(Luận văn) xây dựng mô hình dự báo chuỗi thời gian bậc cao và thử nghiệm

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC QUY NHƠN ĐỖ ĐIỆN SÁNG lu an n va XÂY DỰNG MƠ HÌNH DỰ BÁO CHUỖI THỜI GIAN BẬC CAO VÀ THỬ NGHIỆM p ie gh tn to d oa nl w Chuyên ngành: Khoa học máy tính Mã số: 60.48.01.01 ll u nf va an lu oi m z at nh Người hướng dẫn: TS LÊ XUÂN VIỆT z m co l gm @ an Lu n va ac th si LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng tơi Các số liệu, kết nêu luận văn trung thực chưa công bố cơng trình khác Học viên Đỗ Điện Sáng lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si LỜI CẢM ƠN Để hồn thành đề tài luận văn thạc sĩ cách hoàn chỉnh, bên cạnh nỗ lực cố gắng thân cịn có hướng dẫn nhiệt tình q Thầy Cơ, động viên ủng hộ gia đình bạn bè suốt thời gian học tập nghiên cứu thực luận văn thạc sĩ Xin chân thành bày tỏ lòng biết ơn đến Thầy TS Lê Xuân Việt người hết lòng giúp đỡ tạo điều kiện tốt cho tơi hồn thành luận văn lu Xin chân thành bày tỏ lòng biết ơn đến tồn thể q thầy khoa an Khoa học máy tính – Trường Đại học Quy Nhơn tận tình truyền đạt va n kiến thức quý báu tạo điều kiện thuận lợi cho tơi tn to suốt q trình học tập nghiên cứu thực đề tài luận văn ie gh Bản thân nỗ lực nhiều, chắn không tránh khỏi p thiếu sót, tồn tại, em mong nhận cảm thơng, dẫn, nl w đóng góp ý kiến quý thầy cô, bạn đồng nghiệp d oa Cuối cùng, xin chân thành cảm ơn đến gia đình, anh chị an lu bạn đồng nghiệp hỗ trợ cho nhiều suốt trình học tập, ll u nf va nghiên cứu thực đề tài luận văn thạc sĩ cách hồn chỉnh m oi Bình Định, tháng 10 năm 2020 z at nh Học viên thực z m co l gm @ Đỗ Điện Sáng an Lu n va ac th si MỤC LỤC Trang LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC CÁC BẢNG BIỂU MỞ ĐẦU 1 Lý chọn đề tài lu Mục đích nhiệm vụ nghiên cứu an Đối tượng phạm vi nghiên cứu va n Phương pháp nghiên cứu tn to Kết cấu luận văn ie gh CHƯƠNG TỔNG QUAN VỀ DỰ BÁO VÀ CHUỖI THỜI GIAN p 1.1 TỔNG QUAN VỀ DỰ BÁO nl w 1.1.1 Khái niệm dự báo d oa 1.1.2 Đặc điểm dự báo an lu 1.1.3 Các loại dự báo 1.1.4 Quy trình dự báo va u nf 1.2 TỔNG QUAN VỀ CHUỖI THỜI GIAN ll 1.2.1 Chuỗi thời gian trình ngẫu nhiên oi m 1.2.2 Quá trình ARMA 12 z at nh 1.2.3 Ước lượng tham số mơ hình ARMA 13 z Kết luận Chương 15 @ gm CHƯƠNG XÂY DỰNG MƠ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ l BẬC CAO 17 m co 2.1 SƠ LƯỢC VỀ LÝ THUYẾT TẬP MỜ VÀ ĐẠI SỐ GIA TỬ 17 an Lu 2.1.1 Lý thuyết tập mờ 17 2.1.2 Đại số gia tử 18 n va ac th si 2.2 MƠ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ 22 2.2.1 Một số khái niệm mơ hình dự báo chuỗi thời gian mờ 22 2.2.2 Mơ hình dự báo Song Chissom 23 2.2.3 Mơ hình dự báo Chen 24 2.3 MƠ HÌNH DỰ BÁO THEO TIẾP CẬN ĐẠI SỐ GIA TỬ 25 Kết luận Chương 35 CHƯƠNG CÀI ĐẶT VÀ THỬ NGHIỆM 36 3.1 MƠ TẢ BÀI TỐN 36 lu 3.2 LỰA CHỌN NGÔN NGỮ 37 an 3.3 CÁC GIAO DIỆN CHÍNH 40 va n 3.4 ĐÁNH GIÁ KẾT QUẢ THỬ NGHIỆM 50 tn to Kết luận Chương 522 ie gh KẾT LUẬN CHUNG 533 p DANH MỤC TÀI LIỆU THAM KHẢO 555 d oa nl w QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (bản sao) ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si DANH MỤC CÁC BẢNG BIỂU Bảng 2.1: Sản lượng xăng dầu tiêu thụ theo tháng (từ năm 2018 đến 2019) 26 Bảng 2.2: Giá trị đầu giá trị cuối khoảng giải nghĩa chọn 33 Bảng 3.1: Sản lượng xăng dầu tiêu thụ theo tháng (từ năm 2018 đến 2019) 37 Bảng 3.2: Kết dự báo dựa đại số gia tử 51 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si MỞ ĐẦU Lý chọn đề tài Chúng ta biết dự báo tiên đoán kiện xảy tương lai, tiên đốn tiên đốn có khoa học khơng khoa học, tức tiên đốn khơng có sở, thường dựa vào cảm tính – nhận thức chủ quan cá nhân Để có dự báo khoa học, đảm bảo độ tin cậy cao dự báo phải dựa sở kiện lu khứ sử dụng số mô hình tốn học để dự đốn kết tương an lai Và mơ hình chuỗi thời gian cách tiếp cận dự báo sử va n dụng cơng cụ hữu hiệu để phân tích kinh tế, xã hội tn to nghiên cứu khoa học ie gh Dự báo chuỗi thời gian nhiều nhà khoa học giới p quan tâm, với nhiều mơ hình đưa mơ hình tính tốn nhóm nl w quan hệ mờ Q Song B S Chissom, mơ hình dự báo với phép tính d oa số học đơn giản Chen, hay đại số gia tử tiếp cận tác an lu giả N.C.Ho W Wechler xây dựng vào năm 1990, 1992 hoàn toàn va khác biệt so với tiếp cận mờ Đại số gia tử sử dụng để mô biến ll u nf ngôn ngữ có cấu trúc ngữ nghĩa, đó, phép mờ hóa phép giải oi m mờ thay phép ngữ nghĩa hóa phép giải nghĩa tương ứng đơn z at nh giản hơn,… Những ứng dụng mơ hình chuỗi thời gian bậc cao vào số toán cụ thể lĩnh vực kinh tế, công nghệ thông tin điều khiển z cho số kết quan trọng khẳng định tính ưu việt tiếp cận so l gm @ với cơng cụ truyền thống Do đó, việc tìm tịi, xây dựng mơ hình dự báo chuỗi thời gian có độ m co xác cao với thuật tốn đơn giản có ý nghĩa hiệu việc an Lu ứng dụng vào dự báo Và lý mà lựa chọn thực n va ac th si đề tài“Xây dựng mơ hình dự báo chuỗi thời gian bậc cao thử nghiệm” Mục đích nhiệm vụ nghiên cứu Tổng hợp kiến thức dự báo, chuỗi thời gian trọng tâm xây dựng mơ hình dự báo chuỗi thời gian bậc cao Cài đặt thử nghiệm cho mơ hình xây dựng Đối tượng phạm vi nghiên cứu - Tìm hiểu khái niệm liên quan đến lý thuyết dự báo, chuỗi thời gian mơ hình chuỗi thời gian bậc cao lu - Tìm hiểu số thuật tốn mơ hình chuỗi thời gian, đặc an biệt ứng dụng mơ hình dự báo chuỗi thời gian bậc cao vào thử nghiệm va n - Tính tốn thử nghiệm cho chuỗi liệu số sản lượng tiêu thụ xăng gh tn to dầu Cửa hàng 01 – Petrolimex thuộc Công ty xăng dầu Bình Định p ie mơ hình - Các cơng cụ lập trình nl w Phương pháp nghiên cứu d oa - Với đề tài này, lựa chọn phương pháp nghiên lý thuyết an lu phương pháp nghiên cứu thực tế mang tính ứng dụng cao, cụ thể tích hợp u nf va hai phương pháp định lượng định tính để làm tăng độ xác cho tốn dự báo, mà đặc biệt toán dự báo khoảng thời gian ngắn ll oi m dự báo với liệu theo tháng theo quý z at nh - Tổng hợp phân tích dựa tài liệu thu thập từ sách, báo, tạp chí, nghiên cứu, kỷ yếu hội thảo,… l gm @ Kết cấu luận văn z - Thử nghiệm đánh giá mơ hình chương sau: m co Ngoài phần mở đầu, kết luận, tài liệu tham khảo, luận văn có cấu trúc an Lu n va ac th si - Chương 1: Tổng quan dự báo chuỗi thời gian Chương giới thiệu lý thuyết dự báo khái niệm, đặc điểm loại dự báo; lý thuyết chuỗi thời gian, cụ thể khái niệm chuỗi thời gian trình ngẫu nhiên, trình ARMA Bởi việc thiết lập mơ hình dự báo chuỗi thời gian bậc cao lý thuyết cần phải quan tâm, để áp dụng dự báo thành cơng phải hiểu tối đa lĩnh vực dự báo - Chương 2: Xây dựng mơ hình dự báo chuỗi thời gian mờ bậc cao lu Mô tả sơ lược lý thuyết tập mờ đại số gia tử, đặc biệt chương an viết mơ hình dự báo chuỗi thời gian mờ mơ hình dự báo Song va n Chissom, mơ hình dự báo Chen, mơ hình dự báo chuỗi thời gian mờ theo gh tn to tiếp cận đại số gia tử Theo đó, giới thiệu bước xây dựng mơ hình dự báo ie chuỗi thời gian mờ theo tiếp cận đại số gia tử, áp dụng liệu toán dự p báo sản lượng tiêu thụ xăng dầu Cửa hàng 01– Petrolimex thuộc Cơng ty nl w xăng dầu Bình Định vào bước tính để tìm kết dự báo tối ưu d oa - Chương 3: Cái đặt thử nghiệm an lu Qua bước áp dụng xây dựng mơ hình dự báo sản lượng tiêu thụ xăng u nf va dầu chương 2, cho thấy cách tiếp cận theo đại số gia tử cho toán dự báo chuỗi thời gian phụ thuộc nhiều yếu tố: độ đo tính mờ gia tử, số ll oi m nhãn ngôn ngữ sử dụng (tương ứng số khoảng chia đoạn), tham z at nh số giải nghĩa… Do đó, để kiểm tra hiệu phương pháp, thử nghiệm mơ hình chương Chương này, chúng tơi tiến hành mơ tả z tốn cách kỹ lưỡng qua số liệu sản lượng tiêu thụ xăng dầu theo @ l gm tháng hai năm liên tiếp Áp dụng ngơn ngữ lập trình Python để “làm m co sạch” dự liệu hỗ trợ cho việc đánh giá kết cuối an Lu n va ac th si CHƯƠNG TỔNG QUAN VỀ DỰ BÁO VÀ CHUỖI THỜI GIAN 1.1 TỔNG QUAN VỀ DỰ BÁO 1.1.1 Khái niệm dự báo Dự báo tiên đoán xu hướng vận động tượng, việc xảy tương lai, dựa sở phân tích cách khoa học số liệu thu thập khứ Dự báo có lu thể dự báo mang tính chất xác nhờ vào số mơ hình tốn học an (định lượng), dư báo dự đoán chủ quan, trực giác (định tính) va n Dù dự báo mang kết cuối nào, thuộc tư gh tn to người, người hướng tương lai Và thời đại bùng ie nổ công nghệ thông tin, dự báo lại đóng vai trị quan trọng nữa, p nhu cầu thơng tin thị trường, tình hình phát triển tương lai ngày nl w cao, đồng thời phương pháp mô dự báo hiệu nhờ hỗ d oa trợ máy tính Chính mà dự báo sử dụng nhiều lĩnh vực an lu khác nhau, lĩnh vực có yêu cầu dự báo riêng nên phương pháp dự u nf va báo sử dụng khác Hiện nay, dự báo với tư cách ngành khoa học độc lập, có hệ thống ll oi m lí luận, phương pháp luận phương pháp riêng nhằm nâng cao tính hiệu z at nh dự báo Nếu có hoạch định rõ ràng, phương pháp tiếp cận hiệu nhà quản trị cho kết dự báo xác, phương z @ pháp dự báo mà đề cập đến đề tài phương pháp phân l gm tích dựa liệu chuỗi thời gian Các nghiên cứu liên quan đến m co liệu chuỗi thời gian dự báo có nhiều, đa dạng, nhiều lĩnh vực khác Trong luận văn tóm tắt số nghiên cứu liên quan tiêu biểu an Lu dựa vào mơ hình tự hồi quy AR (Auto Regressive) n va ac th si 42 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 43 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 44 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 45 lu an n va tn to ie gh Bằng cách thay đổi số khoảng chia điều chỉnh tham số đại số gia p tử, ta thu kết sau: d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 46 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 47 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 48 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 49 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 50 lu an n va ie gh tn to p 3.4 ĐÁNH GIÁ KẾT QUẢ THỬ NGHIỆM nl w Qua áp dụng cách tính theo bước tính tốn dựa đại số gia tử từ d oa Chương 2, cách tương tự ta tính tốn dự báo cho tháng tiếp an lu theo để nhận giá trị dự báo cụ thể Như với sản lượng xăng dầu u nf va từ tháng 4/2018 đến 12/2019, sở bước theo tiếp cận đại số gia tử, xây dựng mơ hình dự báo cho tháng Chương trình tính tốn ll oi m viết Python 3.7 môi trường Jupiter Notebook Kết z at nh mơ hình dự báo sử dụng đại số gia tử với phụ thuộc bậc k khác nhau, k = 1, tổng hợp Bảng 3.2 Hơn nữa, việc điều chỉnh z tham số đại số gia tử tăng số khoảng chia, kết dự báo cải l gm @ thiện cách đáng kể Việc đánh giá mơ hình dự báo chuỗi thời gian mờ tốt hay không thường m co xác định theo nghĩa cực tiểu sai số trung bình bình phương Cơng thức an Lu RMSE thước đo sử dụng thường xuyên để kiểm tra khác n va ac th si 51 biệt giá trị dự đốn mơ hình giá trị thực tế Ở đây: RMSE (Root Mean Square Error) sai số trung bình bình phương sản lượng xăng dầu thực tế thời điểm i sản lượng xăng dầu dự báo thời điểm i lu an va Bảng 3.2: Kết dự báo dựa đại số gia tử n Sản to tn Năm Bậc k=1 xăng dầu p ie gh Bậc k=2 (điều chỉnh Bậc k=3 tham số) (Lít) 01-2018 Bậc k=3 lượng 680761 655999 689616.983812 03-2018 684228 689902.289572 04-2018 666487 05-2018 678703.687150 d oa nl w 02-2018 681287.433259 664264.469111 703654 685227.296715 696183.893552 724746.453003 704957.790582 06-2018 675894 672997.886810 696332.281824 678904.604001 675238.355742 07-2018 704357 689616.983812 ll 696332.281824 681287.433259 706356.749042 08-2018 697979 672997.886810 09-2018 647129 10-2018 an 678703.687150 va lu 688392.914731 u nf 672997.886810 666501.819636 678904.604001 645941.900910 664976 689902.289572 696183.893552 678904.604001 665265.411438 11-2018 650895 685227.296715 678703.687150 681287.433259 655511.669130 12-2018 675282 689902.289572 678703.687150 676024.563257 675409.312745 01-2019 736869 689616.983812 678703.687150 l 02-2019 644362 646096.217098 666501.819636 678904.604001 644389.079166 03-2019 710859 689902.289572 696332.281824 678904.604001 714685.029848 z at nh 678904.604001 696115.610073 @ oi m 696332.281824 z gm m co 724746.453003 736083.517367 an Lu n va ac th si 52 Sản Bậc k=3 lượng Năm Bậc k=1 xăng dầu Bậc k=2 (điều chỉnh Bậc k=3 tham số) (Lít) lu an n va 702023 705851.974194 696332.281824 693038.099720 704487.877321 05-2019 697007 672997.886810 682986.580677 678904.604001 695936.574960 06-2019 697120 688392.914731 696332.281824 693038.099720 695749.713939 07-2019 719812 688392.914731 696332.281824 678904.604001 715075.712707 08-2019 709985 705851.974194 666501.819636 693038.099720 705574.403804 09-2019 683733 672997.886810 682986.580677 693038.099720 685749.713939 10-2019 693460 689616.983812 696332.281824 693038.099720 695490.277708 11-2019 661889 688392.914731 696332.281824 678904.604001 664812.618415 12-2019 715524 685227.296715 696183.893552 681287.433259 715061.091227 22468.60 22542.80 RMSE 21813.45 2395.98 p ie gh tn to 04-2019 w oa nl Kết luận Chương d Trong chương chúng tơi sử dụng mơ hình dự báo theo tiếp cận lu an đại số gia tử thử nghiệm với phụ thuộc bậc k =1, 2, để dự báo mức u nf va tiệu thụ xăng dầu qua tháng Theo Bảng 3.2 “Kết dự báo dựa ll đại số gia tử” cho thấy phụ thuộc bậc cao kết dự báo cho m oi xác Ngồi ra, kết cho thấy, dự báo phương z at nh pháp việc điều chỉnh tham số đại số gia tử quan trọng Tóm lại, mơ hình dự báo dựa đại số gia tử nhiều vấn đề cần z m co l gm @ nghiên cứu để tăng độ xác an Lu n va ac th si 53 KẾT LUẬN CHUNG Dự báo tốn thú vị, nắm giữ vai trị đặc biệt quan trọng, có ảnh hưởng lớn đến việc xác lập kế hoạch hành động, công ty có nhận định dự báo lập kế hoạch phát triển thành công tương lai Tuy nhiên để có dự báo phải có sở suy luận chắn dựa liệu xác khứ quan trọng có phương pháp tiến hành dự báo phù hợp lu Luận văn trình bày theo hướng ứng dụng toán dự báo nhu an cầu tiêu thụ xăng dầu Cửa hàng 01 – Petrolimex thuộc Cơng ty Xăng dầu va n Bình Định, đó, chúng tơi dùng mơ hình dự báo theo tiếp cận đại số gia tn to tử viết ngơn ngữ lập trình Python Một số kết đạt qua việc thực ie gh luận văn: p - Tìm hiểu số phương pháp dự báo; nl w - Nghiên cứu, áp dụng đại số gia tử để giải toán dự báo; d oa - Cải tiến phương pháp dự báo Chen Chisom cách sử dụng an lu đại số gia tử Mơ hình dự báo dựa đại số gia tử mơ hình va mới, hồn tồn khác biệt, có khả dự báo chuỗi thời gian mờ với ll u nf độ xác cao Sự khác biệt thể phương pháp luận lần đầu oi m tiên sử dụng phép ngữ nghĩa hóa phi tuyến thay cho phép mờ hóa, z at nh nhóm quan hệ ngữ nghĩa thay cho nhóm quan hệ mờ phép giải nghĩa phi tuyến thay cho phép giải mờ; z - Thử nghiệm, điều chỉnh tham số mơ hình dự báo dựa đại @ đơn m co l gm số gia tử, kết thu tốt hẳn so với việc sử dụng tham số Rõ ràng, cách tiếp cận này, xác lập tham số tối ưu an Lu độ xác kết dự báo tăng đáng kể Khi đó, phương pháp dự báo n va ac th si 54 áp dụng để giúp doanh nghiệp giải vấn đề thực tế Việc tập hợp chuỗi liệu dạng thời gian có tính chu kỳ theo tháng, quý, năm chắn làm tăng tính xác dự báo, nhiên dự báo dựa vào yếu tố sản lượng khơng chưa đủ mà cịn phải kết hợp nhiều yếu tố ảnh hưởng khác số lượng xe cộ lưu thông, mật độ dân số, ảnh hưởng thiên tai,… Vì vậy, cần phải xem xét phối hợp nhiều phương pháp dự báo cải tiến phương pháp dự báo theo hướng phụ thuộc đa chiều (dựa nhiều yếu tố) để đưa định đắn kinh doanh lu Đây hướng phát triển đề tài an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 55 DANH MỤC TÀI LIỆU THAM KHẢO [1] Bùi Công Cường, N.D.Phước (2001), Hệ mờ, Mạng Nơron ứng dụng – Tuyển tập giảng, NXB Khoa học Kỹ thuật, Hà Nội [2] Đào Hữu Hồ, NguyễnVăn Hữu, Hoàng Hữu Như (2004), Thống Kê Toán Học, NXB Đại Học Quốc Gia Hà Nội, Hà Nội [3] Đào Xuân Kỳ, Lục Trí Tun, Phạm Quốc Vương, Thạch Thị Ninh, “Mơ hình markov-chuỗi thời gian mờ dự báo chứng khoán”, Hội thảo lu lần thứ 18: Một số vấn đề chọn lọc Công nghệ thông tin truyền an thông, TP HCM, trang 119–124, 2015 va n [4] Lê Xuân Việt, Dương Hoàng Huyên, Lê Xuân Vinh, Lê Thị Thu Vân, to tn Phương pháp dự báo theo chuỗi thời gian mờ dựa đại số gia tử ie gh [5] Lục Trí Tuyên, Nguyễn Văn Hùng, Thạch Thị Ninh, Phạm Quốc Vương, p Nguyễn Minh Đức, Đào Xuân Kỳ, “A normal-hidden markov model nl w model in forecasting stock index, Journal of Computer Science and d oa Cybernetics”, 28(3):206–216, 2012 an lu [6] Nghiêm Văn Tính, Nguyễn Cơng Điều, “Dự báo chuỗi thời gian mờ dựa va nhóm quan hệ mở phụ thuộc thời gian tối ưu bầy đàn”, Kỷ yếu ll u nf Hội nghị Khoa học Quốc gia lần thứ IX “Nghiên cứu ứng oi m dụng Công nghệ thông tin (FAIR'9)”, Cần Thơ, ngày – 5/8/2016 z at nh [7] Nguyễn Cát Hồ, Nguyễn Công Điều, Vũ Như Lân, “Ứng dụng đại số gia tử dự báo chuỗi thời gian mờ”, Tạp chí Khoa học Cơng nghệ, số z @ 54 (2016), trang 161 – 177 l gm [8] Nguyễn Công Điều (8 – 2008), Một thuật tốn cho mơ hình chuỗi thời gian mờ heuristic dự báo chứng khoán, Báo cáo Đại hội Tốn m co học tồn quốc, Quy Nhơn an Lu [9] Nguyễn Công Điều (2009), Cải biên cho thuật toán đơn giản n va ac th si 56 mơ hình chuỗi thời gian mờ, Báo cáo khoa học Viện Công nghệ thông tin, Hà Nội [10] Nguyễn Cơng Điều (2010), Sử dụng mơ hình chuỗi thời gian mờ bậc cao dự báo, Báo cáo khoa học Viện Công nghệ thông tin, Hà Nội [11] Nguyễn Công Điều, Trần Thanh Thương (2010), “Cải biên thuật toán bậc cao Singh ứng dụng dự báo chuỗi thời gian”, Tạp chí Khoa học Cơng nghệ Đại học Thái Nguyên [12] Nguyễn Duy Hiếu, Nghiêm Văn Tính, Vũ Như Lân, “Một phương pháp lu dự báo chuỗi thời gian mờ dựa ngữ nghĩa ngôn ngữ”, Kỷ yếu Hội an nghị Khoa học Quốc gia lần thứ IX - Nghiên cứu ứng dụng va n Công nghệ thông tin (FAIR'9); Cần Thơ, ngày – 5/8/2016 Báo, NXB Đại Học Quốc Gia Hà Nội, Hà Nội ie gh tn to [13] NguyễnVăn Hữu, Nguyễn Hữu Dư (2003), Phân Tích Thống Kê Và Dự p [14] Trần Đức Minh, Trần Huy Dương, Vũ Đức Thi (2015), “Một số vấn đề nl w dự báo chuỗi thời gian”, Kỷ yếu Hội nghị Quốc gia lần thứ VIII d oa Nghiên cứu ứng dụng Công nghệ thông tin (FAIR), Hà Nội, an lu ngày – 10/7/2015 u nf va [15] Trần Thanh Thương, Ứng dụng mơ hình dự báo chuỗi thời gian mờ, Luận văn Thạc sĩ, Đại học Thái Nguyên, 2010 ll oi m [16] Trần Văn Tâm Em, Nghiên cứu ứng dụng chuỗi thời gian việc dự z at nh báo kinh doanh xăng dầu, Luận văn Thạc sĩ, Đại học Lạc Hồng, 2010 z m co l gm @ an Lu n va ac th si