DSpace at VNU: Một số mô hình dự báo và áp dụng vào ngành điện

DSpace at VNU: Một số mô hình dự báo và áp dụng vào ngành điện tài liệu, giáo án, bài giảng , luận văn, luận án, đồ án,...

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ Đỗ Văn Bình MỘT SỐ MƠ HÌNH DỰ BÁO VÀ ÁP DỤNG VÀO NGÀNH ĐIỆN LUẬN VĂN THẠC SĨ Hà Nội - 2007 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CƠNG NGHỆ Đỗ Văn Bình MỘT SỐ MƠ HÌNH DỰ BÁO VÀ ÁP DỤNG VÀO NGÀNH ĐIỆN Ngành: Công Nghệ Thông Tin Chuyên ngành: Công Nghệ Thông Tin Mã số: 1.01.10 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Đỗ Trung Tuấn Hà Nội - 2007 LỜI CẢM ƠN Trước vào nội dung khố luận, học viên xin bày tỏ lòng biết ơn tới Khoa Công nghệ Thông tin – Trường Đại học Công nghệ, Đại học Quốc Gia Hà Nội, nơi tạo điều kiện thuận lợi cho trình học tập thực khố luận học viên Học viên xin bày tỏ lòng biết ơn lời cảm ơn tới PGS.TS Đỗ Trung Tuấn, người thầy hướng dẫn nhiệt tình giúp đỡ học viên trình thực luận văn Cảm ơn tới thầy giáo ban chủ nhiệm Khoa Công nghệ tạo điều kiện thuận lợi, giúp đỡ học viên để khố luận tốt nghiệp hồn thành, cảm ơn tới bạn bè, người động viên giúp đỡ học viên hồn thành khố luận tốt nghiệp Mặc dù học viên cố gắng thực luận văn với tất nổ lực thân hẳn nhiều thiếu sót hạn chế Kính mong q thầy cơ, bạn bè, đồng nghiệp thơng cảm tận tình bảo để có kết hồn chỉnh tiếp cận vấn đề chặng đường nghiên cứu Xin cảm ơn! Học viên thực Đỗ Văn Bình MỤC LỤC LỜI CẢM ƠN MỤC LỤC MỞ ĐẦU Chƣơng CÁC PHƢƠNG PHÁP DỰ BÁO NHU CẦU 1.1 Giới thiệu 1.2 Các phương pháp dự báo 1.2.1 Các phương pháp dự báo dựa vào phán đoán (Methods Based on Judgment) 10 1.2.2 Các phương pháp yêu cầu thông tin định lượngError! Bookmark not defined 1.3 Lựa chọn phương pháp (Selecting methods) Error! Bookmark not defined 1.3.1 Chọn phương pháp dựa vào dấu hiệu (Choosing a method based on evidence) Error! Bookmark not defined 1.3.2 Kết hợp dự báo (Combining forecasts)Error! Bookmark not defined 1.4 Sự không chắn (uncertainty) Error! Bookmark not defined 1.4.1 Sự khơng chắn dự báo phán đốnError! Bookmark not defined 1.4.2 Sự không chắn dự báo phương pháp định lượngError! Bookmark not defined 1.5 Đạt chấp nhận dự báo Error! Bookmark not defined Chƣơng Error! Bookmark not defined CHUỖI THỜI GIAN VÀ ỨNG DỤNG Error! Bookmark not defined 2.1 Chuỗi thời gian, đại lượng đặc trưng Error! Bookmark not defined 2.1.1 Định nghĩa chuỗi thời gian Error! Bookmark not defined 2.1.2 Dự báo chuỗi thời gian Error! Bookmark not defined 2.1.3.Các đại lượng đặc trưng chuỗi thời gianError! Bookmark not defined 2.2 Một số mơ hình dự báo giản đơn Error! Bookmark not defined 2.2.1 Mơ hình nhân Error! Bookmark not defined 2.2.2 Mơ hình cộng Error! Bookmark not defined 2.3 Mơ hình ARIMA thường Error! Bookmark not defined 2.3.1 Toán tử trễ Error! Bookmark not defined 2.3.2 Chuỗi thời gian dừng .Error! Bookmark not defined 2.3.3 Q trình tuyến tính Error! Bookmark not defined 2.3.4 Quá trình tự hồi qui - AR(p) Error! Bookmark not defined 2.3.5 Quá trình trung bình trượt – MA(q) Error! Bookmark not defined 2.3.6 Quá trình trung bình trượt tự hồi qui ARMA(p,q)Error! Bookmark not defined 2.3.7 Mơ hình tích hợp trung bình trượt tự hồi qui ARIMA(p,d,q)Error! Bookmark not defined 2.3.8 Qui trình xây dựng mơ hình ARIMA (p, d, q)Error! Bookmark not defined 2.3.9 Nguyên tắc tằn tiện Error! Bookmark not defined 2.4 Mô hình ARIMA theo mùa vụ Error! Bookmark not defined 2.4.1.Chuỗi mùa vụ Error! Bookmark not defined 2.4.2 Biến đổi chuỗi mùa vụ thành chuỗi dừng Error! Bookmark not defined 2.4.3.Mô hình tích hợp trung bình trượt tự hồi qui theo mùa vụ ARIMA(p,d,q)x(P,D,Q)s Error! Bookmark not defined 2.5 Ứng dụng mô hình ARIMA theo mùa vụ Error! Bookmark not defined Chƣơng Error! Bookmark not defined NHU CẦU SỬ DỤNG ĐIỆN NĂNG VÀ HƢỚNG ÁP DỤNG MƠ HÌNH NHIỀU BIẾN Error! Bookmark not defined 3.1 Giới thiệu nhu cầu sử dụng điện Error! Bookmark not defined 3.2 Các yếu tố ảnh hưởng nhu cầu điện nguồn liệuError! Bookmark not defined 3.2.1 Các yếu tố ảnh hưởng đến nhu cầu điện năngError! Bookmark not defined 3.2.2 Mơ hình dự báo liệu .Error! Bookmark not defined 3.3 Các kiện gây ảnh hưởng nhu cầu điện thời gian ngắn trung bình…………………… Error! Bookmark not defined 3.3.1 Sự khuyến khích tài .Error! Bookmark not defined 3.3.2 Giảm thuế quan Error! Bookmark not defined 3.3.3 Nhu cầu nhà điện khí hóa Error! Bookmark not defined 3.3.4 Cơ cấu lại ngành điện thị trường điện cạnh tranhError! Bookmark not defined KẾT LUẬN Error! Bookmark not defined TÀI LIỆU THAM KHẢO 13 DANH SÁCH CÁC HÌNH VẼ Hình 1: Cây phân loại phương pháp dự báo Hình 2: Cây lựa chọn phương pháp dự báo…………………………………… 18 Hình 3: Mơ tả đồ thị dự báo theo mơ hình nhân mơ hình cộng…………….…… 27 Hình 4: Đồ thị chuỗi số liệu điện thương phẩm Việt Nam (theo quý)……………… 28 Hình 5: So sánh đồ thị điện thương phẩm dự báo theo mơ hình cộng với số liệu thực tế…………………………………………………………………………………36 Hình 6: So sánh đồ thị điện thương phẩm dự báo theo mơ hình nhân với số liệu thực tế…………………………………………………………………………………37 Hình 7: Đồ thị chuỗi số liệu điện thương phẩm Việt Nam (theo quý) sau sử dụng hàm biến đổi log ………………… ……………………………………………… 69 Hình 8: ACF PACF chuỗi DTP_Log sử dụng phần mềm Eviews………… 70 Hình 9: Kiểm định DF chuỗi DTP_Log sử dụng phần mềm Eviews………… 71 Hình 10: ACF PACF chuỗi DTP1 sử dụng phần mềm Eviews…………… 72 Hình 11: ACF PACF chuỗi DTP2 sử dụng phần mềm Eviews………… 73 Hình 12: Kiểm định DF chuỗi DTP2 sử dụng phần mềm Eviews……… 74 Hình 13: Đồ thị chuỗi số liệu DTP2…………………………………… ………… 74 Hình 14: Ước lượng mơ hình sử dụng phương pháp bình phương nhỏ phần mềm Eviews……………………………………………………………… 75 Hình 15: ACF PACF chuỗi phần dư - sử dụng phần mềm Eviews……… …77 Hình 16: Đồ thị chuỗi dự báo DTP2…………………………………………… .78 Hình 17: Đồ thị chuỗi dự báo so với đồ thị chuỗi số liệu thực…………….… …80 DANH SÁCH CÁC TỪ VIẾT TẮT Từ viết tắt Từ tiếng anh Diễn giải ACF Auto Correllation Function Hàm tự tương quan mẫu ADF Argumented Dickey-Fuller Kiểm định DF AIC/SIC Akaike Information Criteria, Schwarz Information Criteria Tiêu chuẩn thông tin AIC/SIC APE Absolute Percent Error Sai số phần trăm tuyệt đối AR AutoRegression Tự hồi quy ARIMA AutoRegressive Integrated Moving Average Tích hợp trung bình trượt tự hồi quy ARMA AutoRegressive Moving Average Trung bình trượt tự hồi quy MA Moving Average Trung bình trượt MSE mean square error Sai số bình phương trung bình 10 OLS Optimize Least Squares Phương pháp bình phương nhỏ 11 PACF Partial Auto Correllation Function Hàm tự tương quan phần RBF Rule-based forecasting Dự báo dựa quy luật 13 SAR Seasonal AutoRegressive Tự hồi quy theo mùa vụ 14 SARIMA Seasonal AutoRegressive Integrated Moving Average Tích hợp trung bình trượt tự hồi quy theo mùa vụ 15 SMA Seasonal Moving Average Trung bình trượt theo mùa vụ STT 12 MỞ ĐẦU Các toán dự báo thường xuất nhiều lĩnh vực: Kinh tế, lập kế hoạch sản xuất, tài chính, điều tra xã hội…Hầu hết tốn dạng mơ hình hố thường có kích thước lớn, phức tạp, áp dụng nhiều mơ hình lý thuyết Do việc giải tốn đòi hỏi phải lựa chọn mơ hình phù hợp hiệu Việc dự báo đại lượng biến thiên nói chung dự báo nhu cầu nói riêng đóng vai trò quan trọng kinh tế kỹ thuật Chúng giúp cho người định, nhà doanh nghiệp tiên đoán cách khoa học xu hướng phát triển tương lai nhu cầu, thị trường, từ người ta hoạch định sách, phương hướng đầu tư cách đắn Ta lấy ví dụ ngành Điện lực Đó ngành cơng nghiệp dịch vụ có quy mơ lớn, sử dụng thiết bị đắt tiền, đòi hỏi việc đầu tư sở hạ tầng lớn liên tục Vì vậy, để đảm bảo cho việc sử dụng có hiệu thiết bị sở vật chất đầu tư, cần phải tiến hành việc dự báo nhu cầu với mức độ xác tốt Bài toán dự báo đặc biệt quan trọng lĩnh vực Khí tượng - Thủy văn Việc dự báo trước thời tiết nhiệt độ, nắng mưa, lũ lụt giúp ích nhiều cho kinh tế quốc dân phòng tránh thiệt hại to lớn thiên nhiên gây Trong lĩnh vực tài chính, biết trước xu hướng tăng giảm loại tiền tệ hay giá cổ phiếu chắn mang lại nhiều lợi ích cho người v.v Những lĩnh vực có nhu cầu dự báo rộng lớn Có dự báo mang tính chất định tính màu sắc, chất người có dự báo mang tính chất định lượng lượng mưa, sức gió, mực nước sơng hồ, tốc độ phát triển dân số Song với phát triển kỹ thuật số, tất tính chất định tính lượng hóa Thí dụ màu sắc đồng với thị màu “Dự báo” “đốn mò” hai khái niệm khác hẳn Trong “đốn mò” mang tính chất cơng việc thầy bói dự báo phải thơng tin có được, thiết lập mơ hình, thuật tốn để giá trị cần “dự đốn” Nói cách khác đi, dự báo “dự đốn” mang tính chất khoa học, tiếp cận với phương pháp khoa học để dự báo cách có sở Trong khn khổ khố luận tốt nghiệp học viên khơng có tham vọng nghiên cứu tồn diện tất mơ hình dự báo, mà tìm hiểu, so sánh số mơ hình Đồng thời tập trung giải tốn dự báo việc áp dụng mơ hình chuỗi thời gian Hy vọng thời gian tới, lĩnh vực tiếp tục nghiên cứu phát triển để thực trở thành công cụ ứng dụng có hiệu Bố cục luận văn chia làm chương  Chương 1: Các phương pháp dự báo nhu cầu  Chương 2: Chuỗi thời gian ứng dụng  Chương 3: Nhu cầu sử dụng điện mơ hình nhiều biến Chƣơng CÁC PHƢƠNG PHÁP DỰ BÁO NHU CẦU 1.1 Giới thiệu Chúng ta phải nhìn vào thực tế để xác định phương pháp, xem phương pháp có ích cho việc dự báo nhu cầu tình khác để cảnh báo khơng nên sử dụng phương pháp Nhìn chung, nên sử dụng phương pháp thiết kế, tránh tư tưởng trực quan, hội nghị không trọng tâm khai thác thơng tin Trong nhiều tình mà có đủ thơng tin, sử dụng phương pháp định lượng bao gồm phép ngoại suy, dự báo dựa quy luật phương pháp quan hệ nhân Kiến thức quản lí nhà quản lí cần phải tổng hợp việc dự báo thống kê Các phương pháp dự báo kết hợp, có phương pháp Delphi thị trường dự báo, cải thiện tính xác Các nhà nghiên cứu thị trường coi việc dự báo yếu tố quan trọng cơng việc Ví dụ: Dalrymple khảo sát 134 công ty Mỹ thấy có 99% dự báo chuẩn bị trình phát triển chiến lược Marketing cơng ty Có 93% cơng ty khảo sát việc dự báo doanh số bán hàng vấn đề quan trọng yếu tố quan trọng thành công công ty Trong khảo sát 353 giám đốc Marketing từ nhà máy xí nghiệp Anh, Jobber, Hooley Sanderson thấy dự báo doanh số bán hàng hoạt động phổ biến mà họ thông báo [12] Chúng ta thảo luận phương pháp dự báo nhu cầu Mọi người thường sử dụng thuật ngữ “nhu cầu” “doanh số bán hàng” hai thuật ngữ thay đổi cho Điều hợp lí chúng tương đương doanh số bán hàng không bị hạn chế cung Đôi dự báo nhu cầu cách trực tiếp lại thích hợp Ví dụ: Một người làm bánh ngoại suy liệu doanh số bán bánh mì trước để dự báo nhu cầu trước tuần Khi mà việc dự báo trực tiếp khơng khả quan khơng chắn nhà quản lí thị trường cần phải dự báo quy mơ thị trường sản phẩm Họ cần phải dự báo phản ứng hành động người đưa định quan trọng nhà cạnh tranh, nhà cung cấp, nhà phân phối, phủ thân họ - đặc biệt đưa vấn đề có tính chiến lược Thực họ dự báo tỉ trọng thị trường Kết dự báo cho phép họ tính tốn nhu cầu 1.2 Các phương pháp dự báo Trong phần trình bày giới thiệu ngắn gọn phương pháp dự báo ứng dụng chúng Mô tả chi tiết viết sách dự báo Wheelwright Hyndman (1998) Các phương pháp dự báo mối quan hệ chúng trình bày hình 1, bắt đầu phân biệt quan trọng phương pháp dựa vào phán đoán phương pháp đòi hỏi liệu định lượng Hình 1: Cây phân loại phương pháp dự báo Cây phân loại phân loại tất loại phương pháp dự báo thành nhiều loại chúng quan hệ với Đường gạch đứt thể liên hệ 1.2.1 Các phương pháp dự báo dựa vào phán đốn (Methods Based on Judgment) 1.2.1.1 Sự phán đốn khơng có sở (Unaided judgment) Thường chun gia trả lời điều xảy ra, cách tốt để sử dụng mà: - Các chun gia khơng có thiên vị - Những biến đổi lớn không chắn xảy - Mối quan hệ hiểu rõ chuyên gia - Các chun gia có tay thơng tin mật - Các chuyên gia nhận phản hồi xác cô đọng dự báo họ Đáng tiếc phán đốn khơng có sở thường sử dụng điều kiện nêu Ví dụ, Green Amstrong thấy việc dự báo chuyên gia lại không tốt dự báo người dân tình xung đột Nếu điều làm bạn ngạc nhiên bạn nên nghĩ chương trình tin tức kiện mà nhà sản xuất tạo lại tập hợp chuyên gia có khả năng, họ đưa dự báo cách tin cậy tình xảy 1.2.1.2 Thị trường dự báo (Prediction markets) Các thị trường dự báo xem công ty dự báo, thị trường thông tin thị trường dự báo tương lai có lịch sử lâu đời Giữa thời kì chấm dứt nội chiến nước Mỹ Chiến tranh giới II, các cơng ty dự báo có tổ chức tốt bầu cử tổng thống chọn lọc cách kỹ lưỡng trường hợp trừ năm 1916, họ thành công việc dự báo bầu cử Gần đây, bốn bầu cử tổng thống trước năm 2004 Iowa Electronic Market thành công việc dự báo người thắng cử chức tổng thống Trong tuần diễn bầu cử, thị trường dự báo số phiếu ứng cử viên hai Đảng Dân chủ Cộng hoà với mức sai số 1,5 % Mặc dù có nhiều nỗ lực kể từ năm 1930 chưa có phương pháp đưa để kiểm soát thị trường dự báo giá Tuy nhiên có nguời tin vào điều họ phải trả tiền để tư vấn đầu tư Một vài tổ chức thương mại cung cấp thị trường Internet phần mềm cho phép người tham gia cá cược thông qua hợp đồng thương maị Các nhà tư vấn lập thị trường cá cược nhà máy để dự đoán vấn đề như: Doanh số bán hàng sản phẩm Một vài nghiên cứu chưa công bố gợi ý họ đưa dự báo doanh số bán hàng cách xác công ty 1.2.1.3 Kỹ thuật Delphi (Delphi) Kỹ thuật Delphi phát triển tập đoàn Rand vào năm 1950 nhằm thu hút chuyên gia giỏi đồng thời khơng phải tổ chức hội nghị nhóm trước (nếu tổ chức hội nghị tốn thời gian tiền của) Để dự báo kỹ thuật Delphi nhà quản lí cần tuyển khoảng từ đến 20 chuyên gia phù hợp tập hợp dự báo lập luận từ họ Sau nhà quản lí cung cấp số liệu dự báo tóm tắt nặc danh lập luận dự báo chuyên gia Quá trình lặp lặp lại có thay đổi nhỏ dự báo lần- thường hai ba lần đủ Dự báo Delphi mơ hình dự báo cuối chuyên gia (có thể truy cập trang Web: forcastingpriciples.com để biết thêm Phần mềm hướng dẫn mơ hình này) 1.2.1.4 Các phương pháp loại suy có cấu trúc (Structured analogies) Các kết tình giống từ phương pháp loại suy trước giúp chuyên gia dự báo kết tình (mục tiêu) mới, ví dụ đời sản phẩm thị trường Mỹ cung cấp kết phân tích đời sản phầm thị trường khác Mọi người thường sử dụng phương pháp loại suy để dự báo, nhiên họ lại khơng làm phương pháp có cấu trúc Ví dụ họ nghiên cứu phương pháp phân tích phù hợp với lập luận họ dừng việc nghiên cứu xác định phương pháp phân tích dự báo phù hợp Phương pháp phân tích có cấu trúc sử dụng q trình cân đối để khắc phục việc sử dụng thông tin từ tình tương tự cách khơng hiệu thiên vị (sai lệch) Để sử dụng phương pháp phân tích có cấu trúc nhà quản lí cần chuẩn bị mơ tả tình mục tiêu lựa chọn chuyên gia có kiến thức tình tương tự, ưu tiên người có kinh nghiệm trực tiếp Các chuyên gia xác định mơ tả tình đó, đánh giá tương đồng chúng với tình mục tiêu phù hợp kết phân tích họ với kết tiềm tình huống, mục tiêu Sau nhà quản lí đưa dự báo dựa thông tin mà chuyên gia cung cấp Có nghiên cứu dự báo có sử dụng phương pháp loại suy, nhiên kết đạt lại khả quan Green Arstrong phát phương pháp loại suy có kết xác phán đốn khơng có sở việc đưa kết dự báo trái ngược (Có thể truy cấp trang web conflictforcasting.com để biết thêm thông tin chi tiết phương pháp loại suy) 1.2.1.5 Lý thuyết trò chơi (Game theory) Lý thuyết trò chơi giới thiệu nhiều sách tài liệu nghiên cứu Nó biện pháp để đạt kết dự báo chuẩn tình có liên quan đến đàm phán xung đột khác Có khoảng 147.300 địa tìm kiếm “game theory” “forcasting” “prediction” Google Mặc dù có nhiều nỗ lực nghiên cứu khơng có nghiên cứu kiểm tra khả dự báo lý thuyết trò chơi cách trực tiếp Tuy nhiên Green (2002 2005) kiểm tra khả học giả viết thuyết trò chơi, học giả sử dụng lý thuyết trò chơi để dự báo tình thực tế Trong nghiên cứu họ khơng xác sinh viên đại học 1.2.1.6 Sự phân tích mang tính phán đốn (Judgmental Decomposition) Ý tưởng đằng sau phương pháp phân tích mang tính phán đốn nhằm phân chia vấn đề dự báo thành nhiều phần nhỏ để việc dự báo dễ dàng Sau sử dụng phương pháp phù hợp cho phần cuối phần nhỏ kết hợp lại để đưa dự báo tổng hợp Phương pháp nhằm phân chia vấn đề thành nhiều vấn đề nhỏ để dự báo Ví dụ để dự báo doanh số bán hàng cho thương hiệu, dự báo lưu lượng bán hàng cơng nghiệp, tỉ phần thị trường, giá bán đơn vị sản phẩm Sau tổng hợp lại vấn đề cách nhân phần nhỏ lại với Các nghiên cứu thực tiễn rằng, nhìn chung dự báo phương pháp phân tích xác so với phương pháp dự báo tổng thể 1.2.1.7 Phương pháp “bootstrapping” Biến đổi phán đoán chủ quan thành quy định có cấu trúc Các chuyên gia hỏi việc họ sử dụng thông tin để đưa dự báo loạt tình huống, sau u cầu họ dự báo cho nhiều trường hợp trường hợp thực tế mang tính giả thuyết Ví dụ, chuyên gia dự báo doanh số bán hàng sản phẩm Thơng tin có chuyển vào mơ hình cách tính phương trình hồi quy liên quan đến dự báo thơng tin dựa phán đốn sử dụng nhà dự báo Phương pháp dự báo sử dụng chủ yếu cho việc báo vấn đề phức tạp lặp lại nhiều lần, thơng tin biến số vấn đề lại khơng có sẵn (ví dụ nhu cầu sử dụng thiết bị viễn thông mới) không đủ thông tin cho việc dự báo mơ hình tốn kinh tế Một phương pháp “bootstrapping” cung cấp cho thị trường thiết bị dự báo với chi phí thấp Amstrong (2001) cho biết phương pháp “bootstrapping” dự báo xác phương pháp phán đốn khơng có sở (so sánh tình 11 tình huống) với hai kiểm tra không cho thấy khác nhau, giảm sai số khoảng 6% Phương pháp “bootstrapping” cho phép chuyên gia thấy họ phải xử lí yếu tố khác Điều nâng cao phương pháp dự báo phán đốn Ví dụ việc tuyển nhân sự, “bootstrapping” cho biết vài yếu tố chiều cao, cân nặng diện mạo chí người khơng thích hợp cho cơng việc “Bootstrapping” cho phép dự báo ảnh hưởng thay đổi vài biến số quan trọng mà thơng tin trước khơng đủ để dự báo 1.2.1.8 Hệ chuyên gia (Expert systems) TÀI LIỆU THAM KHẢO Tiếng Việt [1] Nguyễn Quý Hỷ (2003), Các mơ hình ứng dụng Lý thuyết đổi [2] Hội ứng dụng Toán học Việt nam (2002), Hội thảo khoa học Ứng dụng Toán học số ngành Khoa học Kỹ thuật quan trọng [3] Hội Tốn học Việt nam (2005), Tóm tắt báo cáo Hội nghị tồn quốc lần thứ hai Ứng dụng Tốn học [4] Số liệu ngành điện 1985 - 1995 [5] Niên giám thống kê ngành điện 1996 – 2000 [6] Niên giám thống kê ngành điện 2001 – 2005 [7] Nguyễn Văn Hữu, Nguyễn Hữu Dư (2003), Phân tích thống kê dự báo, Nhà xuất Đại học Quốc gia Hà nội [8] Nguyễn Hồ Quỳnh (2003), Chuỗi thời gian – Phân tích nhận dạng, Nhà xuất Khoa học Kỹ thuật [9] Nguyễn Văn Phúc (2004), Các phương pháp dự báo kinh tế khả áp dụng cho thành phố Hồ Chí Minh, Viện kinh tế TP Hồ Chí Minh [10] Trần Văn Thái, Phát tri thức theo mùa vụ từ sở liệu chuỗi thời gian Tiếng Anh [11] Bo Q.Lin (March 2003), Electricity Deman in the People’s Republic of China: Investement Requiretment and Environtmental impact [12] J Scott Armstrong and Kesten C Green (September 2005), Demand Forecasting: Evidence-based Methods  ... NỘI TRƢỜNG ĐẠI HỌC CƠNG NGHỆ Đỗ Văn Bình MỘT SỐ MƠ HÌNH DỰ BÁO VÀ ÁP DỤNG VÀO NGÀNH ĐIỆN Ngành: Công Nghệ Thông Tin Chuyên ngành: Công Nghệ Thông Tin Mã số: 1.01.10 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG... CÁC HÌNH VẼ Hình 1: Cây phân loại phương pháp dự báo Hình 2: Cây lựa chọn phương pháp dự báo ………………………………… 18 Hình 3: Mơ tả đồ thị dự báo theo mơ hình nhân mơ hình cộng…………….…… 27 Hình. .. PHÁP DỰ BÁO NHU CẦU 1.1 Giới thiệu 1.2 Các phương pháp dự báo 1.2.1 Các phương pháp dự báo dựa vào phán đoán (Methods Based on Judgment) 10 1.2.2 Các phương pháp