Tôi xin chân thành cảm ơn sự giúp đỡ về mọi mặt của Ban Giám hiệu, Phòng Đào tạo sau đại học, Khoa Công nghệ Thông tin - Trường Đại học Khoa học - Đại học Huế, cùng quý thầy cô đã tham g
MỘT SÓ KIÊN THỨC CƠ SỞ -s<-s<csecseecseetseesssesse 4
Tiểu kết Chương Ì -.¿-2¿©22¿2++2EE22EE22EE2EE2E12E1221221221E.zrkee 26 Chương 2 MÔ HÌNH DỰ ĐOÁN DỰA TRÊN LÝ THUYÉT TẬP MỜ
Trong chương 1, luận văn giới thiệu tổng quan về lý thuyết tập mờ và logic mờ, cùng với các phép tính liên quan Ngoài ra, các phương pháp lập luận xấp xỉ dựa trên lý thuyết tập mờ và đại số gia tử cũng được đề cập Những kiến thức này sẽ là nền tảng quan trọng cho nghiên cứu trong các chương tiếp theo.
Chuong 2 MO HINH DU DOAN DUA TREN LY THUYET TAP MO
2.1 Mô hình dự đoán sử dụng lý thuyết tập mờ
2.1.1 Bộ dự đoán mờ cơ bản
Dự đoán mờ được phát triển dựa trên cách con người xử lý thông tin và dự đoán các đối tượng, giúp giải quyết hiệu quả những vấn đề phức tạp trước đây Hệ thống này tích hợp kiến thức chuyên gia vào quá trình dự đoán, thiết lập mối quan hệ giữa đầu vào và đầu ra thông qua việc lựa chọn các luật dự đoán mờ (if-then) trên các biến ngôn ngữ Luật dự đoán mờ bao gồm các điều kiện với từ ngữ được mô tả bằng các hàm liên tục Các luật và thiết bị suy luận mờ là công cụ quan trọng, hỗ trợ việc ứng dụng kinh nghiệm của chuyên gia trong thiết kế bộ dự đoán.
Mô hình mờ là một tập bao gồm các luật mà mỗi luật là một mệnh dé dang
“IƑ then ”, trong đó phần “Jƒ° được gọi là mệnh đề điều kiện hay tiền đề còn phần
“then” được gọi là phần kết luận Mô hình mờ có hai dang:
Mô hình mờ dạng đơn giản là tập các luật mà trong đó mỗi luật chỉ chứa một điều kiện và một kết luận được cho như sau:
Trong dé X,, Y 1a các biến ngôn ngữ thuộc không gian , V tương ứng và các giá trị ngôn ngữ A;, 4¿, , A„, Bị, B;, , B„ là các tập mờ
Mô hình mờ dạng tổng quát là một tập các luật mà phân tiền đề của mỗi luật là một điều kiện phức hợp được viết như sau:
If X;=Aj, and and X=Ajm then Y=B,
If X;=A,, and and X,,=Aym then Y=B,,
Trong đó X,, X;¿, , X„ và Y là các biến ngôn ngữ; A,, B; (¡=1, ,m; Jj=], ,1m) ip là các giá trị ngôn ngữ tương ứng
Mô hình (2.2) còn được gọi là mô hình mờ đơn điều kiện và mô hình (2.3) được gọi là mô hình mờ đa điều kiện
Cầu trúc bộ dự đoán mờ sử dụng lý thuyết tập mờ
Theo lý thuyết tập mờ, một bộ dự đoán mờ thường bao gồm ba khối chính: khối mờ hóa (fuzzifier), khối hợp thanh (fuzzy inference) và khối giải mờ (defuzzifier).
Hình 2.1 Bộ dự đoán mờ cơ bản
Khối mờ hóa chuyển đổi các giá trị rõ ràng đầu vào thành giá trị mờ, sử dụng hàm thuộc đã được chọn phù hợp với biến ngôn ngữ đầu vào đã được định nghĩa.
Khối hợp thành chuyển đổi các giá trị mờ của biến ngôn ngữ đầu vào thành các giá trị mờ của biến ngôn ngữ đầu ra thông qua các quy tắc hợp thành, bao gồm tập hợp các luật "Jƒ ren" dựa trên các luật mờ cơ sở Đây là phần cốt lõi của bộ dự đoán mờ, vì nó có khả năng mô phỏng suy đoán của con người để đạt được mục tiêu dự đoán mong muốn.
Khối giải mò biễn đổi các giá trị mờ đầu ra thành các giá trị rõ để dự đoán đối tượng
2.2 Nguyên tác thiết kế bộ dự đoán mờ sử dụng lý thuyết tập mờ
Chất lượng của bộ dự đoán mờ chủ yếu phụ thuộc vào kinh nghiệm của người dự đoán Khi tối ưu hóa hệ thống một cách khéo léo, các bộ điều khiển mờ có thể hoạt động ổn định và bền vững, thậm chí vượt trội hơn cả sự linh hoạt của con người.
Theo [4], [7] các bước chính trong hệ điều khiển mờ thông thường:
- Bước I: Xác định biến đầu vào, biến dự đoán (biến đầu ra) và xác định tập nên của các biến
- Bước 2: Phân hoạch tập nền và gán nhãn ngôn ngữ cho mỗi tập mờ
- Bước 3: Xác định dạng hàm thuộc cho mỗi tập mờ
Bước 4 trong quy trình là xây dựng mối quan hệ mờ giữa các tập mờ đầu vào, tập mờ trạng thái và tập mờ dự đoán, từ đó tạo ra hệ thống luật dự đoán dựa trên bảng dự đoán được hình thành từ tri thức chuyên gia.
- Bước 5: Giải bài toán lập luận xấp xỉ, xác định tập mờ đầu ra dự đoán theo từng luật (phép hợp thành)
- Bước 6: Kết nhập các đầu ra dự đoán mờ
- Bước 7: Giải mờ, tìm dự đoán rõ
2.3 Xây dựng mô hình “Dự đoán chỉ số năng lực cạnh tranh cấp tỉnh”
2.3.1 Phát biếu bài toán dự đoán chỉ số năng lực cạnh tranh cấp tỉnh PCI 2.3.1.1 Khái niệm PCI
Chỉ số Năng lực Cạnh tranh Cấp tỉnh (PCI) là công cụ đánh giá hiệu quả và xếp hạng các tỉnh, thành phố tại Việt Nam trong việc tạo dựng môi trường kinh doanh thuận lợi cho sự phát triển của doanh nghiệp.
Chỉ số năng lực cạnh tranh cấp tỉnh PCI (Provincial Competitiveness Index) được công bố thí điểm lần đầu vào năm 2005 gồm 8 chỉ số thành phần, năm đó có
Để xây dựng chỉ số PCI, cần thực hiện các bước quan trọng như sau: đầu tiên, xác định các tiêu chí đánh giá cụ thể, sau đó thu thập dữ liệu liên quan đến các tiêu chí này từ các nguồn đáng tin cậy Tiếp theo, phân tích và đánh giá dữ liệu để xác định điểm số cho từng tiêu chí Cuối cùng, tổng hợp các điểm số này để tạo ra chỉ số PCI tổng thể, từ đó cung cấp cái nhìn tổng quát về môi trường đầu tư tại khu vực Việc thực hiện đúng quy trình này sẽ giúp nâng cao chất lượng đánh giá và hỗ trợ quyết định đầu tư hiệu quả hơn.
CN số / CIđượcX y un tNoquytrnN bước
NitNpttn tntr t ệu đều ray3@cn uồn ữ êệuđ c2n bố Nc nNtœ®n cN sé tNnNpNin v3 cNianN atr nfNan để
@ntron sédv3tnNdkh sd/ Cl ton Nop để tun bnNc trọn số của eN sốfNnNpNntrnf*n để tố da
2.3.2 Thiết kế bộ dự đoán chỉ số PCI
Bước đầu tiên là xác định các biến đầu vào và biến dự đoán, đồng thời thiết lập tập nên của các biên Việc này giúp tối ưu hóa quá trình phân tích và đảm bảo tính chính xác trong việc xử lý dữ liệu.
- Đầu ra: Điểm PCI của tỉnh
- Xác định tập giá trị nên: [3 9]
Bước 2: Phân hoạch tập nên và gán nhãn ngôn ngữ cho mỗi tập mờ: Biến đầu vào:
X¡ = {Thap, TDThap, TBính, Kha, Tot, Rtot}
Thap € [3;5]; TDThap e€ [5; 6]; TBinh € [6; 6.8]; Kha e [6.8; 7.2]; Tot e [7.2; 8.0]; Rtốt € [8.0 ; 9.0]
Biến dau ra: f, (i = 1 63)e{Thap,TDThap, TBinh, Kha,Tot, Rtot}
Thap e [3;5]; TDThap e€ [5; 6]; TBinh € [6; 6.8]; Kha e [6.8; 7.2]; Tot e [7.2; 8.0]; Rtốt [8.0 ; 9.0]
Bước 3: Xác định dạng hàm thuộc cho mỗi tập mờ
Sử dụng bộ mờ hóa tam giác với công thức:
Hàm thuộc với biến đầu vào X; (¡ = 1 10) và biến đầu ra Y
Với x là điểm chỉ số thành phần
Hàm thuộc của biến vào X; với i=1,2 ,10 và biến đầu ra Y; 7.6 8.0 8.4 8.4 8.7 9.0
Bước 4: Thiết lập mối quan hệ mờ giữa các tập mờ đầu vào, tập mờ trạng thái và tập mờ dự đoán để hình thành hệ thống luật dự đoán, dựa trên bảng dự đoán từ tri thức chuyên gia.
Bang 2.1 Diém chi sé thanh phan va diém PCI cua 63 tỉnh thành năm 2017
Thành Xếp | Điêm | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP| CSTP an! x | hạng | số PCI 1 2 3 4 5 6 7 8 9 10 pho
Thanh Xếp | Điểm | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP |CSTP|CSTP àn A x | hang| so PCI 1 2 3 4 5 6 7 8 9 10 pho
Thanh Xếp | Điểm | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP |CSTP|CSTP àn A x | hang| so PCI 1 2 3 4 5 6 7 8 9 10 pho
Thanh Xếp | Điểm | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP |CSTP|CSTP àn A x | hang| so PCI 1 2 3 4 5 6 7 8 9 10 pho
(Nguồn: Phòng thương mại và công nghiệp Việt Nam)
Với bộ dữ liệu hiện có, chúng ta có thể tạo ra một tập hợp lớn các luật mờ (63 tập luật) Từ đó, có thể xây dựng bảng dữ liệu nhỏ hơn bằng cách tính trung bình các điểm PCI và CSTP của các tỉnh cùng loại Kết quả là bảng dữ liệu được hình thành như sau:
Bang 2.2 Diém chi sé thanh phan trung binh va diém PCI trung bình của 63 tỉnh thành năm 2017
CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP prem mt TB1 | TB2 | TB3 | TB4 | TBS | TB6 | TB7 | TB8 | TB9 | TB10 ằ
Dựa vào số liệu chuyên gia, ta được tập các luật mờ đáng tin cậy từ bảng dữ liệu trên:
Luat 1: If (X,;= Kha) and (X„;= TBinh) and (X„:= TĐThap) and (X„„ TBinh) and (X„;= Thap) and (X„¿= Thap) and (X„;= Thap) and (X„ạ= TBinh) and (X„o=Thap) and (X;„;¿= Thap) then PCITB=Thap
Luật 2: If (X„;= Kha) and (X„;¿= TBinh) and (X,,3=TBinh) and (X„„=TDT) and (X„s= Thap) and (X„¿= TDT) and (X„;= Thap) and (X;,3= Tbinh) and (X,,o=TBinh) and (X„;s¿= TDThap) then PCITB=TDThap
Luat 3: If (X,;= Tot) and (Xj2= TBinh) and (Xằ3= TBinh) and (Xjằ4=TBinh) and (X„;= TDThap) and (X„¿= TDThap) and (X„;= TDThap) and (X„ạ= TBinh) and (X„o= Tinh) and (X„;o= TDThap) then PCITB= TBinh
Luật 4: If (X„;= 7o) and (X„;= TBỉnh) and (X„;= TBinh) and (X„„= TBinh) and (X„;= 7DThap) and (X„ứ= Thap) and (X„;= TDThap) and (X„ạ= Kha) and (X,po= Khá) and (X„;o= TDThap) then PCITB= Kha
Luật 5: If (X,,,= RTot) and (X;,2= Kha) and (X3= TBinh ) and (X„„=Kha) and
(Xws= TBinh) and (X„¿= TDThap) and (X,,7= TBinh) and (X,,3= TBinh) and (X,poTBinh) and (Xjy;0= Kha) then PCITB= Tot
Luật 6: If (X„¡= RTor) and (X„;= Tor) and (X„;= Kha ) and (X„„=RTor) and
(X„s= Kha) and (X„¿= Tor) and (X„;= Tor) and (X;,3= TBinh) and (X„o= TDThap) and (X„;¿= Kha) then PCITB= RTot
Bước 5: Giải bài toán lập luận xấp xỉ, xác định tập mờ đầu ra dự đoán theo từng luật (phép hợp thành)
Với đâu vào là đữ liệu của tỉnh Đăk Nông năm 2017:
Bang 2.3 Diém sé PCI tinh Dak Nông_2017
, | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP
Hrhap (4) = HrpThap (X1) = Hrpinp(X1) = Hroy(X1) = Hg¿oy(Xị)=0 ne 6.29-6
Urnap (%2) = Lrprhap (X2) = Uxna(*2) = Mrot(%2) = Urtot(X2) = 0
Urnap(X3) = HTpinh(X3) = Hgpa(%3) = Urot(%3) = Mrrot(x3) = 0
Urnap (%a) = Urprhap(*4) = Uxna(%4) = Mrot(%4) = Urrot(X4) = 0
Urprnap (Xs) = Hrginh(Xs) = Hgna(%Xs) = Mroe (Xs) = Mrrot (Xs) = 0
Urprnap (6) = Urpinn(%6) = Uxna(%e) = Mroe (%6) = Mrrot(%6) = 0
Với X;= 4.73: tmạp@y) = = krprhap(X7) = Hrhap(X7) = Hrpinap(X7) = Hroe(%7) = Mrrot(*7) = 0
Urnap (Xs) = Urpinn (Xs) = Uxna(%s) = Urot (%s) = Mrrot (Xs) = 0
Urnap (%o) = Urprnap(*o) = Lrpinn(%o) = Uxna(%o) = Hroe(%) = 0
HrpThap (X10) = Hrpimh(Xio) = Hgpa(Xio) = Hrat(Xịo) = Hgrey(Xịo) = 0
Bước 6: Kết nhập các đầu ra dự đoán mờ
Tìm trọng số của các luật bằng cách lấy giá trị Min:
Bảng 2.4 Bảng trọng số các luật của tỉnh Đăk Nông
Xi X¿ Xã X4 Xã Xe X7 Xg Xo X10 Min
Bước 7: Khử mờ và đưa ra kết luận cuồi cùng:
Sử dụng phương pháp khử mờ trọng tâm:
Jeoau " I 0.27du + | Odu + | Odu + | Odu + | Odu
Điểm PCI của tỉnh Đắk Nông năm 2017 được xác định là 4 e [3; 5], thuộc nhóm Thấp Kết quả này cho thấy rằng đầu vào từ bộ 10 điểm chỉ số thành phần tương ứng với bộ dự đoán PCI trong luận văn đã cho ra đầu ra PCI thấp, phù hợp với thực tế.
Trong chương 2, luận văn đã trình bày tổng quan về mô hình bài toán dự đoán, từ đó áp dụng nghiên cứu bộ dự đoán PCI với số liệu thực tế từ tỉnh Đắk Nông năm 2017, đạt được kết quả trùng khớp Tiếp theo, chương 3 sẽ mô phỏng mô hình này bằng công cụ Matlab.
Chuong 3 MO PHONG DU DOAN CHi SO NANG LUC CANH TRANH
3.1 Xác định cấu trúc chung của mô hình Đề tiện lợi và dễ dàng xây dựng bộ dự đoán mờ, ta có thể sử dụng công cụ
Fuzzy Logic Toolbox trong MATLAB C6 bốn phần việc liên quan khi sử dụng Fuzzy Logic Toolbox là:
+ Xây dựng phần cấu hình chung nhất với tên gọi “Xây dựng hệ quy chiếu lập luận mờ FIS (Fuzzy Inference System Editor)
+ Xây dựng các hàm thuộc (Membership Function Editor)
+ Xây dựng các luật mờ (Rule Editor)
+ Quan sát kết quả của bộ dự đoán (Rule Viewer)
Giả thiết đữ liệu vào là điểm thành phần của | tinh/ thành phố trong năm 2017, voi i=1, ,10, đầu ra là điểm PCI của tỉnh/ thành phố đó năm 2017
FIS Editor được gọi khi đánh dòng lệnh “Fuzzy” từ dấu nhắc của Matlab Màn hình sau sẽ được hiển thị:
Hình 3.1 Cấu hình chung bộ dự đoán mờ với 1 đầu vào và 1 đầu ra
Với ví dụ cụ thể đã chọn, bộ dự đoán mờ cần 10 đầu vào là 10 chỉ số điểm thành phan (P;, ¡=7, , 10) (giả thiết 3 Membership Function to access the Membership Function Editor, as illustrated in Figure 3.3.
4) Membership Function Editor: BO DU DOAN PCI - n x
File Edit View met miz mrs FIS Variables Membership function plots °°" °°" 181 input variable “input 11"
Current Membership Function (click on MF to select) Name input11 Name mf
Type input ee trimf v cae a5 Params E0.4 00.4]
Hình 3.3 Cấu hình xây dựng hàm thuộc với các giá trị mặc định của P;
Quá trình chọn biến, số lượng và dạng hàm thuộc được tiễn hành tuần tự như sau:
Khoảng thay đổi của biến P được chọn từ 3-9, và Display Range cũng nằm trong khoảng này Chúng ta sẽ đổi tên các giá trị biến thành Thap, TDThap, Thinh, Kha, Tot, và Rtot thay vì mf1, mf2, mf3, mf4, mf5, mf6 Trong phần Params, hãy nhập 3 giá trị cho từng biến tương ứng: Thap [3 4 5], TDThap [5 5.5 6.0], Tbinh [6.0 6.4 6.8], Kha [6.8 7.2 7.6], Tot [7.6 8.0 8.4], và Rtot [8.4 9.0 9.7].
Membership Function Editor: BO DU DOAN PCI - n x
Hình 3.4 Khung hình để lựa chọn dạng (ME type) và số lượng (Number of MES) hàm thuộc 3.2.2 Xây dựng hàm thuộc cho các biến vào ra
‘A Membership Function Editor: BỘ DỰ ĐOÁN PCI - a xX File Edit View
Hình 3.5 Chọn và thay đổi giá trị các Trimf thành các biến tương ứng
Sau khi nhap đầu đủ giá trị cả 6 biến, ta được khung hình như sau :
‘& Membership Function Editor: BO DY DOAN PCI - n x File Edit View
| AX Thap TDTap Binh Kha Tot —Rot eS
Current Variable Current Membership Function (click on MF to select)
Hình 3.6 Các khoảng giá trị của biến đầu vào X;
3.3 Xây dựng bộ luật Để xây dựng bộ luật “Nếu Thì ” ta thực hiện như sau: trên màn hình
To edit membership functions, navigate to the Membership Function Editor and select Edit > Rule This will bring up a screen where you can input various rules Next, choose the values for each variable from XI to X10 and Y1, and then click on Add Rule to finalize your selections.
Nhap day đủ như vậy cho 6 luật, ta được bộ luật của BO DU DOAN PCTI
@) Rule Editor: BO DU DOAN PCI = n x
12 If QX1 is Kha) and (X2 is Tbính) and (x3 is TDThap) and (x4 is TDThap) and (XS is Tot) and (X6 is TDThap
3 If (X1 is Tot) and (X2 is Tbinh) and (x3 is Tbinh) and (x4 is Tbinh) and (XS is TDThap) and (Xô is TDThap)
4 If OCI Is Tot) ang (X2 Is Toinh) and (x3 Is Tbinh) and (x4 Is Tbinh) ang (X5 Is TDThap) and (X6 Is Thap) an
IS If X1 is Rtot) and (X2 is Kha) and (x3 is Tbỉnh) and (x4 is Kha) and (XS is TBinh) and (X6 is TDThap) and
16 If QX1 is Rtot) and (X2 is Kha) and (x3 is Kha) and (x4 is Kha) and (XS is TBinh) and (X6 is TDThap) and (
TDT TDThap TDThap TDThap TDThap rủ
‘Toinh |Tbinh Tbinh |Tbinh ÍTBinh TH
Kha Kha Kha Kha Kha K
Tot Tot Tot Tot Tot T tot báu YÌ lo YÌ Rịọt YỈ lRiọt ha
Onot O not Llnet O not Dnot Connection Weight:
Oor â and 1 Delete rule | Addrule | Change rule | ô| >
[ Fs Name: 86 oy 804N Pci lI ‘Help Cees ]
Hình 3.7 Bộ luật của BỘ DỰ ĐOÁN PCI
3.4 Kết quả của bài toán
Để quan sát kết quả của BO DU DOAN PCI, bạn cần vào menu View > Rules Sau đó, màn hình kết quả dự đoán sẽ hiển thị với dữ liệu mặc định là 6 cho tất cả các biên vào ra.
Hình 2.10 hiển thị 60 ô chữ nhật được tổ chức thành 11 cột và 6 dòng, trong đó mỗi cột đại diện cho 10 giá trị đầu vào và giá trị ra của các biến (X1, X2, , X10 và Y1) Mỗi dòng biểu diễn một luật, và kết quả cuối cùng được thể hiện trong hình chữ nhật với 11 cột.
Dữ liệu đầu vào từ bộ dữ liệu tỉnh ĐăkNông năm 2017 bao gồm các giá trị: X¡=7.06, X5=6.29, X3=5.94, Ky=6.18, Xs5=4.11, Xo=4.40, X7=4.73, Xg=6.19, Xo=5.15, X¡;=4.27 Sau khi nhập dữ liệu vào khung Input bên dưới các luật (mặc định là 6), nhấn phím Enter để nhận kết quả PCI hiển thị ở ô chữ nhật dưới cùng bên phải (Y=4) Giá trị PCI được tính toán từ các dữ liệu này.
= 4 ta kết luận được điểm số PCI của tỉnh Đắk Nông được xếp vào nhóm tỉnh có điểm PCI Trung bình
#) Rule Viewer: BO DU DOAN PCI - n x
File Edit View Options X1=7.06 X2 = 6.29 x3 = 5.94 x4 = 6.18 X5 =4.11 X6 =4.4 X7 = 4.73 X8 = 6.19 X9 = 5.15X10 = 4.27 PCI=4
1 nN Ẳœ a [ELILLI-EIE" ko ko
InpuE Ì;.e 13;4.11;4.4;4.73;6.19;5.15;4.27} == 101 Move: _ ket |_nght | down| | up | Opened system BO DU’ DOAN PCI, 6 rules Help Close
Hình 3.8 Kết quả dự đoán của tỉnh Đắk Nông_2017
Tương tự như vậy, ta nhập bộ dữ liệu của tỉnh Hà Nam_ 2018 (X;=7.99; X¿=6.2l; X:=6.22; X¿=6.50; X;:=5.84; X¿=4.51; X;=5.9; Xs=6.9; Xo=7.2; Xio=5.65)
'4 Rule Viewer: BỘ DỰ ĐOÁN PCI - n x File Edit View Options
'ẤW Rule Viewer: BO DY DOAN PCI - n x File Edit View Options
[me lirses2ts2265s0s451598 [[Pet pots: 101 | wove: ret | right | down| up {|
Hinh 3.9 Két quả dự đoán cua tinh Ha Nam_2018
Với giá tri output PCI=7.2, ta két luận được điểm số PCI của tỉnh Hà Nam năm 2018 thuộc nhóm có điểm số PCI khá
Tương tự như vậy, ta nhập bộ dữ liệu của tỉnh Đồng Thap_ 2017 (X,=8.5;
@ Rule Viewer: BO DU DOAN PCI _ n x
[oose] [85;7.§:7.25:8.69;6.765.6756 xe: |[Pemne 101 lÌ== EEE II
Hình 3.10 Kết quả dự đoán của tỉnh Đồng Tháp_ 2017
Theo bộ dự đoán, chỉ số PCI của tỉnh Đồng Tháp năm 2017 đạt 8.7, điều này cho thấy tỉnh Đồng Tháp thuộc nhóm tỉnh có điểm PCI rất tốt.
Bảng 3.1 Bảng kết quả xếp loại của 3 tỉnh đặc trưng trên Bộ dự đoán PCI và thực tế
Tinh/ Thành phố Xếp loại dự đoán Xếp loại thực tế Đồng Tháp_2017 Rất tốt (8.7) Rất tốt (68.78) Đắk Nông_ 2017 Thấp (4.0) Thấp (55.12)
MO PHONG DU DOAN CHi SO NĂNG LỰC CẠNH TRANH l9 90i/:827.91607.v0 057777
Kết quả của bài toán ¿-2¿25+2c++2Ck2EE2211271127112211221.2111211 11 ee 48 KÔNGr ni 8n a.-nả
Để xem kết quả của BO DU DOAN PCI, bạn hãy truy cập vào menu View > Rules Sau đó, màn hình kết quả dự đoán sẽ hiển thị với dữ liệu mặc định là 6 cho tất cả các biên vào ra.
Hình 2.10 hiển thị 60 ô chữ nhật được sắp xếp thành 11 cột và 6 dòng, trong đó mỗi cột đại diện cho 10 giá trị đầu vào và giá trị ra của các biến (X1, X2, , X10 và Y1) Mỗi dòng biểu diễn một luật, và kết quả cuối cùng được thể hiện trong hình chữ nhật với mỗi hàng có 11 cột.
Dựa trên bộ dữ liệu của tỉnh ĐăkNông năm 2017 với các chỉ số: X¡=7.06, X5=6.29, X3=5.94, Ky=6.18, Xs5=4.11, Xo=4.40, X7=4.73, Xg=6.19, Xo=5.15, và X¡;=4.27, chúng ta tiến hành nhập dữ liệu vào khung Input dưới các luật, mặc định ban đầu là 6 Sau khi nhấn phím Enter, kết quả PCI sẽ hiển thị ở ô chữ nhật phía dưới cùng bên phải của bộ luật với giá trị Y=4.
= 4 ta kết luận được điểm số PCI của tỉnh Đắk Nông được xếp vào nhóm tỉnh có điểm PCI Trung bình
#) Rule Viewer: BO DU DOAN PCI - n x
File Edit View Options X1=7.06 X2 = 6.29 x3 = 5.94 x4 = 6.18 X5 =4.11 X6 =4.4 X7 = 4.73 X8 = 6.19 X9 = 5.15X10 = 4.27 PCI=4
1 nN Ẳœ a [ELILLI-EIE" ko ko
InpuE Ì;.e 13;4.11;4.4;4.73;6.19;5.15;4.27} == 101 Move: _ ket |_nght | down| | up | Opened system BO DU’ DOAN PCI, 6 rules Help Close
Hình 3.8 Kết quả dự đoán của tỉnh Đắk Nông_2017
Tương tự như vậy, ta nhập bộ dữ liệu của tỉnh Hà Nam_ 2018 (X;=7.99; X¿=6.2l; X:=6.22; X¿=6.50; X;:=5.84; X¿=4.51; X;=5.9; Xs=6.9; Xo=7.2; Xio=5.65)
'4 Rule Viewer: BỘ DỰ ĐOÁN PCI - n x File Edit View Options
'ẤW Rule Viewer: BO DY DOAN PCI - n x File Edit View Options
[me lirses2ts2265s0s451598 [[Pet pots: 101 | wove: ret | right | down| up {|
Hinh 3.9 Két quả dự đoán cua tinh Ha Nam_2018
Với giá tri output PCI=7.2, ta két luận được điểm số PCI của tỉnh Hà Nam năm 2018 thuộc nhóm có điểm số PCI khá
Tương tự như vậy, ta nhập bộ dữ liệu của tỉnh Đồng Thap_ 2017 (X,=8.5;
@ Rule Viewer: BO DU DOAN PCI _ n x
[oose] [85;7.§:7.25:8.69;6.765.6756 xe: |[Pemne 101 lÌ== EEE II
Hình 3.10 Kết quả dự đoán của tỉnh Đồng Tháp_ 2017
Năm 2017, tỉnh Đồng Tháp đạt điểm PCI là 8.7, cho thấy tỉnh này thuộc nhóm có chỉ số PCI rất tốt.
Bảng 3.1 Bảng kết quả xếp loại của 3 tỉnh đặc trưng trên Bộ dự đoán PCI và thực tế
Tinh/ Thành phố Xếp loại dự đoán Xếp loại thực tế Đồng Tháp_2017 Rất tốt (8.7) Rất tốt (68.78) Đắk Nông_ 2017 Thấp (4.0) Thấp (55.12)
Dựa vào bảng so sánh, kết quả xếp loại PCI của các tỉnh theo “Bộ dự đoán PCI” và thực tế tương đồng, mặc dù có sự khác biệt về điểm số Điều này cho thấy “Bộ dự đoán PCI” có thể được áp dụng để dự đoán xếp loại của các tỉnh/thành phố khác, từ đó đưa ra các giải pháp phù hợp nhằm nâng cao hạng PCI của từng tỉnh/thành.
Trong chương 3, luận văn giới thiệu mô phỏng và hướng dẫn sử dụng Bộ dự đoán PCI thông qua phần mềm MATLAB Đồng thời, bài viết cũng cung cấp một số ví dụ thực tế về xếp loại và cách tính toán xếp loại bằng “Bộ dự đoán”.
Kết quả PCI của một số tỉnh được lấy ngẫu nhiên từ năm 2017 và 2018 hoàn toàn trùng khớp, điều này sẽ là cơ sở quan trọng để phát triển luận văn theo hướng hoàn thiện hơn.
KET LUAN VA HUONG PHAT TRIEN CUA DE TAI
Trong quá trình nghiên cứu, luận văn đã đạt được một số kết quả bước đầu, cụ thể như sau:
- Tìm hiểu lý thuyết tập mờ
- Tìm hiểu phương pháp tính chỉ số năng lực cạnh tranh cấp tỉnh PCI
- Tìm hiểu về nguyên tắc thiết kế bộ dự đoán mờ sử dụng lý thuyết tập mờ và áp dụng vào bài toán dự đoán chỉ số PCI
- Sử dụng công cụ Fuzzy Logie Toolbox trong Matlab đề xây dựng bộ dự đoán cho bài toán dự đoán chỉ số PCI
Trên cơ sở những kiến thức đã nghiên cứu và kết quả đạt được, luận văn có thê phát triển theo một số hướng sau:
- Ứng dụng đại số gia tử vào trong phương pháp lập luận
- Xây dựng một bộ dự đoán mờ hoàn chỉnh để ứng dụng trong thực tiễn đối với các bài toán trong lĩnh vực kinh té, tai chinh
TAI LIEU THAM KHAO Tài liệu Tiếng Việt:
[1] B.Bouchon, Meunier, Hỗ Thuan, Dang Thanh Ha (2007), Logic mờ và ứng đụng, Đại học Quốc gia Hà Nội
[2] Nguyễn Công Hào (2016), Giáo trình Logic mờ và ứng dựng, Nxb Đại học Huế, Huế
Nguyễn Cát Hồ và Trần Thái Sơn (1995) đã nghiên cứu về khoảng cách giữa các giá trị của biến ngôn ngữ trong đại số gia trị Bài viết được đăng trên Tạp chí Tin học và Điều khiển học, tập 11, số 1, trang 10-20 Nghiên cứu này đóng góp vào việc hiểu rõ hơn về mối liên hệ giữa ngôn ngữ và đại số, mở ra hướng đi mới trong lĩnh vực này.
[4] Nguyễn Thị Phương Hà (2005), Lý huyết điều khiển hiện đại, Nxb Đại học Bách khoa, Hồ Chí Minh
[5] Phan Hiền, Thái Kim Phụng, Logic Mở Và Các Bài Toán Ủng Dụng Trong Lĩnh Vực Tài Chính, Tập San Tin Học Quản Lý Tập 03, số 1&2, 2014, 27-44
[6] Số Tay PCI Hướng Dẫn Sử Dụng Kết Quả Điêu Tra Chỉ Số Năng Lực Cạnh Tranh Cấp Tỉnh Nhằm Cải Thiện Môi Trường Kinh Doanh (2018), Phòng
Thương Mại Và Công Nghiệp Việt Nam Dự Án Chỉ Số Năng Lực Cạnh Tranh
Cấp Tỉnh (PCI), Hà Nội
[7] Vũ Như Lân (2006), Điều khiển sử dụng logic mờ, mạng noron và đại số gia tử, NXB
Khoa học và kỹ thuật
[8] Applying fuzzy logic for decision-making on Wireless Sensor Networksl Luci
Pirmez, Flavia C Delicato, Paulo F Pires, Ana L Mostardinha and Nelson S de Rezende
[9] Bai, S.M and Chen, S.M (2008) Automatically Constructing Concept Maps Based on Fuzzy Rules for Adaptive Learning Systems Expert System with Applications, 35, 41-49 http://dx.doi.org/10.1016/j.eswa.2007.06.013
[10] Nguyen C H., Vu N L., Le X V., (2008), “Optimal hedge-algebras-based controller: Design and application”, Fuzzy Sets and Systems 159, pp 968-989
[11] Timothy J.Ross (2010), Fuzzy Logic with Engineering Applications, McGraw-Hill
[12] Wang L., Zhang T (1999), “Automatic design of fuzzy controllers”, Automatica
Phụ lục 1 trình bày điểm chỉ số thành phần trung bình và điểm PCI trung bình của 63 tỉnh thành trong năm 2018 Bảng xếp hạng này bao gồm các chỉ số quan trọng về chỉ số năng lực cạnh tranh cấp tỉnh (PCI) và các thành phần liên quan, giúp đánh giá hiệu quả môi trường kinh doanh tại các tỉnh Các số liệu này cung cấp cái nhìn tổng quan về sự phát triển kinh tế và mức độ thu hút đầu tư tại từng địa phương trong năm 2018.
Ha Noi 9 65.40 | 8.20 | 5.87 | 5.83 | 7.07 | 5.56 | 4.48 | 5.13 | 7.21 | 7.80 | 5.53 TP.HCM| 10 | 65.34 | 7.31 | 5.43 | 6.28 | 7.04 | 5.50 | 5.71 | 5.45 | 7.64 | 6.98 | 5.10 Can Tho} 11 64.98 | 7.07 | 7.19 | 5.85 | 7.56 | 6.50 | 5.69 | 5.58 | 6.78 | 6.86 | 5.93 Lào Cai | 12 | 64.63 | 7.33 | 5.99 | 6.22 | 6.87 | 6.27 | 6.33 | 6.67 | 6.27 | 6.39 | 7.99
Thanh Xếp | PCI |CSTP| CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP an" Thang| 2018 | 1 2 3 4 5 6 7 8 9 | 10 pho
Thanh Xếp | PCI |CSTP| CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP | CSTP an" Thang| 2018 | 1 2 3 4 5 6 7 8 9 | 10 pho