LUẬN án TIẾN sĩ NGÀNH máy TÍNH một số PHƯƠNG PHÁP NÂNG CAO độ CHÍNH xác dự báo TRONG mô HÌNH CHUỖI THỜI GIAN mờ

Cáckháiniêmvềchuỗithờigian

Chuỗithời gian

Chuỗithờigianx(t)làmộttậphợpcácquansátđượcdiễnbiếnvàghilạitheothời giant Trong đótđại diện cho thời gian,x(t)được coi là biến ngẫu nhiên [53].Chuỗi thời gian có thể liên tục hoặc rời rạc Khi các quan sát được thực hiện tại cáckhoảng thời gian cố định, được gọi là một chuỗi thời gian rời rạc Nếu các quan sátđược ghi lại liên tục trong một khoảng thời gian, thì được gọi là chuỗi thời gian liêntục.Vídụ,cácchỉsốvềnhiệtđộ,dòngchảycủasông,nồngđộcủamộtquátrìnhhóahọc,v.v.cóthểđư ợcghilạithànhmộtchuỗithờigianliêntục.Mặtkhác,dânsốcủamộtthànhphố,sảnlượnghànghoácủ amộtcôngty,tỷgiáhốiđoáigiữahailoạitiềntệ khác nhau có thể đại diện cho chuỗi thời gian rời rạc Thông thường trong mộtchuỗithờigianrờirạc,cácquansátliêntiếpđượcghilạiởcáckhoảngthờigiancáchđềunhaunhưkhoả ngthờigianhànggiờ,hàngngày,hàngtuần,hàngthánghoặchàngnăm Những dữ liệu quan sát liên tục cho một hiện tượng (vật lý, kinh tế ) trongmột khoảng thời gian sẽ tạo nên một chuỗi thời gian liên tục Ví dụ, doanh số củacông ty trong 20 năm gần đây, hoặc nhiệt độ ghi nhận tại một trạm quan trắc khítượng,hoặccôngsuấtđiệnnăngtiêuthụtrongmộtnhàmáy,đólàcácvídụđiểnhìnhcho một chuỗi thời gian. Dưới đây là ví dụ điển hình thể hiện chuỗi thời gian đượcminhhọabởiHình1.2:

Bàitoándựbáochuỗithờigian

𝑡 𝑛+1t r ở đi.Dạngtổngquátcủachuỗithờigianthườngđượcbiểudiễnbởimộtmặtphẳngvới trụchoànhbiểuthịthờigianvàtrụctungđặctrưng chogiá trịquansát.

𝑡 𝑡 1 𝑡 2 … 𝑡 𝑛 𝑡 𝑛+1 y=𝑥(t) 𝑥(𝑡 1 ) 𝑥(𝑡 2 ) … 𝑥(𝑡 𝑛 ) ? Trong đó:𝑡 𝑖 ,𝑖= 1,2, ,nchỉ mốc thời gian thứ𝑖; và𝑥(𝑡 𝑖 )là giá trị quan sáttươngứngvớithờigianthứ𝑖.

Vềcơbản,mụctiêucủadựbáochuỗithờigianlàướctínhmộtsốgiátrịtrongtươnglaidựavàomẫ udữliệutrongquákhứvàhiệntại.Vềmặttoánhọccóthểbiểudiễnnhư sau:

Chuỗi thờigianmờvàcácmôhìnhdự báochuỗithờigian mờ

Một sốkhái niệmvềtậpmờ

Trong thực tế, thông tin mờ luôn tồn tại trong suy luận và cách diễn đạt củacon người Có thể quan sát các từ như “nóng”, “khá nóng”, “rất nóng”, “lạnh”, “rấtlạnh”, … chúng chứa đựng những khái niệm trừu tượng về ngữ nghĩa của thông tinmờ, không rõ ràng, không chắc chắn mà chỉ mang tính định tính Những khái niệmchứa đựng thông tin không chính xác, mơ hồ như vậy được gọi chung là các kháiniệm“mờ”.

[7] vào năm 1965, mở rộng khái niệm tập hợp kinh điển, nhằm biểu diễn mức độthuộccủacácphầntửvàomộttậphợptrongtậpnềnnàođó. Địnhnghĩa1.1:Địnhnghĩatậpmờ

Cho tập nền𝑼 Tập mờ𝐴xác định trên𝑼là một tập mà mỗi phần tử của nóđượcbiểudiễnbởimộtcặpgiátrị(𝑥,(𝑥)).Trongđó𝑥∈ 𝑼 vàhàm:𝑼→[0,1]làhàmthuộcvớigiá trị(𝑥)biểudiễnmứcđộthuộccủaxvàoA.

Vídu1.1:Gọi U= {𝑥 1 ,𝑥 2 ,𝑥 3 ,𝑥 4 ,𝑥 5 }làtậpgồm5ngườitươngứngvớicác tuổi là 10, 20, 50, 55, 70 GọiAlà tập hợp các người “Trẻ” Khi đó có thể xây dựnghàmt h u ộ c v ớ i c ấ p đ ộ l à :  (10)=0.95, (20)=0.8, (50)=0.4,

Kiểucủatậpmờphụthuộcvàocáckiểuhàmthuộckhácnhau.Cáchàmthuộctrên Ubiểu diễncác tậpconmờcủa U Hàmthuộcbiểudiễnmộttậpmờthườngđượcký hiệu là Đối với một phần tử𝑥

∈ 𝑼, giá trị( 𝑥 ) được gọi là cấp độ thuộc củaxtrongA Có rất nhiều dạng hàm thuộc được đề xuất để biểu diễn cho tập mờ như:tam giác (Triangular), hình thang (Trapezoidal), Gauss, S-shape, Z-shape, … trongđó dạng tam giác là dạng thông dụng và được sử dụng nhiều trong lĩnh vực dự báo[8-10].Cácdạnghàmthuộcđiển hình đượcminhhọatrong Hình 1.3.

Hình1.3:Đồthịcủa3hàmthuộcphổbiến:(a)tamgiác,(b)hình thang,(c)Gauss

 Dạnghàmthuộctamgiác(Triangles):Hàmthuộctamgiácđượcxá cđịnhbởi3thamsốlàcậndưới𝑎,cậntrên𝑐vàgiátrị𝑏(ứngvớiđỉnhtamgiác),với

 Dạnghàmthuộchìnhthang(Trapezoids):Hàm thuộchìnhthangđượcx ácđịnhbởibộ4giátrịa,b,c,d,với(a