Xác định độ dài khoảng trong mô hình dự báo chuỗi thời gian mờ

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG NGUYỄN NGỌC LINH XÁC ĐỊNH ĐỘ DÀI KHOẢNG TRONG MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên– 2016 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG NGUYỄN NGỌC LINH XÁC ĐỊNH ĐỘ DÀI KHOẢNG TRONG MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ Chuyên ngành : Khoa học máy tính Mã số : 60 48 0101 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC:TS Nguyễn Công Điều Thái Nguyên – 2016 LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu riêng Các số liệu, kết quảnêu luận văn trung thực chưa công bố công trình khác Tác giả luận văn Nguyễn Ngọc Linh i MỤC LỤC Trang Trang phụ bìa MỤC LỤC i MỞ ĐẦU CHƯƠNG 1: CÁC KIẾN THỨC CƠ BẢN VỀ TẬP MỜ, CHUỖI THỜI GIAN VÀ CHUỖI THỜI GIAN MỜ 1.1 Lý thuyết tập mờ [1] 1.1.1 Tập mờ 1.1.2 Các phép toán tập mờ 1.2 Các quan hệ suy luận xấp xỉ, suy diễn mờ [1] 1.2.1 Quan hệ mờ 1.2.2 Suy luận xấp xỉ suy diễn mờ 1.2.3 Bộ mờ hoá 10 1.2.4 Hệ luật mờ 11 1.2.5 Động suy diễn 11 1.2.6 Bộ giải mờ 12 1.3 Chuỗi thời gian trình ngẫu nhiên 13 1.3.1 Khái niệm chuỗi thời gian trình ngẫu nhiên 13 1.3.2 Hàm tự tương quan 14 1.3.3 Quá trình ARMA 15 1.4 Các khái niệm chuỗi thời gian mờ 19 1.4.1 Các định nghĩa 19 1.4.2 Một số mô hình chuỗi thời gian mờ 21 CHƯƠNG 2: CÁC PHƯƠNG PHÁP CHIA KHOẢNG CỦA HUARNG 25 2.1 Phương pháp tính độ dài phân bố 25 2.2 Phương pháp tính độ dài dựa mức trung bình 28 2.3 Phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ 29 ii CHƯƠNG 3: TÍNH TOÁN THỬ NGHIỆM VÀ CÁC ĐÁNH GIÁ 32 3.1 Tính toán thử nghiệm 32 3.2 Đánh giá phương pháp chia khoảng 59 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 61 PHỤ LỤC 63 iii DANH MỤC HÌNH VẼ, BẢNG BIỂU, ĐỒ THỊ Hình 1.1 Giao hai tập mờ có không gian Hình 1.2 Hợp hai tập mờ có không gian Bảng 1.1 Một số phép kéo theo mờ thông dụng Hình 1.3.Hình vẽ biểu diễn theo biểu đồ sagital Hình 1.4 Số lượng hàng hóa bán siêu thị 13 Bảng 2.1 Cơ sở ánh xạ 26 Bảng 2.2 Bảng sở 29 Bảng 3.1 Bảng số liệu số tiêu dùng nước tháng từ 32 năm 1995 đến năm 2014 32 Bảng 3.2 Bảng tính hiệu số tuyệt đối theo phương pháp tính độ dài phân bố33 Bảng 3.3 Bảng tính số lượng hiệu số sai phân bậc theo phương pháp tính độ dài phân bố 34 Bảng 3.4 Bảng mờ hóa nhóm mối quan hệ mờ 35 Bảng 3.5 Giải mờ kết dự báo theo phương pháp tính độ dài phân bố 36 Bảng 3.6 Bảng mờ hóa nhóm mối quan hệ mờ 38 Bảng 3.7 Giải mờ kết dự báo tính độ dài dựa mức trung bình 38 Bảng 3.8 Kết tính toán khác biệt tương đối cho tuyệt đối 39 Bảng 3.9 Kết tính thứ tự ri 39 Bảng 3.10 Mối quan hệ mờ nhóm mối quan hệ mờ 41 Bảng 3.11 Kết dự báo theo phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ 41 Bảng 3.12 So sánh phương pháp chia khoảng 42 Đồ thị 3.1 So sánh kết dự báo số giá tiêu dùng nước tháng từ năm 1995 đến năm 2014 43 Bảng 3.13 Bảng số liệu số Vn-index tháng tháng 10 năm 2015 44 iv Bảng 3.14 Bảng tính hiệu số tuyệt đối theo phương pháp tính độ dài phân bố 45 Bảng 3.15 Bảng tính số lượng hiệu sai số phân bậc theo phương pháp tính độ dài phân bố 46 Bảng 3.16 Bảng mờ hóa nhóm mối quan hệ mờ 47 Bảng 3.17 Kết dự báo theo phương pháp tính độ dài phân bố 48 Bảng 3.18 Mờ hóa nhóm mối quan hệ mờ 50 Bảng 3.19 Kết dự báo theo phương pháp tính độ dài mức trung bình 50 Bảng 3.20 Kết tính toán khác biệt tương đối cho tuyệt đối 52 Bảng 3.21 Bảng kết tính thứ tự ri 53 Bảng 3.22 Bảng thiết lập mối quan hệ mờ nhóm mối quan hệ mờ 55 Bảng 3.23 Kết dự báo phương pháp tính độ dài khoảng thời gian 55 dựa theo tỷ lệ 55 Bảng 3.24 Bảng so sánh kết dự báo phương pháp chia khoảng 56 Hình 3.2 Đồ thị so sánh kết dự báo số VN-index với giá trị thực 58 -1 MỞ ĐẦU Chuỗi thời gian công cụ xử lý liệu hữu hiệu thống kê.Mô hình sử dụng rộng rãi để phân tích chuỗi thời gian thống kê mô hình ARMA Box-Jenkins đề xuất Tuy nhiên thực tế có nhiều chuỗi số liệu không thoả mãn tính chất để xử lý công cụ thống kê mô hình ARMA Do cần có công cụ để xử lý trường hợp đặc trưng Mô hình chuỗi thời gian mờ công cụ phát triển nhằm đáp ứng nhu cầu Chuỗi thời gian mờ mô hình chuỗi thời gian mờ bậc Song Chissom [9] phát triển từ năm 1993 Sau công trình này, nhiều báo nhiều tác giả khác tiếp tục dựa ý tưởng để dự báo chuỗi thời gian ứng dụng nhiều lĩnh vực khác dự báo dân số, tài chính, nhiệt độ, nhu cầu điện, vv Sự phát triển mô hình chuỗi thời gian mờ có tiến vượt bậc năm 1996 Chen [10] đưa phương pháp đơn giản hữu hiệu so với phương pháp Song Chissom cách sử dụng phép tính số học thay phép tính hợp max-min phức tạp xử lý mối quan hệ mờ Phương pháp Chen làm giảm nhiều độ phức tạp thuật toán Nhiều công trình sử dụng cách tiếp cận để dự báo cho chuỗi thời gian Huarng sử dụng thông tin có trước tính chất chuỗi thời gian mức độ tăng giảm để đưa mô hình heuristic chuỗi thời gian mờ Để nâng cao hiệu độ xác thuật toán, năm gần có hàng loạt công trình đưa nhiều kỹ thuật khác Những công cụ lý thuyết tính toán mềm, khai phá liệu, mạng nơ ron giải thuật tiến hoá, tối ưu bầy đàn đưa vào sử dụng Một hướng phát triển sử dụng mối quan hệ mờ bậc cao mô hình -2 chuỗi thời gian mờ.Chen [11] tiếp tục người đầu xây dựng thuật toán để xử lý mối quan hệ mờ bậc cao Các công trình Chen đề cập đến khái niệm mô hình chuỗi thời gian mờ hai nhân tố kết hợp với mối quan hệ logic mờ bậc cao Sau hướng số tác giả khác tiếp cận ứng dụng công trình Năm 2001 Huarng ý đến vai trò việc phân khoảng mô hình chuỗi thời gian mờ Ông nhận xét rằng: nhiều nhà khoa học cho thấy cách phân chia khoảng có ảnh hưởng lớn đến độ xác thuật toán Nếu phân khoảng có độ dài lớn số phép tính giảm có phân tán kết quả, chia khoảng nhỏ ý nghĩa dự báo.Các tác giả có đề xuất nhiều cách khác để phân khoảng chia ngẫu nhiên, dựa vào giá trị trung bình, dựa vào phân bố hay dựa vào mật độ phân bố.Mỗi phương pháp sử dụng trường hợp khác cho kết tốt so với phương pháp truyền thống.Như thấy rõ ảnh hưởng phương pháp chia khoảng đến kết dự báo.Ngoài có số công trình khác đề xuất thêm thuật toán chia khoảng khác báo [2], [5],[6] Dự báo chuỗi thời gian sử dụng mô hình chuỗi thời gian mờ có số bước sau: Xác định tập nền, phân chia tập thành khoảng, Mờ hoá giá trị lịch sử, Xác định mối quan hệ mờ, Dự báo cuối giải mờ Vấn đề tính độ dài khoảng phân chia tập thuật toán có ảnh hưởng lớn đến độ xác mô hình dự báo Đã xuất nhiều phương pháp tính độ dài khoảng tác giả khác Mặc dù thuật toán có ảnh hưởng khác đến kết dự báo Nghiên cứu ảnh hưởng cách chọn khoảng thuật toán khác đến độ xác dự báo chuỗi thời gian toán lý thú cần có đánh giá tổng kết phép phân chia để sử dụng nhiều toán khác Chính lý này, em lựa chọn -3 đề tài “Xác định độ dài khoảng mô hình dự báo chuỗi thời gian mờ” làm đề tài cho luận văn tốt nghiệp Nội dung luận văn có cấu trúc sau: Chương 1: Các kiến thức tập mờ, chuỗi thời gian chuỗi thời gian mờ Chương 2: Các phương pháp chia khoảng Huarng Chương 3: Tính toán thử nghiệm đánh giá Luận văn em hoàn thành hướng dẫn tận tình TS Nguyễn Công Điều, em xin bày tỏ lòng biết ơn chân thành thầy Em xin chân thành cảm ơn thầy cô giáo Viện Công nghệ thông tin, trường Đại học Công nghệ thông tin Truyền thông tham gia giảng dạy, giúp đỡ em suốt trình học tập nâng cao trình độ kiến thức Mặc dù có nhiều cố gắng hoàn thiện luận văn tất nhiệt huyết lực mình, nhiên luận văn tránh khỏi thiếu sót, em mong nhận đóng góp quý thầy cô bạn./ -53 Bảng 3.21 Bảng kết tính thứ tự ri Giá trị thực 562.3 554.3 556.8 554.9 566.7 572.3 520.7 566.7 562.2 563.3 564.1 562.5 566.3 532 573.2 552 570.3 570.4 564.9 550.4 562.6 ri (%) Tính thứ Giá trị tự ri thực 1.42 0.45 0.34 2.13 0.99 9.02 8.83 0.79 0.2 0.14 0.28 0.68 6.06 7.74 3.7 1.5 1.8 0.96 2.57 2.22 25 15 12 31 21 40 39 19 10 17 37 38 35 26 28 20 34 32 563.5 562.3 570 581.3 579.6 586.8 600.1 592.1 590.8 590 534 593 594.6 590.5 590.2 578.6 601.7 598.6 598.4 596.2 605.2 607.4 ri (%) Tính thứ tự ri 0.16 0.21 1.37 1.98 0.29 1.24 2.27 1.33 0.22 0.14 9.49 11.05 0.27 0.69 0.05 1.97 3.99 0.52 0.03 0.37 1.51 0.36 24 30 11 22 33 23 41 42 18 29 36 16 14 27 13 Bước 4: Tính độ dài khoảng thời gian:chọn giá trị vị trí thứ 40%: 0.68% Bước 5: Chia khoảng, Truncate (520) = 5.2 x 102 b’ = b-1 = -54 initial = a.b’ = 5.1 x 102 upper0 = initial = 5.1 x 102 upper1=(1+0.68%)* 510 = 513.47 upper2 = (1+0.68%)2*510 = 516.96 upper3= (1+0.68%)3*510 = 520.47 ……………………………………… upper26=(1+0.68%)26 *510 = 608.27 upper27 = (1+0.68%)27*510 = 610 Như vậy, tập U chia thành 27 khoảng từ u1, u2, , u27với độ rộng 0.09%, khoảng là: u1 =[510, 513.47] u10 =[542.07, 545.76] u19 =[576.17,580.08] u2 =[513.47, 516.96] u11 =[545.76, 549.47] u20 =[580.08,584.03] u3 =[516.96, 520.47] u12 =[549.47, 553.21] u21 =[584.03, 588] u4 =[520.47, 524.01] u13 =[553.21,556.97] u22 =[588, u5 =[524.01, 527.08] u14 =[556.97,560.76] u23 =[592 , 596.02] u6 =[527.08, 531.16] u15 =[560.76, 564.57] u24 =[596.02,600.08] u7 =[531.16, 534.78] u16 =[564.57, 568.41] u25 =[600.08,604.16] u8 =[534.78, 538.41] u17 =[568.41, 572.27] u26 =[604.16,608.27] u9 =[538.41, 542.07] u18 =[572.27, 576.17] u27=[608.27, 592] 610] Bước 6: Xác định tập mờ hàm mờ khoảng chia Trong bước ta xác định lại tập mờ Ai tương ứng với khoảng gán lại giá trị ngôn ngữ cho tập mờ Các tập mờ Ai với i=1,2, ,27 định nghĩa thông qua hàm thuộc để đơn giản có dạng hình nón nhận giá trị 0, 0.5 và viết sau: A1 = 1/u1 + 0.5/u2 + 0/u3 + + 0/u27 A2 = 0.5/u1 + 1/u2 + 0.5/u3 + + 0/u27 -55 A3 = 0/u1 + 0.5/u2 + 1/u3 + 0.5/u4 + + 0/u27 A26= 0/u1 + 0/u2 + + 0.5/u25 + 1/u26 + 0.5/u27 A27 = 0/u1 + 0/u2 + + 0/u25 + 0.5/u26+ 1/u27 Bước7: Mờ hoá giá trị chuỗi thời gian, thiết lập mối quan hệ mờ nhóm mối quan hệ mờ.(Bảng 3.22) Theo định nghĩa phần ta lập chuỗi thời gian mờ tương ứng với tập mờ xác định mối quan hệ mờ thời điểm t =1,2, ,27 Có thể thấy mối quan hệ sau: A15 A13,A13 A13 , A-  A26, A26 A26 24 Nhóm mối quan hệ mờ: Bảng 3.22 Bảng thiết lập mối quan hệ mờ nhóm mối quan hệ mờ A4 A16 A19 A21, A25 A7 A18, A23 A20 A19 A2 A14, A15 A21A25 A13 A13, A16 A14 A17 A15 A13, A15,A16, A,17 A17 A16,A20 A18 A12, A4 A22 A19, A7, A22 A23 A22, A23 A24 A24, A26 A25 A23, A24 A26 A26 Bước8:Giải mờ dựa mối quan hệ mờ thiết lập Kết mờ hóa giá trị chuỗi thời gian thể Bảng 3.23sau: Bảng 3.23 Kết dự báophương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ Giá trị Giá trị Kết Giá trị Giá trị Kết dự thực mờ dự báo thực mờ báo 562.3 A15 563.5 A15 563.64 -56 554.3 556.8 554.9 566.7 572.3 520.7 566.7 562.2 563.3 564.1 562.5 566.3 532 573.2 552 570.3 570.4 564.9 550.4 562.6 A13 A13 A13 A16 A18 A4 A16 A15 A15 A15 A15 A16 A7 A18 A12 A14 A17 A16 A12 A15 563.64 560.79 560.79 560.79 555.29 536.79 566.49 555.29 563.64 563.64 563.64 563.64 555.29 584.11 536.79 560.76 570.34 574.27 555.29 560.76 562.3 570 581.3 579.6 586.8 600.1 592.1 590.8 590 534 593 594.6 590.5 590.2 578.6 601.7 598.6 598.4 596.2 605.2 607.4 A15 A17 A20 A19 A21 A25 A23 A22 A22 A7 A23 A23 A22 A22 A19 A25 A24 A24 A24 A26 A26 563.64 563.64 574.27 578.13 594.06 602.12 596.03 592.005 567.03 567.03 584.11 592.005 592.005 567.03 567.03 594.06 596.03 602.13 602.13 602.13 606.21 Bước 9:Phương pháp chia khoảng dựa giá trị trung bình cho số MSE: 106.0797  So sánh kết dự báo phương pháp chia khoảng Huarng phương pháp Chen cho toán số Vn – Index kết Bảng 3.24 Bảng 3.24 Bảng so sánh kết dự báo phương pháp chia khoảng Ngày tháng Giá trị thực tế Phương pháp Chen Phương pháp tính độ dài phân bố Phương pháp tính độ dài dựa mức trung bình Phương pháp tính độ dài khoảng thời gian dựa theo tỷ -57 lệ 01/09/2015 03/09/2015 04/09/2015 07/09/2015 08/09/2015 09/09/2015 10/09/2015 11/09/2015 14/09/2015 15/09/2015 16/09/2015 17/09/2015 18/09/2015 21/09/2015 22/09/2015 23/09/2015 24/09/2015 25/09/2015 28/09/2015 29/09/2015 30/09/2015 01/10/2015 02/10/2015 05/10/2015 06/10/2015 07/10/2015 08/10/2015 09/10/2015 12/10/2015 13/10/2015 14/10/2015 15/10/2015 562.3 554.3 556.8 554.9 566.7 572.3 520.7 566.7 562.2 563.3 564.1 562.5 566.3 532 573.2 552 570.3 570.4 564.9 550.4 562.6 563.5 562.3 570 581.3 579.6 586.8 600.1 592.1 590.8 590 534 557.5 560 560 560 557.5 567 565 557.5 557.5 557.5 557.5 557.5 557.5 585 567 560 557.5 567 557.5 560 557.5 557.5 557.5 567 590 567 590 600 577.5 577.5 577.5 564.8 562 562 562 559.76 547.0667 567.6 559.76 564.8 564.8 564.8 564.8 559.76 584.4 547.0667 562 564.8 547.0667 559.76 562 564.8 564.8 564.8 559.76 588.1333 588.1333 601.2 595.6 567.6 567.6 567.6 563.4 562 555 562 554.3 543.8 566.2 554.3 563.4 563.4 563.4 563.4 554.3 574.6 552.2 560.6 571.8 543.8 554.3 563.4 563.4 563.4 563.4 580.2 583 583 599.8 596.0667 568.0667 568.0667 568.0667 563.645 560.79 560.79 560.79 555.2975 536.79 566.49 555.2975 563.645 563.645 563.645 563.645 555.2975 584.115 536.79 560.76 570.34 574.275 555.2975 560.76 563.645 563.645 563.645 574.275 578.13 594.065 602.12 596.03 592.005 567.0333 567.0333 -58 16/10/2015 19/10/2015 20/10/2015 21/10/2015 22/10/2015 23/10/2015 26/10/2015 27/10/2015 28/10/2015 29/10/2015 30/10/2015 MSE 593 594.6 590.5 590.2 567 601.7 598.6 598.4 596.2 605.2 607.4 585 577.5 577.5 577.5 577.5 567 600 577.5 577.5 577.5 600 255.0857 584.4 597.4667 597.4667 567.6 567.6 588.1333 595.6 595.6 595.6 597.4667 606.8 148.0902 594.2 592.8 592.8 568.0667 568.0667 602.6 599.8 596.0667 596.0667 605.4 608.2 116.4229 584.115 592.005 592.005 567.0333 567.0333 594.065 596.03 602.13 602.13 602.13 606.21 106.0797  Đồ thị so sánh kết dự báo phương pháp chia khoảng Huarng với phương pháp Chencho toán số Vn-Index thể đồ thị 3.2 Hình 3.2 Đồ thị so sánh kết dự báo số VN-index với giá trị thực -59 * Nhận xét: Dựa vào bảng kết dự báo số Vn-Index nước tháng tháng 10 năm 2015 phương pháp chia khoảng Huarng bảng 3.24 đồ thị 3.2 Với liệu toán, em sử dụng phương pháp Chen với cách chọn khoảng ngẫu nhiên 10, phương pháp tính độ dài phân bố với cách chọn khoảng 5.6, phương pháp tính độ dài dựa mức trung bình với khoảng2.8, phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ 0.0068.Thông qua số trung bình bình phương (MSE) dễ dàng nhận thấy, phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ cho kết quảMSE nhỏ hơn,đường dự báo đồ thị bám sát giá trị thực mà phương pháp chia khoảng thời gian dựa theo tỷ lệ dự báo tốt phương pháp lại 3.2 Đánh giá phương pháp chia khoảng Sử dụng mô hình chuỗi thời gian mờ với cách phân chia khoảng theo ba phương pháp Huarng Phương pháp tính độ dài phân bố, phương pháp tính độ dài dựa mức trung bình đơn giản để tính toán cải thiện đáng kể kết dự báo chuỗi thời gian mờ; đặc biệt chúng hiệu so với độ dài chọn ngẫu nhiên sử dụng nghiên cứu trước Phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ xác định độ dài phù hợp cho khoảng thời gian Độ dài theo tỷ lệ thích hợp độ dài khoảng thời gian không phản ánh biến đổi bối cảnh khác Nhiều chuỗi thời gian làm thay đổi (tăng giảm) nhiều với bối cảnh lớn, với bối cảnh nhỏ Áp dụng kết tính toán thử nghiệm với toán tính số giá tiêu dùng nướcvà số VN-Index thấychiều dài khoảng thời gian dựa theo tỷ lệ hẳn so mô hình áp dụng độ dài khoảng thời gian dựa phân bố trung bình Điều thể thông qua số trung bình bình phương (MSE) phương pháp tỷ lệ 1/2 số phương pháp chia -60 khoảng dựa Chen Cũng thấy điều thông qua đồ thị kết quả3.1 3.2 đưa Đường dự báo thuật toán sử dụng phương pháp chia khoảng thời gian dựa theo tỷ lệ bám sát với giá trị thực tế Điều chứng tỏ phương pháp chia khoảng dựa theo tỷ lệ cho kết dự báo tốt nhờ phân chia khoảng hợp lý -61 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Kết luận Xác định độ dài khoảng thời gian dự báo chuỗi thời gian mờlà vấn đề có nhiều nghiên cứu tác giả đưa Nhưng làm để phân chia độ dài khoảng không lớn mà không nhỏ Nếu phân độ dài khoảng lớn số phép tính giảm, chuỗi thời gian mờ không mô tả thay đổi giá trị, có phân tán kết Khi độ dài nhỏ ý nghĩa dựa báo chuỗi thời gian mờ bị loại bỏ Vì vậy, Huarng ý việc xác định độ dài khoảng thời gian có vai trò quan trọng Trong luận văn, em trình bày phương pháp chia khoảng Huarng mô hình chuỗi thời gian mờ, sau so sánh phương pháp để tìm phương pháp tối ưu Các phương pháp đề cập đến luận văn em là: Phương pháp tính độ dài phân bố, phương pháp tính độ dài dựa mức trung bình, phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ Áp dụng phương pháp vào hai toán thực tế dựa liệu lấy số giá tiêu dùng nướcvà số VN-Index để kiểm chứng Kết thu sau tính toán cho thấy số phương pháp khả quan Độ xác dự báo nâng lên nhiều so với thuật toán có sử dụng phương pháp chia khoảng trước Hai phương pháp tính độ dài phân bố dựa mức trung bình tính toán sử dụng độ dài hợp lý để cải thiện dự báo chuỗi thời gian mờ Đặc biệt phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ có kết sai số dự báo trung bình bình phương nhỏ so với phương pháp khác Các giá trị cho độ dài khoảng thời gian dựa tỷ lệ nhỏ Tuy nhiên, kết luận với trường hợp cụ thể, kết luận tổng quát phải thực tính toán với nhiều dãy số liệu -62 Việc lựa chọn phương pháp chia khoảng vào thuật toán để dự báo quan trọng định đến toàn kết dự báo Cũng lẽ mà ngày mô hình chuỗi thời gian mờ nhiều tác giả nghiên cứu có nhiều triển vọng ứng dụng nhiều lĩnh vực khoa học kỹ thuật đời sống xã hội Tồn hướng phát triển đề tài Trong luận văn emmới tìm hiểu phương pháp chia khoảng Huarng áp dụng phương pháp vào toán thực tế Để đề tài phát huy tính hiệu cần phải nghiên cứu thêm nhiều thuật toán chia khoảng tác giả khác với nhiều số liệu khác đưa đánh giá tổng quát phương pháp chia khoảng phương pháp tối ưu cho toán chia khoảng mô hình dự báo chuỗi thời gian mờ -63 PHỤ LỤC Trong luận văn “Xác định độ dài khoảng mô hình dự báo chuỗi thời gian mờ”, em sử dụng ngôn ngữ lập trình C# 2015 để tính thử nghiệm cho hai toán số tiêu dùng nước số Vn – Index Chương trình có tính năng: Mở file liệu, lưu liệu, lựa chọn phương pháp chia khoảng, tính toán độ dài khoảng tự động tự điều chỉnh chỉnh độ dài khoảng người dung thiết lập, so sánh phương pháp chia khoảng, tính MSE, biểu đồ dự báo phương pháp,lưu kết tính toán so sánh Đặc biệt chương trình thể tính chi tiết tính toán phương pháp cửa sổ bên phải Giao diện chương trình gồm có:  Chọn liệu thực để tính toán Hình PL1 Chọn liệu đầu vào chọn phương pháp chia khoảng -64  Thực lệnh tính toán phương pháp tính độ dài khoảng kết dự báo: Hình PL2 Kết dự báo  Thực lệnh so sánh phương pháp chia khoảng với giá trị thực: Hình PL3 So sánh phương pháp chia khoảng -65  Thực lệnh xuất biểu đồ dự báo theo phương pháp chia khoảng lựa chọn dạng biểu đồ: Hình PL4.Biểu đồ so sánh   Thực lệnh lưu kết dự báo: Hình PL5 Lưu kết tính toán liệu tệp Excel -66 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Nguyễn Thiện Luận, “Lý thuyết mờ ứng dụng tin học Tập 1.Cơ sở lý thuyết mờ”.NXB Thống kê, 2015 [2] Nguyễn Công Điều, “Một thuật toán cho mô hình chuỗi thời gian mờ heuristic dự báo chứng khoán”, Tạp chí Khoa học Công nghệ, Viện KH&CN Việt Nam , 49 (4) 2011.11-25 [3] Nguyễn Công Điều, “ Nhóm quan hệ mờ phụ thuộc thời gian mô hình chuỗi thời gian mờ” Tạp chí KHCN , Viện Hàn lâm KH CN Việt Nam, 52(6), 2014, 659-672 [4] Nguyễn Thị Kim Loan (2009), “Mô hình chuỗi thời gian mờ dự báo chuỗi thời gian”, Luận văn thạc sỹ công nghệ thông tin, Trường Đại học Công nghệ thông tin truyền thông Thái Nguyên,Thái Nguyên Tiếng Anh [5] E Ergrioglu, et al, “Finding optimal interval length in hight order fuzzy time series”, Expert systems with applications, 37 (2010), pp 5052–5055 [6] I.H.-K Yu, “A refined fuzzy time-series model for forecasting,” Phys A, vol 346, pp 657–681, 2005 [7] K Huarng , “Effective length of interval to improve forecasting in fuzzy time series”, Fuzzy set and Systems, (2001) vol 123, pp 387-394 [8] K Huarng, H-K Yu “Ratio-based lengths of interval to improve fuzzy time series forecasting”, IEEE Transactions on Systems, Man and Cybernetics Part B: Cybernetics, (2006) vol 36(2), pp 328-340 [9] Q Song, B.S Chissom, “Fuzzy Time Series and its Model”, Fuzzy set and system, vol 54, pp 269-277, 1993 -67 [10] S.M Chen, “Forecasting Enrollments based on Fuzzy Time Series,” Fuzzy set and system, vol 81, pp 311-319, 1996 [11] S M Chen, “Forecasting Enrollments based on hight-order Fuzzy Time Series”, Int Journal: Cybernetic and Systems, N.33, pp 1-16, 2002 [12] S M Chen, N.Y Wang, J.S Pan “Forecasting enrollments using automatic clustering techniques and fuzzy logical relationships”, Expert Systems with Applications, 36 (2009) 11070–11076 [...]... KIẾN THỨC CƠ BẢN VỀ TẬP MỜ, CHUỖI THỜI GIAN VÀ CHUỖI THỜI GIAN MỜ Chương 1 giới thiệu các kiến thức cơ bản về tập mờ, chuỗi thời gian và chuỗi thời gian mờ, trình bày về mô hình quy trình trượt ARMA (Autoregressive Moving Average) và một số mô hình chuỗi thời gian mờ 1.1 Lý thuyết tập mờ [1] 1.1.1 Tập mờ Định nghĩa: Cho Ω( Ω ≠ ) là không gian nền, một tập mờ A trên Ω được xác định bởi hàm thuộc (membership... quan đến tỉ lệ của sai phân của chuỗi thời gian Từ đây, nếu lựa chọn độ dài khoảng với tỉ lệ hợp lý với các sai phân của chuỗi thời gian sẽ mô tả hợp lý hơn sự phân tán dữ liệu Từ những lý do trên, Huarng đã đề xuất ba phương pháp chia khoảng trong mô hình chuỗi thời gian mờ Đó là các phương pháp: tính độ dài dựa trên phân bố, độ dài dựa trên mức trung bình và độ dài dựa trên tỉ lệ Em sẽ trình bày chi... được gọi là chuỗi thời gian mờ dừng, còn ngược lại ta có chuỗi thời gian mờ không dừng Định nghĩa 1.11: Giả sử F(t) suy đồng thời từ F(t-1),F(t-2),…,F(t-m) m>0 và là chuỗi thời gian mờ dừng Khi đó mối quan hệ mờ có thể viết được F(t-1),F(t-2),…,F(t-m) F(t) và gọi đó là mô hình dự báo bậc m của chuỗi thời gian mờ Định nghĩa 1.12: Nhóm quan hệ mờ bậc cao Để đơn giản, ta chỉ xét mối quan hệ mờ bậc 2Ai1,Ai2... không có biến động trong dự báo còn khi chiều dài là quá nhỏ, ý nghĩa của chuỗi thời gian mờ sẽ được giảm bớt.Vì vậy, một điểm quan trọng trong việc lựa chọn chiều dài của khoảng thời gian là không nên quá lớn hay quá nhỏ Huarng đã nhận thấy rằng độ phân tán của dữ liệu chuỗi thời gian được phản ánh thông qua hiệu số giữa các giá trị của chuỗi thời gian Do đó các phương pháp tính toán độ dài khoảng chia... tính độ dài phân bố) Bước 9.Tính sai số trung bình bình phương được MSE theo CT 2.1 -29 2.3 Phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ Đặc trưng phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ: Dựa vào tính toán sự khác biệt tương đối cho mỗi sự tuyệt đốiđể xác định các cơ sở MIN trong bảng cơ sở cho trướcsau đó tính số lượng tích lũy ri để xác định độ dài khoảng Phương pháp tính độ. .. sử dụng các phép tính số học đơn giản Mô hình của Chen đã là một cải tiến rất lớn để có thể áp dụng mô hình chuỗi thời gian mờ trong thực tế.Thuật toán của Chen bao gồm một số bước sau: Bước 1 .Xác định tập nền U bao gồm khoảng giá trị của chuỗi thời gian Khoảng này xác định từ giá trị nhỏ nhất fminđến giá trị lớn nhất fmax của chuỗi thời gian: U=[fmin-f1, fmax +f2] trong đó f1,f2 là những giá trị dương... Trong đó biến mờ ji, i  1, n, j  1, m xác định trên không gian nền U, biến mờ Bj, ( j  1, n) xác định trên không gian nền V Để giải bài toán này chúng ta phải thực hiện qua các bước sau: 1 Xác định các tập mờ của các biến đầu vào 2 Xác định độ liên thuộc tại các tập mờ tương ứng 3 Xác định các quan hệ mờ R(A.B)(u,v) 4 Xác định phép hợp thành Tính B’ theo công thức: B’ = A’R(A,B)(u,v) 1.2.3 Bộ mờ. .. bản khi đề xuất mô hình của mình Có khá nhiều vấn đề được đưa ra trao đổi và một trong những vấn đề được bàn luận là vấn đề chia khoảng của tập nền.Đối với mô hình của Song và Chissom và Chen việc lựa chọn độ dài của khoảng là tùy ý sao cho dễ chia.Tuy nhiên sau này, Huarng đã nhận thấy độ của khoảng ảnh hưởng rất lớn đến kết quả dự báo chuỗi thời gian mờ. Nếu chiều dài của khoảng thời gian là quá lớn... chuỗi thời gian mờ Song & Chissom đã đưa ra mô hình chuỗi thời gian mờ đầu tiên vào năm 1993 và Chen đã đề xuất mô hình cải biên năm 1996 Đây là hai mô hình chuỗi thời gian mờ cơ bản, nhất là mô hình của Chen đã được sử dụng liên tục để phát triển các mô hình khác nhau 1.4.2.1 Thuật toán của Song & Chissom [9] Đặc trưng của thuật toán của Song & Chissom sử dụng các phép tính hợp max- min phức tạp trong. .. Bước 6 Xác định các tập mờ và các hàm mờ trên các khoảng đã chia (Cách xác định như bước 6 của thuật toán 2.1 phương pháp tính độ dài phân bố) Bước 7 .Mờ hoá các giá trị của chuỗi thời gian, thiết lập mối quan hệ mờ và nhóm các mối quan hệ mờ (Mờ hóa như bước 7 của thuật toán 2.1 phương pháp tính độ dài phân bố) Bước 8.Giải mờ dựa trên các mối quan hệ mờ được thiết lập (Giải mờ như bước 8 của thuật ... 1.4.2 Một số mô hình chuỗi thời gian mờ Song & Chissom đưa mô hình chuỗi thời gian mờ vào năm 1993 Chen đề xuất mô hình cải biên năm 1996 Đây hai mô hình chuỗi thời gian mờ bản, mô hình Chen sử... tài Xác định độ dài khoảng mô hình dự báo chuỗi thời gian mờ làm đề tài cho luận văn tốt nghiệp Nội dung luận văn có cấu trúc sau: Chương 1: Các kiến thức tập mờ, chuỗi thời gian chuỗi thời gian. .. TẬP MỜ, CHUỖI THỜI GIAN VÀ CHUỖI THỜI GIAN MỜ Chương giới thiệu kiến thức tập mờ, chuỗi thời gian chuỗi thời gian mờ, trình bày mô hình quy trình trượt ARMA (Autoregressive Moving Average) số mô