Mạng Anfis và ứng dụng cho dự báo thời tiết khu vực miền núi phía Bắc

i ĐẠI HỌC THÁI NGUYÊN ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG NGUYỄN TUYẾT LAN MẠNG ANFIS VÀ ỨNG DỤNG CHO DỰ BÁO THỜI TIẾT KHU VỰC MIỀN NÚI PHÍA BẮC LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH GVHD: TS LÊ BÁ DŨNG THÁI NGUYÊN 2015 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ ii LỜI CAM ĐOAN Tên là: Nguyễn Tuyết Lan Lớp: Cao học K12A Khóa học: 2013 - 2015 Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 60 48 01 Cơ sở đào tạo: Trƣờng Đại học Công nghệ thông tin Truyền thông Thái Nguyên Giáo viên hƣớng dẫn: PGS.TS Lê Bá Dũng Cơ quan công tác: Viện công nghệ thông tin – Viện Hàn lâm Khoa học Công nghệ Việt Nam Tôi xin cam đoan luận văn “Mạng ANFIS ứng dụng cho dự báo thời tiết khu vực miền núi phía Bắc” cơng trình nghiên cứu riêng tơi Các số liệu sử dụng luận văn trung thực, kết nghiên cứu đƣợc trình bày luận văn chƣa đƣợc cơng bố cơng trình khác Thái Nguyên, ngày 12 tháng năm 2015 Học viên Nguyễn Tuyết Lan Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ iii LỜI CẢM ƠN Tôi xin bày tỏ lời cảm ơn chân thành tới tập thể thầy cô giáo Viện công nghệ thông tin - Viện Hàn lâm Khoa học Công nghệ Việt Nam, thầy cô giáo Trƣờng Đại học Công nghệ thông tin truyền thông - Đại học Thái Nguyên tận tình giảng dạy nhƣ tạo điều kiện để học tập nghiên cứu năm học cao học Tôi xin chân thành cảm ơn sâu sắc tới thầy giáo PGS.TS Lê Bá Dũng cho nhiều bảo quý báu, tận tình hƣớng dẫn tạo điều kiện cho tơi hồn thành tốt luận văn tốt nghiệp Quá trình thực đề tài khơng tránh khỏi thiếu sót, mong tiếp tục nhận đƣợc đóng góp ý kiến thầy, cô giáo, bạn đồng nghiệp đề tài nghiên cứu để đề tài đƣợc hồn thiện Tơi xin trân trọng cảm ơn! Thái Nguyên, ngày 12 tháng năm 2015 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ iv MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN iii MỤC LỤC iv DANH MỤC CÁC BẢNG BIỂU vi DANH MỤC CÁC HÌNH VẼ vii DANH MỤC CÁC TỪ VIẾT TẮT ix MỞ ĐẦU CHƢƠNG I MẠNG NƠ-RON NHÂN TẠO VÀ HỆ MỜ 1.1 Cấu trúc mơ hình mạng nơron 1.1.1 Mơ hình nơron nhân tạo 1.1.2 Cấu trúc mạng nơron nhân tạo 1.2 Cấu tạo phƣơng thức làm việc nơron 1.3 Các luật học 1.4 Thuật toán lan truyền ngƣợc 12 1.5 Hệ mờ mạng nơron 13 1.5.1 Các khái niệm logic mờ 13 1.5.2 Suy luận mờ 19 1.5.3 Cấu trúc hệ thống suy luận mờ 22 1.6 Kết luận 31 CHƢƠNG MẠNG ANFIS VÀ KHẢ NĂNG ỨNG DỤNG 32 2.1 Hệ thống suy diễn mờ dựa mạng thích nghi 32 2.1.1 Các mơ hình kết hợp hệ mờ mạng neural 32 2.1.2 Luật mờ if-then hệ suy diễn mờ 32 2.1.3 Cấu trúc mạng ANFIS 33 2.2 Các thuật toán mạng ANFIS 39 2.2.1 Thuật toán học lan truyền ngƣợc 39 2.2.2 Thuật toán học lai 45 2.3 Ứng dụng mạng ANFIS 47 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ v CHƢƠNG III ỨNG DỤNG MẠNG ANFIS CHO BÀI TOÁN DỰ BÁO THỜI TIẾT KHU VỰC MIỀN NÚI PHÍA BẮC 47 3.1 Bài toán dự báo thời tiết 47 3.1.1 Một số khái quát khí hậu, mơi trƣờng tự nhiên 47 3.1.2 Sự cần thiết việc dự báo thời tiết 48 3.2 Ứng dụng mạng ANFIS cho toán dự báo thời tiết khu vực miền núi phía Bắc 50 3.2.1 Thu thập liệu 51 3.2.2 Huấn luyện mạng ANFIS cho dự báo thời tiết khu vực miền núi phía Bắc 53 3.3 Kết dự báo 58 KẾT LUẬN 62 TÀI LIỆU THAM KHẢO 63 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ vi DANH MỤC CÁC BẢNG BIỂU Bảng 2.1: Hai pha thủ tục học lai cho hệ ANFIS 46 Bảng 3.1: Số liệu thu thập trạm khí tƣợng thủy văn năm gần 52 Bảng 3.2 Kết số liệu khảo sát giá trị dự báo 59 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ vii DANH MỤC CÁC HÌNH VẼ Hình 1.1 Mơ hình nơron nhân tạo Hình 1.2 Đồ thị dạng hàm truyền Hình 1.3 Mạng truyền thẳng lớp Hình 1.4 Mơ tả cấu trúc mạng nơ-ron truyền thẳng nhiều lớp Hình 1.5 Mạng hồi quy lớp có nối ngƣợc Hình 1.6 Mạng hồi quy nhiều lớp có nối ngƣợc Hình 1.7: Sơ đồ học tham số có giám sát 10 Hình 1.8: Sơ đồ học tham số khơng có giám sát 11 Hình 1.9: Sơ đồ học tăng cƣờng 11 Hình 1.10: Một số dạng hàm thuộc 15 Hình 1.11: Hàm phụ thuộc tập mờ A 16 Hình 1.12: Các tập mờ điển hình dùng để định nghĩa biến ngôn ngữ tốc độ 17 Hình 1.13: Mơ hình suy luận mờ với luật-một tiền đề 20 Hình 1.14: Mơ hình suy luận mờ luật-nhiều tiền đề 21 Hình 1.15: Mơ hình suy luận mờ hai luật hai tiên đề 22 Hình 1.16: Giải mờ phƣơng pháp cực đại 23 Hình 1.17: Phƣơng pháp giải mờ điểm trọng tâm 24 Hình 1.18 Hệ thống suy luận mờ 25 Hình 1.19 Mơ hình suy diễn mờ Mamdani 27 Hình 1.20 Mơ hình suy luận mờ Tsukamoto 28 Hình 1.21: Hệ suy diễn mờ Takagi- Sugeno 29 Hình 1.22: Mơ hình suy luận mờ Sugeno hai đầu vào đầu 30 Hình 2.1 Lập luận mờ 33 Hình 2.2 Mạng thích nghi 34 Hình 2.3 Kiến trúc mạng ANFIS 37 Hình 2.4: Mạng lớp lan truyền ngƣợc 40 Hình 3.1 Dữ liệu vào bảng 3.1 biểu diễn dƣới dạng đồ thị 55 Hình 3.2: Sơ đồ khối mạng ANFIS 55 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ viii Hình 3.3: Dữ liệu học sau load vào chƣơng trình Error! Bookmark not defined Hình 3.5: Mạng ANFIS đƣợc xây dựng cho huấn luyện liệu để dự báo thời tiết khu vực miền núi phía Bắc 56 Hình 3.6 Hệ luật mờ đƣợc hình thành trình huấn luyện mạng ANFIS 57 Hình 3.6a Hệ luật mờ đƣợc sinh cho huấn luyện mạng 58 Hình 3.6b Mặt suy diễn hệ ANFIS 58 Hình 3.7: Kết dự báo thời tiết 59 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ ix DANH MỤC CÁC TỪ VIẾT TẮT Artificial Neural Network ANN Mạng nơron nhân tạo ANFIS Adaptive Neuro Fuzzy Insference System Hệ suy luận mờ PE Processing Element Phần tử xử lý Takagi – Sugeno – Kang TSK Mơ hình Takagi - Sugeno BP Back Propagation Lan truyền ngƣợc LSE Least Square Error Ƣớc lƣợng sai số bình phƣơng tối thiểu CPI Số hóa Trung tâm Học liệu - ĐHTN Chỉ số giá tiêu dùng http://www.lrc-tnu.edu.vn/ MỞ ĐẦU Mạng nơron nhân tạo (Artificial Neural Network-ANN) nói chung, hệ suy diễn mơ - nơron thích nghi (ANFIS - Adaptive Neural Fuzzy Inference System) nói riêng đƣợc nghiên cứu, ứng dụng mạnh mẽ thành công nhiều lĩnh vực năm gần [6,7] Với trình nhƣ: xấp xỉ phi tuyến, dự báo thị trƣờng chứng khoán, dự báo mô hệ thống điều khiển…đƣợc đƣa ra, giải có kết [1,2,3,4] Các lớp tốn lĩnh vực sử dụng giải theo phƣơng pháp truyền thống nhƣ phƣơng pháp thống kê, quy hoạch tuyến tính [1],… Mạng nơron nhân tạo, mạng ANFIS đƣợc hình thành có nhiều khả vƣợt trội việc tuyến tính hóa, dự báo, phân tích, đánh giá liệu áp dụng thành công cho số lĩnh vực khoa học, kỹ thuật, kinh tế… Quá trình dự báo thời tiết Việt Nam nói chung, khu vực miền núi phía Bắc nói riêng có đặc thù có nhiều cố thiên tai nhƣ: Rét đậm, rét hại, bão, tố, lốc, mƣa đá, sạt lở đất, thời tiết khắc nghiệt, ảnh hƣởng sơng ngịi, mƣa nhiều dẫn đến lũ lụt, hạn hán Để góp sức vào q trình ứng dụng thành tựu công nghệ thông tin dự báo thuỷ văn [9,10], đƣợc gợi ý thầy hƣớng dẫn nhận thấy tính thiết thực vấn đề em chọn đề tài: “Mạng ANFIS ứng dụng cho dự báo thời tiết khu vực miền núi phía Bắc” làm khố luận tốt nghiệp cho luận văn tốt nghiệp mình, Luận văn bao gồm nội dung sau: Chƣơng 1: Mạng Nơron nhân tạo hệ mờ Chƣơng 2: Mạng ANFIS khả ứng dụng Chƣơng 3: Ứng dụng mạng Anfis cho toán dự báo thời tiết khu vực miền núi phía Bắc Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 50 3.2 Ứng dụng mạng ANFIS cho toán dự báo thời tiết khu vực miền núi phía Bắc Dự báo thời tiết cung cấp thông tin quan trọng thời tiết tƣơng lai Có kỹ thuật khác tham gia vào dự báo thời tiết, từ quan sát tƣơng đối đơn giản bầu trời với mơ hình tốn học máy vi tính phức tạp Dữ liệu đƣợc ghi trạm thời tiết trung tâm khí tƣợng bật Gưztepe, İstanbul đƣợc sử dụng để phân tích dự báo áp dụng ANFIS ARIMA, họ đƣợc đánh giá so sánh Một số phƣơng pháp dự báo thời tiết nay: Phƣơng pháp numerical weather prediction: Dự báo cho nhiều quốc gia khoảng thời gian dài từ vài đến vài tháng Phƣơng pháp persistence: Dựa phƣơng pháp NWP, dự báo tƣơng lai gần từ vài phút đến vài Phƣơng pháp Statistical and neural networks: Dự báo thời gian ngắn vài phút đến giờ, kết xác thời gian dự báo xong Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 51 3.2.1 Thu thập liệu Để dự báo đƣợc độ ẩm cho tỉnh khu vực miền núi phía Bắc, cần thu thập đầy đủ liệu nhiệt độ cao nhất, nhiệt độ thấp nhất, áp suất, lƣợng mƣa, độ ẩm thời gian gần Trên thực tế, liệu sử dụng cho luận văn đƣợc thu thập vài trạm thủy văn vài tỉnh khu vực miền núi phía Bắc số liệu gần năm, gồm 639 ghi liệu, ghi đại diện cho ngày năm Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 52 Bảng dƣới liệt kê 30 liệu từ dòng thứ 100 đến dòng thứ 129 Nhiệt độ cao (độ C) 30,4 29,8 28,5 30 32,4 29,7 30,2 31,4 30,6 30,7 32,6 33,3 31,2 29 33 31,2 32,3 27,3 26,9 25,7 26 27,7 30,2 31,4 29,4 25,7 25,4 26,3 20,6 21,1 Nhiệt độ thấp (độ C) Áp suất (mm atm) Lƣợng mƣa (mm) Độ ẩm (%) 18,4 16,8 17,5 18 20,4 19,7 17,2 19,4 19,6 17,7 20,6 19,3 17,2 16 21 19,2 20,3 17,3 14,9 13,7 15 16,7 17,2 17,4 17,4 12,7 12,4 15,3 16,8 20,6 1009,9 1009,3 1009,2 1011,5 1011,3 1010,5 1008,6 1008,5 1009,1 1007,7 1008,3 1007,1 1010,9 1007,6 1005,7 1007,2 1007,9 1014,2 1015,3 1012,7 1011,3 1011 1013,1 1011,5 1009 1016 1015,9 1011,7 1006,8 1001,4 0 0,2 0 0 0 0 0,2 1,6 0,1 0,1 0,1 11,6 10,5 12,8 0 0,4 26,1 0 0 93 88 93 86 87 85 86 89 87 88 82 77 90 92 91 89 87 92 88 91 84 82 77 84 86 86 82 86 80 79 Bảng 3.1: Số liệu thu thập trạm khí tƣợng thủy văn năm gần Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 53 3.2.2 Xây dựng hệ luật Mơ hình mờ mạng Anfis mơ hình mờ Sugeno Tập giá trị đầu vào đƣợc phân bổ hình chng, biến ngơn ngữ Nhiệt độ cao nhất, Nhiệt độ thấp nhất, Lượng mưa, Áp suất có tập giá trị mờ Cao, Trung bình, Thấp Do vậy, tổng cộng có 3*3*3*3 = 81 luật đƣợc sinh ra, luật có dạng nhƣ sau: R1: If Nhiệt độ cao is Cao and Nhiệt độ thấp is Thấp and Lượng mưa is Cao and Áp suất is Thấp then Độ ẩm = f(Nhiệt độ cao nhất, Nhiệt độ thấp nhất, Lƣợng mƣa, Áp suất) Hình dƣới thể cách hệ luật đƣợc áp dụng mạng Anfis 3.2.2 Huấn luyện mạng ANFIS cho dự báo thời tiết khu vực miền núi phía Bắc Trong q trình huấn luyện mạng ANFIS thơng số cần quan tâm là: - Số hàm thuộc cho đầu vào (số giá trị ngôn ngữ) - Đầu mạng ANFIS - Số bƣớc huấn luyện (epoch number) - Mục tiêu sai số huấn luyện - Độ lớn bƣớc nhảy Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 54 - Tốc độ bƣớc nhảy tăng hay giảm Một số thông số khác sử dụng liệu kiểm tra sai số trình huấn luyện Các liệu kiểm tra đƣợc sử dụng để kiểm soát lỗi (sự khác biệt liệu thu thập dự báo) Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 55 Hình 3.1 Dữ liệu vào bảng 3.1 biểu diễn dƣới dạng đồ thị Sơ đồ khối cho ANFIS thấy hình 3.2 ANFIS Mạng Vào Mờ hóa Cơ sở trí nơron thức nhân tạo Ra Giải mờ Cơ sở luật Hình 3.2: Sơ đồ khối mạng ANFIS Chƣơng trình mơ đƣợc viết Matlab, có sử dụng số thƣ viện có sẵn Matlab để rút ngắn thời gian nghiên cứu Tồn liệu thu thập đƣợc chuẩn hóa làm liệu đầu vào cho chƣơng trình Tiến hành cấu hình cho mạng ANFIS, tổng số giá trị đầu vào 4, giá trị đầu vào có hàm thuộc, sử dụng thuật toán học lai gbell, kiểu hàm thuộc linear Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 56 Quá trình huấn luyện đƣợc chạy qua 30 bƣớc lặp đạt đến độ ổn định sai số, sai số trung bình là: 3.9318 Hình 3.4: Kiểm tra sai số trình huấn luyện mạng Hình 3.5: Mạng ANFIS đƣợc xây dựng cho huấn luyện liệu để dự báo thời tiết khu vực miền núi phía Bắc Các luật sinh từ tập liệu đầu vào Có tất 81 luật Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 57 Hình 3.6 Hệ luật mờ hình thành trình huấn luyện mạng ANFIS Trên hình 3.6 hệ luật mờ đƣợc hình thành cho huấn luyện mạng ANFIS hình 3.5 Hệ luật với đầu vào đầu đƣợc mờ hóa từ bảng liệu 3.1 hay đồ thị hình 3.1 Các giá trị ngữ nghĩa đƣợc mờ hóa NB, ZO, PB Hệ luật với 81 luật đƣợc sử dụng trình huấn luyện mạng Các giá trị ngữ nghĩa sử dụng hàm thuộc Gbellmenbeship, Hình 3.6, 3.6a Ở gọi hệ luật mờ hay nhƣ Hình 3.2 hệ sở luật Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 58 Hình 3.6a Hệ luật mờ đƣợc sinh cho huấn luyện mạng Trong trình huấn luyện mạng ANFIS sai số q trình huấn luyện, điều cho thấy việc xấp xỉ hàm dự báo đảm bảo yêu cầu mô hình ANFIS thể đƣợc hành vi liệu huấn luyện nhƣ liệu kiểm tra Trên hình 3.4 biểu diễn kiểm tra sai số với 30 bƣớc lặp cho huấn luyện mạng Hình 3.4 biểu diễn sai số trình huấn luyện Hình 3.6b Mặt suy diễn hệ ANFIS 3.3 Kết dự báo Với việc sử dụng hàm thuộc dạng gbell cho hệ thống mờ mơ hình ANFIS dự báo độ ẩm vùng núi phía Bắc Q trình dự báo đƣợc thể hình 3.7 giá trị thể màu xanh giá trị liệu thu thập, giá trị màu đỏ giá trị dự báo Các kết dự báo có sai lệch tƣơng đối nhỏ so với liệu khảo sát, điều cho thấy mạng ANFIS có khả dự báo tƣơng đối xác cho lĩnh vực dự báo thời tiết Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 59 Hình 3.7: Kết dự báo độ ẩm Nhƣ với đầu vào khảo sát (nếu có hội tăng số đầu vào lên việc đánh giá dự báo thực tế hơn) Để dễ quan sát, tách riêng 30 ghi, từ ghi thứ 100 đến 130 đƣợc thể bảng 3.2 liệu mô dạng biểu đồ đƣợc thể hình 3.8 Bảng 3.2 Kết số liệu khảo sát giá trị dự báo Độ ẩm khảo sát 93.0 88.0 93.0 86.0 87.0 Số hóa Trung tâm Học liệu - ĐHTN Độ ẩm dự báo 94.0 84.0 90.0 81.0 90.0 http://www.lrc-tnu.edu.vn/ 60 85.0 86.0 89.0 87.0 88.0 82.0 77.0 90.0 92.0 91.0 89.0 87.0 92.0 88.0 91.0 84.0 82.0 77.0 84.0 86.0 86.0 82.0 86.0 80.0 79.0 Số hóa Trung tâm Học liệu - ĐHTN 85.0 83.0 90.0 93.0 80.0 81.0 76.0 91.0 93.0 90.0 88.0 83.0 90.0 86.0 89.0 89.0 84.0 75.0 85.0 83.0 86.0 81.0 87.0 88.0 80.0 http://www.lrc-tnu.edu.vn/ 61 Hình 3.8: Kết dự báo độ ẩm Hình 3.9: Kết dự báo nhiệt độ Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 62 KẾT LUẬN Trong luận văn đề cập đến vấn đề nghiên cứu rộng rãi, hệ suy diễn mờ sở mạng thích nghi (ANFIS), hệ đƣợc ứng dụng nhiều thực tế, đặc biệt lĩnh vực nhƣ dự đoán, phân lớp, Dự đốn trƣớc tình hình thời tiết tỉnh khu vực miền núi phía Bắc, nhiên để tìm định xác ln nhiệm vụ khó khăn để tiếp cận đến kỹ thuật luận văn thực đƣợc: + Nghiên cứu lý thuyết mạng Nơron bao gồm loại mạng, kiến trúc chúng, thuật tốn luyện mạng, phân tích đƣợc khả hoạt động chúng Nghiên cứu lý thuyết lôgic mờ, hệ mờ thƣờng gặp nhằm làm sáng tỏ trình suy luận hệ mờ thực tế để áp dụng xây dựng hệ mờ cho dự báo thời tiết + Nêu rõ cấu trúc mạng ANFIS, thuật toán huấn luyện ứng dụng rộng lớn thực tế đặc biệt toán dự báo thời tiết + Khái quát kiến thức dự báo, toán dự báo thời tiết khu vực miền núi phía Bắc + Xây dựng mơ hình mạng ANFIS cho toán dự báo thời tiết khu vực miền núi phía Bắc + Thu thập liệu, tiền xử lý liệu phục vụ việc huần luyện kiểm tra + Cài đặt mơ hình mạng ANFIS mơi trƣờng matlab Chƣơng trình thực nghiệm chạy cho kết dự đốn xác Để có kết dự báo xác hƣớng nghiên cứu là: + Thời gian tới tiếp tục nghiên cứu xây dựng hệ ANFIS có nhiều đầu + Phân tích liệu loại bỏ mẫu liệu cực đoan để có đƣợc tập liệu tốt phục vụ huấn luyện + Trong tƣơng lai để hồn thiện tốt trình dự báo đề tài cập nhập liệu thời tiết nhiều trạm khí tƣợng thủy văn luận văn làm tài liệu giúp ích tốt cho cán làm cơng tác dự báo khí tƣợng thủy văn Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 63 Do thời gian lực cịn hạn chế, kính mong bảo đóng góp ý kiến Thầy, Cô Bạn để luận văn đạt kết tốt TÀI LIỆU THAM KHẢO * Tiếng Việt [1] Lê Bá Dũng, Bài giảng mạng Nơron ứng dụng lớp Cao học Thái Nguyên, 2013 [2] Nguyễn Nhƣ Hiền, Lại Khắc Lãi, Hệ mờ Nơron kỹ thuật điều khiển, NXB khoa học tự nhiên công nghệ, 2007 [3] Bùi Cơng Cƣờng, Nguyễn Dỗn Phƣớc, Hệ thống mạng Nơron mờ ứng dụng, NXB Khoa học Cơng nghệ, 2006 [4] Phan Xn Minh, Nguyễn Dỗn Phƣớc, Lý thuyết điều khiển mờ, NXB Khoa học kỹ thuật, 2002 * Tiếng Anh [5] P Bonissone, K Goebel, “When will it break? A Hybrid Soft Computing Model to Predict Time-to-break Margins in paper machine’s”, in Proc SPIE 7th Annual Meeting, Int Symp Optical Science and Technology, 4787, 5364, 2002 [6] J.M Liu, R Chen, L.M Liu, J.L Harris, “ A semiparametric time series approach in modeling hourly electricity loads”, Journal of Forecasting, vol 25, pp 537−559, 2006 [7] L.J Soares, M.C Medeiros , “Modeling and forecasting short-term electricity load: a comparison of methods with an application to Brazilian data”, International Journal of Forecasting, vol 24, pp 630−644, 2008 [8] O.E Dragomir, R Gouriveau, F Dragomir, E Minca, “Review of the prognosis problem in academicals and industrial area of interest”, in Proc European Control Conference 2009- ECC’09, 23-26 August Budapest, Hungary, 2009 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 64 [9] L Rutkowski, Flexible neuro-fuzzy systems structure, learning and performance, Kluwer Aca-demic Pub., 2004 [10] J.S.R.Jang,C.I Sun and E.Mizutani, Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence, Prentice-Hall, NJ, 1997 [11] C.T.Lin and C.S.G Lee, Neural Fuzzy Systems, Prentice Hall, London, 1996 [12] Weather Forecasting Using ANFIS and ARIMA MODELS A Case Study for Istanbul [13] Prediction of River Water Quality by Adaptive Neuro Fuzzy Inference System * Trang web [10] tailieu.vn [11] http://www.ebook.edu.vn/ [12] http://www.amazon.com Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ ... việc dự báo thời tiết 48 3.2 Ứng dụng mạng ANFIS cho toán dự báo thời tiết khu vực miền núi phía Bắc 50 3.2.1 Thu thập liệu 51 3.2.2 Huấn luyện mạng ANFIS cho dự báo. .. http://www.lrc-tnu.edu.vn/ v CHƢƠNG III ỨNG DỤNG MẠNG ANFIS CHO BÀI TOÁN DỰ BÁO THỜI TIẾT KHU VỰC MIỀN NÚI PHÍA BẮC 47 3.1 Bài toán dự báo thời tiết 47 3.1.1 Một số khái quát... Ứng dụng mạng Anfis cho tốn dự báo thời tiết khu vực miền núi phía Bắc Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ CHƢƠNG I MẠNG NƠ-RON NHÂN TẠO VÀ HỆ MỜ 1.1 Cấu trúc mơ hình mạng