𝑖 (𝑢 𝑖 )3 𝑀 𝑗 =1 𝜇 𝑗 (3.11) 3.3.3Kết thực nghiệm Thay đổi số lƣợng hàm thành viên số bƣớc lặp ta có mức độ lỗi nhƣ bảng sau: Bảng 3.3: Mức độ lỗi qua bƣớc học Số lần học Số hàm thành viên: Thời gian(s) Lỗi 100 1.995 200 3.928 300 5.885 400 7.735 500 9.694 600 12.800 700 15.092 800 15.890 900 17.766 1000 20.934 1500 29.090 2000 43.513 0.0191 0.0130 0.0108 0.0091 0.0064 0.0041 0.0020 0.0020 0.0020 0.0020 0.0020 0.0020 Số hàm thành viên:5 Thời gian(s) Lỗi 56.437 0.00000145 116.195 0.00000127 189.141 0.00000160 216.095 0.00000124 271.580 0.00000128 276.609 0.00000129 411.054 0.00000126 450.261 0.00000127 501.799 0.00000128 586.831 0.00000130 827.136 0.00000131 1267.800 0.00000126 48 TIEU LUAN MOI download : skknchat@gmail.com Nhận xét: - Thời gian học tỷ lệ tuyến tính với số lần học - Thời gian học lần học tăng lên số hàm thành viên tăng lên số hàm thành viên tăng lên làm số nút mạng nơ ron tăng lên, cơng thức tính tăng lên Thời gian khơng tăng tuyến tính theo số hàm thành viên mà theo hàm lũy thừa - Sau thời gian học mô hình đạt đến độ ổn định, thời gian để mơ hình đạt độ ổn định phụ thuộc vào số hàm thành viên Khi số hàm thành viên nhiều cần nhiều lần học để mơ hình ổn định Bảng 3.4 Kết chạy thử số liệu mẫu sử dụng mơ hình hàm thành viên STT 10 11 12 13 14 15 16 17 18 Rộng 2.8 2.8 3.5 4.2 4.3 4.7 5.2 3.4 3.5 4.9 3.2 3.4 3.5 3.6 4.3 Dài 20 15 11 18.1 16.8 12.2 10.4 15.4 16.3 8.5 10.3 9.3 8.3 Giá Khoảng thực cách tế 30 15 15 22 20 12 18 24 13.2 17.2 8.4 7.2 11.5 10.4 8.4 22 10 12 12.5 11 14 13 26 12 20 30 18 14 11 11 500 lần Giá trị 7.621 11.3867 12.719 17.1873 13.5212 16.2476 15.858 16.9491 11.4952 22.7899 10.2521 30.8508 17.2178 12.2368 22.0172 8.5776 12.2026 11.1634 Sai số 24% 27% 6% 37% 23% 16% 22% 35% 4% 14% 14% 3% 4% 36% 57% 22% 11% 24% 19% 1000 lần Giá trị 7.6485 11.372 12.7116 17.1629 13.4857 16.209 15.8487 16.9572 11.4931 22.7675 10.2539 30.8913 17.2008 12.2314 22.0227 8.5751 12.1836 11.1366 Sai số 24% 26% 6% 37% 23% 16% 22% 35% 4% 14% 14% 3% 4% 36% 57% 22% 11% 24% 19% 1500 lần Giá trị 7.621 11.3867 12.719 17.1873 13.5212 16.2476 15.858 16.9491 11.4952 22.7899 10.2521 30.8508 17.2178 12.2368 22.0172 8.5776 12.2026 11.1634 Sai số 24% 27% 6% 37% 23% 16% 22% 35% 4% 14% 14% 3% 4% 36% 57% 22% 11% 24% 19% 2000 lần Giá trị 15.028 11.2204 12.6957 15.4655 11.8813 15.6124 15.8596 17.2423 11.1671 19.3531 9.4067 31.0563 17.118 11.2477 17.2761 9.0356 11.3831 10.2465 Sai số 30% 25% 6% 24% 8% 12% 22% 34% 7% 3% 5% 4% 5% 25% 23% 18% 3% 14% 14% 49 TIEU LUAN MOI download : skknchat@gmail.com 40% 35% 30% 25% 500 lần 20% 1000 lần 15% 1500 lần 2000 lần 10% 5% 0% 10 11 12 13 14 15 16 17 18 Hình 3.5: Sai số tƣơng đối giá trị theo mơ hình giá trị thực tế Bảng 3.5 Kết chạy thử số liệu mẫu sử dụng mơ hình hàm thành viên STT Rộng Dài 10 11 12 13 14 15 16 17 18 2.8 2.8 3.5 4.2 4.3 4.7 5.2 3.4 3.5 4.9 3.2 3.4 3.5 3.6 4.3 20 15 11 18.1 16.8 12.2 10.4 15.4 16.3 8.5 10.3 9.3 8.3 Giá Khoảng thực cách tế 30 10 15 15 12 22 12.5 20 11 12 14 18 13 24 26 13.2 12 17.2 20 8.4 30 7.2 18 11.5 10.4 14 11 8.4 11 22 500 lần Giá trị 13.2584 8.3134 11.8748 9.5132 10.4874 17.731 9.7349 11.7707 12.5733 18.0064 11.1283 30.3208 17.1552 9.6972 11.7499 12.4674 10.9347 9.1076 Sai số 33% 8% 1% 24% 5% 27% 25% 55% 5% 10% 24% 1% 5% 8% 16% 13% 1% 1% 13% 1000 lần Sai Giá trị số 12.4655 25% 8.3968 7% 11.6739 3% 9.5278 24% 10.4432 5% 17.5201 25% 9.8498 24% 11.6316 55% 12.6208 5% 18.1229 9% 11.172 24% 30.0215 0% 17.0953 5% 9.6957 8% 11.7843 16% 12.4279 13% 10.8918 1% 9.0827 1% 12% 1500 lần Sai Giá trị số 14.3426 43% 8.4041 7% 11.6185 3% 9.5204 24% 10.4787 5% 17.3616 24% 9.9487 23% 11.3814 56% 12.5434 5% 18.1479 9% 11.258 25% 30.0702 0% 17.1944 4% 9.6796 8% 11.7963 16% 12.4671 13% 10.8885 1% 9.2331 3% 13% 2000 lần Sai Giá trị số 12.9806 30% 8.4395 6% 11.5731 4% 9.4982 24% 10.4807 5% 17.4221 24% 9.9661 23% 11.3721 56% 12.5651 5% 18.2652 9% 11.2613 25% 29.7322 1% 17.1677 5% 9.7015 8% 11.7243 16% 12.5501 14% 10.8571 1% 9.1911 2% 13% 50 TIEU LUAN MOI download : skknchat@gmail.com Thử nghiệm với số lƣợng hàm thành viên 3, ta có sai số trung bình nhƣ sau: Bảng 3.6: Sai số mơ hình thực tế theo số hàm thành viên số lần chạy: Lần chạy 500 Số hàm 1000 1500 2000 19% 19% 19% 14% 13% 12% 13% 13% 13% 12% 12% 12% Nhận xét: - Thời gian học tỷ lệ tuyến tính với số lần học - Kết mơ hình ANFIS xác nhiều so với mơ hình hệ suy diễn mờ đơn - Khi số lần học tăng lên, độ xác mơ hình tăng lên, điều chứng tỏ mơ hình học ngày có hiệu nhiên số lần học tăng đến khoảng đó, mơ hình ổn định giá trị đầu biến đổi - Do số lƣợng liệu thu thập chƣa nhiều nên sử dụng nhiều hàm thành viên dẫn đến tình trạng mơ hình khớp với liệu học 51 TIEU LUAN MOI download : skknchat@gmail.com KẾT LUẬN Trong luận văn này, học viên tìm hiểu vấn đề liên quan đến giá đất, logic mờ mạng nơ ron để xây dựng mơ hình định giá đất Xây dựng mơ hình định giá lôgic mờ mạng nơ ron sử dụng liệu thu thập trƣớc để định giá đất.Mơ hình định giá đất logic mờ nhiều hạn chết chƣa giải đƣợc yêu cầu tốn Khắc phục nhƣợc điểm mơ hình định giá đất logic mờ tác giả đƣa mơ hình định giá đất việc kết hợp việc học máy mạng nơ ron logic mờ, mơ hình khắc phục đƣợc hạn chế mơ hình định giá logic mở đơn Mơ hình giải vấn đề phải có kiến thức chuyên gia việc tìm tham số cho mơ hình logic mờ, phù hợp với nhiều nguồn liệu khác nhau,…Mơ hình giải đƣợc vấn đề định giá đấttuy nhiên thời gian có hạn, tác giả khơng xây dựng mơ hình định giá toàn yếu tố ảnh hƣởng đến giá đất nên độ xác mơ hình chƣa cao 52 TIEU LUAN MOI download : skknchat@gmail.com TÀI LIỆU THAM KHẢO Tiếng Việt [1] Bùi Cơng Cƣờng, Nguyễn Dỗn Phƣớc (2006), Hệ mờ Mạng Nơron ứng dụng, Nhà xuất khoa học kỹ thuật [2] Nguyễn Nhƣ Phong (2008), Tính tốn mềm ứng dụng, Nhà xuất khoa học kỹ thuật [3] Hồ Thị Lam Trà, Nguyên Văn Quân (2005), Giáo trình định giá đất, Đại học Nông nghiệp I [4] Bộ Tài nguyên Môi trƣờng (2004), nghị định 188/2004/NĐ-CP ngày 16 tháng 11 năm 2004 phƣơng pháp xác định giá đất khung giá loại đất [5] Bộ Tài nguyên Môi trƣờng (2004), thông tƣ 02/2010/TTLTBTNMT-BTC định giá đất Tiếng Anh [6] Elmer P Dadios (2012), Fuzzy logic – controls, concepts, theories and applications, InTech [7] Wikipedia,Adaptive neuro fuzzy inference system, internet:http://en.wikipedia.org/wiki/Adaptive_neuro_fuzzy_inference_system, Oct.01, 2013 53 TIEU LUAN MOI download : skknchat@gmail.com ...ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ ĐINH VĂN THƢỜNG ÁP DỤNG KỸ THUẬT HỌC MÁY DỰA TRÊN LOGIC MỜ TRONG BÀI TOÁN ĐỊNH GIÁ ĐẤT Ngành: Chuyên ngành: Mã số:... biệt giá đất, khu đất so sánh với đất, khu đất cần định giá để xác định giá cho đất cần định giá Giá trị ƣớc tính đất, khu đất cần định giá đƣợc tính theo cách điều chỉnh yếu tố khác biệt giá. .. xác định giá đất, loại đất cần định giá Phƣơng pháp so sánh trực tiếp đƣợc áp dụng để định giá đất thị trƣờng có loại đất tƣơng tự chuyển nhƣợng quyền sử dụng đất so sánh đƣợc với loại đất cần định