Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)Dự báo chuỗi thời gian mờ với ngữ nghĩa định lượng tối ưu của đại số gia tử và ứng dụng (Luận văn thạc sĩ)
ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG NGUYỄN VĂN DẦN DỰ BÁO CHUỖI THỜI GIAN MỜ VỚI NGỮ NGHĨA ĐỊNH LƯỢNG TỐI ƯU CỦA ĐẠI SỐ GIA TỬ VÀ ỨNG DỤNG LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH THÁI NGUYÊN - 2019 Số hóa Trung tâm Học liệu Cơng nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG NGUYỄN VĂN DẦN DỰ BÁO CHUỖI THỜI GIAN MỜ VỚI NGỮ NGHĨA ĐỊNH LƯỢNG TỐI ƯU CỦA ĐẠI SỐ GIA TỬ VÀ ỨNG DỤNG Chuyên ngành: Khoa học máy tính Mã số: 48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học: TS NGUYỄN DUY MINH THÁI NGUYÊN - 2019 Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn i LỜI CAM ĐOAN Tôi xin cam đoan kết đạt luận văn sản phẩm cá nhân hướng dẫn khoa học TS Nguyễn Duy Minh Trong toàn nội dung luận văn, nội dung trình bày cá nhân tổng hợp từ nhiều nguồn tài liệu khác Tất tài liệu tham khảo có xuất xứ rõ ràng trích dẫn hợp pháp Tơi xin chịu trách nhiệm chịu hình thức kỷ luật theo quy định cho lời cam đoan mình./ Thái Nguyên, ngày 09 tháng năm 2019 Học viên Nguyễn Văn Dần Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn ii LỜI CẢM ƠN Em xin gửi lời cảm ơn chân thành đến TS Nguyễn Duy Minh - người Thầy, người hướng dẫn khoa học, định hướng nhiệt tình hướng dẫn, giúp đỡ em trình làm luận văn Em xin gửi lời biết ơn sâu sắc đến quý Thầy Cô giáo trường Đại học Công nghệ thông tin Truyền thông; Viện công nghệ thông tin thuộc Viện hàn lâm Khoa học Công nghệ Việt Nam truyền đạt kiến thức kinh nghiệm quý báu cho chúng em thời gian học tập Xin chân thành cảm ơn bạn bè, đồng nghiệp, người thân gia đình động viên, chia sẻ, tạo điều kiện giúp đỡ suốt trình học tập làm luận văn./ Thái Nguyên, ngày 09 tháng năm 2019 Học viên Nguyễn Văn Dần Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC VIẾT TẮT v DANH MỤC BẢNG vi DANH MỤC HÌNH vii MỞ ĐẦU CHƯƠNG 1: MỘT SỐ KIẾN THỨC LIÊN QUAN 1.1 Những vấn đề sở lý thuyết tập mờ logic mờ 1.1.1 Lý thuyết tập mờ 1.1.2 Logic mờ 1.2 Chuỗi thời gian mờ 1.3 Quan hệ mờ 12 1.3.1 Khái niệm quan hệ rõ 12 1.3.2 Các quan hệ mờ 12 1.3.3 Các phép toán quan hệ mờ 12 1.3.4 Hệ luật mờ 13 1.4 Giới thiệu ĐSGT số tính chất 14 1.4.1 ĐSGT biến ngôn ngữ 14 1.4.2 Độ đo tính mờ ánh xạ định lượng ngữ nghĩa 17 1.5 Bài toán tối ưu giải thuật di truyền 22 1.5.1 Bài toán tối ưu 22 1.5.2 Giải thuật di truyền 23 1.6 Kết luận chương 27 CHƯƠNG 2: MƠ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ 28 2.1 Một số mơ hình chuỗi thời gian mờ .28 Số hóa Trung tâm Học liệu Cơng nghệ thơng tin – ĐHTN http://lrc.tnu.edu.vn iv 2.1.1 Thuật tốn Song Chissom 28 2.1.2 Thuật toán Chen 29 2.2 Thử nghiệm mơ hình dự báo mờ 30 2.2.1 Mơ hình dự báo sinh viên nhập học trường đại học Alabama Song Chissom 31 2.2.2 Mơ hình dự báo sinh viên nhập học trường đại học Alabama Chen 37 2.3 So sánh kết mơ hình dự báo chuỗi thời gian mờ 45 2.4 Kết luận chương 46 CHƯƠNG 3: MƠ HÌNH DỰ BÁO MỜ SỬ DỤNG ĐSGT VỚI NGỮ NGHĨA ĐỊNH LƯỢNG TỐI ƯU VÀ ỨNG DỤNG 47 3.1 Mơ hình dự báo chuỗi thời gian mờ sử dụng đại số gia tử 47 3.2 Mơ hình dự báo tối ưu theo tiếp cận đại số gia tử .49 3.3 Thử nghiệm mơ hình dự báo sử dụng ĐSGT .52 3.3.1 Thử nghiệm mơ hình dự báo mờ sử dụng ĐSGT 52 3.3.2 Mơ hình dự báo theo tiếp cận ĐSGT với ngữ nghĩa định lượng tối ưu 60 3.4 Ứng dụng mô hình dự báo cho dự báo tuyển sinh trường Đại học Điều dưỡng Nam Định 63 3.4.1 Mơ tả sở liệu cho mơ hình dự báo 63 3.4.2 Cài đặt thử nghiệm Mơ hình dự báo sử dụng ĐSGT 63 3.4.3 Cài đặt thử nghiệm Mơ hình dự báo sử dụng ĐSGT với tham số định lượng ngữ nghĩa tối ưu 69 3.5 Kết luận chương 72 KẾT LUẬN 73 TÀI LIỆU THAM KHẢO 74 Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn v DANH MỤC VIẾT TẮT STT Ký hiệu viết tắt Ý nghĩa ĐSGT Đại số gia tử SV Sinh viên TS Tuyển sinh Số hóa Trung tâm Học liệu Cơng nghệ thơng tin – ĐHTN http://lrc.tnu.edu.vn vi DANH MỤC BẢNG Bảng 1.1: Các cặp T - chuẩn T - đối chuẩn Bảng 1.2: Một số phép kéo theo mờ thông dụng Bảng 1.3: Ví dụ tính âm dương gia tử 15 Bảng 2.1: Số SV nhập học trường đại học Alabama từ 1971 đến 1992 31 Bảng 2.2: Chuyển đổi giá trị lịch sử thành giá trị ngôn ngữ 34 Bảng 2.3: Xác định quan hệ thành viên 35 Bảng 2.4: Mờ hóa chuỗi liệu 40 Bảng 2.5: Quan hệ logic mờ liệu TS 41 Bảng 2.6: Các nhóm quan hệ logic mờ 41 Bảng 2.7: Bảng so sánh phương án dự báo 44 Bảng 2.8: So sánh phương pháp dự báo với khoảng chia 46 Bảng 3.1: Giá trị đầu giá trị cuối khoảng giải nghĩa chọn 57 Bảng 3.2: Kết tính tốn dự báo số SV nhập học trường đại học Alabama từ 1971 đến 1992 theo tiếp cận ĐSGT 58 Bảng 3.3: So sánh phương pháp dự báo với khoảng chia 60 Bảng 3.4: Bảng ngữ nghĩ định lượng tương ứng khoảng 61 Bảng 3.5: Bổ sung giá trị hiệu chỉnh định lượng ngữ nghĩa 61 Bảng 3.6 So sánh phương pháp dự báo với khoảng 62 Bảng 3.7: Số SV nhập học trường 63 Bảng 3.8: Bảng nhãn ngữ nghĩa tập 64 Bảng 3.9: Giá trị đầu giá trị cuối khoảng giải nghĩa chọn cho dự báo TS trường Đại học Điều dưỡng Nam Định 67 Bảng 3.10: Kết dự báo số SV nhập học từ 1990 đến 2017 theo tiếp cận ĐSGT 68 Bảng 3.11: Kết tính tốn dự báo tối ưu số sinh viên nhập học trường Đại học Điều dưỡng Nam Định 71 Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn vii DANH MỤC HÌNH Hình 1.1: Giao hai tập mờ Hình 1.2: Phép hợp hai tập mờ Hình 1.1 Minh họa lai ghép 25 Hình 2.1: Số SV nhập học thực tế số SV nhập học dự báo theo mơ hình Song& Chissom 37 Hình 2.2: Số SV nhập học thực tế số SV nhập học dự báo theo mơ hình Chen 45 Hình 3.1: Số SV nhập học thực tế số SV nhập học dự báo sử dụng ĐSGT trường đại học Alabama 59 Hình 3.2: Số SV nhập học thực tế số SV nhập học dự báo sử dụng ĐSGT 69 Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn MỞ ĐẦU Tập mờ logic mờ (Fuzzy set and Fuzzy logic) dựa suy luận người thơng tin “khơng xác” “không đầy đủ” hệ thống để hiểu biết điều khiển hệ thống cách xác Giáo sư Lofti A.Zadeh trường Đại học California – Mỹ đưa khái niệm lý thuyết tập mờ(Fuzzy set theory) với hàng loạt báo mở đường cho phát triển ứng dụng lý thuyết này, khởi đầu báo “Fuzzy Sets” Tạp chí Information and Control, 8, 1965 Ý tưởng bật khái niệm tập mờ Zadeh từ khái niệm trừu tượng ngữ nghĩa thông tin mờ, không chắn trẻ, nhanh, cao-thấp, xinh đẹp , ơng tìm cách biểu diễn khái niệm toán học, gọi tập mờ, khái quát trực tiếp khái niệm tập hợp kinh điển Chuỗi thời gian mờ Song Chissom [5, 6] đưa năm 1993, có nhiều tác giả giới quan tâm nghiên cứu mơ hình dự báo chuỗi thời gian mờ cho mục đích dự báo Chuỗi thời gian sử dụng công cụ hữu hiệu để phân tích số liệu kinh tế, xã hội nghiên cứu khoa học Chính tầm quan trọng lĩnh vực này, nhiều tác giả đề xuất cơng cụ phân tích chuỗi thời gian để trích xuất thơng tin quan trọng từ dẫy số liệu Tuy nhiên, độ xác dự báo chuỗi thời gian theo tiếp cận mờ Song & Chissom chưa cao phụ thuộc nhiều yếu tố, Chen [7] đề xuất mô hình dự báo chuỗi thời gian mờ hiệu sử dụng tính tốn số học đơn giản Sau mơ hình nhiều chun gia giới Việt Nam nghiên cứu cải tiến nhiều ứng dụng dự báo có kết xác Đại số gia tử (ĐSGT) tiếp cận tác giả N.C.Ho W Wechler [8] xây dựng vào năm 1990, 1992 đưa mơ hình tính tốn hồn toàn khác biệt so với tiếp cận mờ Những ứng dụng tiếp cận ĐSGT cho số toán cụ thể lĩnh vực công nghệ thông tin điều khiển mang lại số kết quan trọng khẳng định tính ưu việt tiếp cận so với tiếp cận mờ truyền thống Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 61 large), A6 = (large) A7 = (very large) Các giá trị ngữ nghĩa định lượng tổng hợp Bảng 3.4 Bảng 3.4: Bảng ngữ nghĩ định lượng tương ứng khoảng SA1 SA2 SA3 SA4 SA5 SA6 SA7 v(verry v(small) v(little v(midle) v(litte v(lagre) v(verry small) small) 0.125 0.25 0.375 lagre) 0.5 0.625 lagre) 0.75 0.875 SĐSGT có độ sâu k=2, theo định lý 3.1 ngưỡng hiệu chỉnh 0.03125 giá trị định lượng giá trị ngôn ngữ tương ứng với nhãn xác định bảng 3.5 Bảng 3.5: Bổ sung giá trị hiệu chỉnh định lượng ngữ nghĩa SA1 SA2 SA3 SA4 SA5 SA6 SA7 v(verry v(small) v(little v(midle) v(litte v(lagre) v(verry small) 0.125+1 small) 0.25+2 0.375+3 lagre) 0.5+4 0.625+5 lagre) 0.75+6 0.875+7 Như tham số hiệu chỉnh định lượng ngữ nghĩa là: Par={i, i =1,…7} Với điều kiện ràng buộc: |i | < 0.03125; i = 1, ,7 biến h; Việc xác định giá trị hiệu chỉnh thực hiệc qua bước thực mơ hình dự báo dựa ĐSGT với hàm mục tiêu là: g(Par={i, i =1,…7})= ∑21 𝑖=1(SSVNHTT i– SSVNHDB i) /21 Sử dụng giải thuật di truyền cực tiểu hàm g phần mềm tối ưu hóa GA Matlab R2012a Qua số lần chạy mô phỏng, ta xác định tham số hiệu chỉnh par = {0.025037; -0.021957; -0.021371; 0.022055; 0.013380; -0.026332; 0.026024}; với MSE =35420 Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 62 Bảng 3.6 So sánh phương pháp dự báo với khoảng Năm Số SV nhập học Phương pháp Chen [6] Phương pháp ĐSGT Phương pháp ĐSGT với mơ hình NNĐL tối ưu 1971 13055 1972 13563 14000 13600 13810 1973 13867 14000 13750 14013 1974 14696 14000 14050 14418 1975 15460 15500 15396 15403 1976 15311 16000 15232 15251 1977 15603 16000 15642 15668 1978 15861 16000 16232 16251 1979 16807 16000 16643 16669 1980 16919 16833 17027 17009 1981 16388 16833 16533 16511 1982 15433 16833 15533 15511 1983 15497 16000 15642 15668 1984 15145 16000 15232 15251 1985 15163 16000 15232 15251 1986 15984 16000 16232 16251 1987 16859 16000 16643 16668 1988 18150 16833 17534 17511 1989 18970 19000 19289 19077 1990 19328 19000 19466 19309 1991 19337 19000 19466 19309 1992 18876 19000 19111 18847 407507 65020 35420 MSE Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 63 3.4 Ứng dụng mơ hình dự báo cho dự báo tuyển sinh trường Đại học Điều dưỡng Nam Định 3.4.1 Mô tả sở liệu cho mơ hình dự báo Trường Đại học Điều dưỡng Nam Định trường trực thuộc Bộ Y tế, trường có nhiệm vụ đào tạo, bồi dưỡng bác sĩ điều dưỡng cho địa bàn thuộc đồng Sông Hồng Bảng 3.7: Số SV nhập học trường STT Năm SV nhập học STT Năm SV nhập học 1990 219 15 2004 161 1991 256 16 2005 213 1992 183 17 2006 298 1993 231 18 2007 364 1994 475 19 2008 265 1995 619 20 2009 357 1996 706 21 2010 319 1997 689 22 2011 354 1998 455 23 2012 365 10 1999 352 24 2013 380 11 2000 252 25 2014 363 12 2001 167 26 2015 317 13 2002 155 27 2016 289 14 2003 158 28 2017 213 3.4.2 Cài đặt thử nghiệm Mơ hình dự báo sử dụng ĐSGT Bước 1: Xác định tập nền, chia miền xác định tập thành khoảng Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 64 Tập U chọn tương tự mơ hình Chen có khoảng xác định: [Dmin− D1, Dmax + D2] với Dmin Dmax số SV nhập học thấp cao theo liệu lịch sử nhập học trường cụ thể sau: Dmin=155 Dmax=706 Các biến D1 D2 số dương chọn cho khoảng [Dmin−D1, Dmax+D2] bao hoàn toàn số SV nhập học thấp cao tương lai Sử dụng cách chọn tương tự Chen [7], D1 = 55 D2 = 94, Như U= [100, 800] Tương tự Chen [7] nhiều tác giả khác ta chia thành khoảng u1, u2, u3, u4, u5, u6và u7 Trong u1 = [100, 200], u2 = [200, 300], u3 = [300, 400], u4 = [400, 500], u5 = [500, 600], u6 = [600, 700] u7 = [700, 800] Bước 2: Xây dựng nhãn ngữ nghĩa: Giả sử A1, A2 ,…, Ak nhãn ngữ nghĩa gán cho khoảng u1, u2,…uk, k số khoảng tập Các nhãn ngữ nghĩa xây dựng từ phần tử sinh c-, c+ với gia tử h ϵ H tạo thành giá trị ngôn ngữ biến ngơn ngữ “số SV nhập học ” Khi nhãn ngữ nghĩa A1, A2 ,…, Ak có dạng sau đây: A1= hA1c; A2= hA2c;….; Ak= hAkc, hAi, (i=1,2,…k) chuỗi gia tử tác động lên c với c {c-, c+} Theo tiếp cận ĐSGT, sử dụng gia tử dương “very” gia tử âm “little” tác động lên phần tử sinh “small” “large” để tạo nhãn ngữ nghĩa tương ứng với giá trị ngôn ngữ Chen sau: A1 = (very small), A2 = (small), A3 = (little small), A4 = (midle), A5 = (little large), A6 = (large) A7 = (very large) Ta có bảng xây dựng nhãn ngữ nghĩa sau: Bảng 3.8: Bảng nhãn ngữ nghĩa tập Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 65 STT Năm SV nhập học Nhãn ngữ nghĩa 1990 219 A2 1991 256 A2 1992 183 A1 1993 231 A2 1994 475 A4 1995 619 A6 1996 706 A7 1997 689 A6 1998 455 A4 10 1999 352 A3 11 2000 252 A2 12 2001 167 A1 13 2002 155 A1 14 2003 158 A1 15 2004 161 A1 16 2005 213 A2 17 2006 298 A2 18 2007 364 A3 19 2008 265 A2 20 2009 357 A3 21 2010 319 A3 22 2011 354 A3 23 2012 365 A3 24 2013 380 A3 25 2014 363 A3 26 2015 317 A3 27 2016 289 A2 28 2017 213 A2 Bước 3: Xây dựng khoảng định lượng ngữ nghĩa Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 66 Dựa cặp (α = 0.5; θ = 0.5 ) tương ứng với nhãn ngữ nghĩa với lớp gia tử sử dụng gia tử dương gia tử âm Để xác định ngữ nghĩa định lượng cho nhãn ngữ nghĩa A1, A2, ,A7 bước 2, cần chọn trước độ đo tính mờ gia tử (very), (little) giá trị độ đo tính mờ phần tử sinh fm(c-) = θ với phần tử trung hoà cho trước Nếu nhãn ngữ nghĩa tạo thành từ gia tử dương gia tử âm ví dụ gia tử dương “very” gia tử âm “little ” tác động lên phần tử sinh “large” “small” trên, (little) = α (very) = 1- α = β Ký hiệu : SA1=ν(very small); SA2=ν(small); SA3= ν(little small); SA4=ν(midle); SA5=ν(little large) ; SA6=ν(large) ; SA7=ν(very large) Ta có ν(very small) =SA1 = (1-α)(1-α)=0.125 ν(small) = SA2 = (1-α)=0.25 ν(little small) = SA3 = (1-α+α^2)=0.375 ν(midle) = SA4 = = 0.5 ν(little large) = SA5 = + α (1-)(1-α) = 0.625 ν(large) = SA6 = + α (1-) = 0.75 ν(very large) = SA7 = + α (1-)(2-α) = 0.875 Bước 4: Xác định quan hệ ngữ nghĩa theo nhãn ngữ nghĩa Theo Bảng 3.5 ta có quan hệ ngữ nghĩa sau: SA1→SA1 (trùng lần); SA1→SA2(trùng lần) SA2→SA1 (trùng lần); SA2→SA2 (trùng lần); SA2→SA3 (trùng lần); SA2→SA4 SA3→SA2 (trùng lần); SA3→SA3 (trùng lần); SA4→SA3; SA4→SA6; SA6→SA4; SA6→SA7; SA7→SA6; Bước 5: Tạo lập nhóm quan hệ ngữ nghĩa theo nhãn ngữ nghĩa Từ quan hệ theo nhãn ngữ nghĩa bước ta nhận nhóm quan hệ ngữ nghĩa sau đây: Nhóm 1: SA1 → (SA1,SA1,SA1,SA2,SA2) Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 67 Nhóm 2: SA2 → (SA1,SA1,SA2,SA2,SA2,SA3,SA3,SA4,) Nhóm 3: SA3 → (SA2,SA2,SA2,SA3,SA3,SA3,SA3,SA3,SA3) Nhóm 4: SA4 → (SA3,SA6) Nhóm 5: SA6 → (SA4,SA7) Nhóm 6: SA7 → (SA6) Bước 6: Giải nghĩa đầu dự báo với giá trị định lượng ngữ nghĩa từng nhãn ngữ nghĩa Trong toán dự báo số sinh viên nhập học trường Đại học Điều dưỡng Nam Định, chọn đoạn giải nghĩa hợp lý với giá trị đầu vào, giá trị cuối Bảng 3.9 Bảng 3.9: Giá trị đầu giá trị cuối khoảng giải nghĩa chọn cho dự báo TS trường Đại học Điều dưỡng Nam Định Khoảng giải Giá trị Giá trị Khoảng giải Giá trị Giá trị nghĩa cho đầu cuối nghĩa cho đầu cuối điểm dự báo khoảng khoảng điểm dự báo khoảng khoảng 400 300 400 600 800 800 800 600 600 500 300 200 300 15 ( 2004 ) 16 ( 2005 ) 17 ( 2006 ) 18 ( 2007 ) 19 ( 2008 ) 20 ( 2009 ) 21 ( 2010 ) 22 ( 2011 ) 23 ( 2012 ) 24 ( 2013 ) 25 (2014) 26 (2015) 27( 2016) 28(2017) 100 100 100 200 100 200 200 200 200 200 200 200 200 100 300 400 400 500 500 600 600 600 600 600 500 500 500 300 ( 1990 ) ( 1991 ) ( 1992 ) ( 1993 ) ( 1994 ) ( 1995 ) (1996 ) ( 1997 ) ( 1998 ) 10 ( 1999 ) 11 ( 2000 ) 12 ( 2001) 13 ( 2002 ) 14 ( 2003 ) 100 100 100 300 400 500 600 300 300 100 100 100 100 Số hóa Trung tâm Học liệu Cơng nghệ thơng tin – ĐHTN http://lrc.tnu.edu.vn 68 Tính tốn dự báo cho năm với = 0.5, α= 0.5; sp=0.3 dp =-0.2 dựa Mathlab 2012a (Xem phần Phụ lục) ta có kết mơ hình dự báo dựa ĐSGT cho năm Bảng 3.10 Bảng 3.10: Kết dự báo số SV nhập học từ 1990 đến 2017 theo tiếp cận ĐSGT Năm Số SV nhập học thực tế 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 219 256 183 231 475 619 706 689 455 352 252 167 155 158 161 213 298 364 265 357 319 354 365 380 363 317 289 213 MSE Số SV nhập học dự báo 187 158 161 387 587 696 755 496 440 241 158 120 141 141 161 187 287 241 317 341 341 341 341 306 306 306 158 2493 Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 69 Từ Bảng 3.10 ta xây dựng đồ thị so sánh kết dự báo sử dụng ĐSGT trường Đại học điều dưỡng Nam Định so với thực tế Hình 3.2 Hình 3.2: Số SV nhập học thực tế số SV nhập học dự báo sử dụng ĐSGT 3.4.3 Cài đặt thử nghiệm Mơ hình dự báo sử dụng ĐSGT với tham số định lượng ngữ nghĩa tối ưu Như bước toán dự báo theo tiếp cận ĐSGT, sử dụng ĐSGT gia tử dương “very” gia tử âm “little” tác động lên phần tử sinh “small”và “large”để tạo nhãn ngữ nghĩa tương ứng với giá trị ngôn ngữ Chen sau: A1 = (very small), A2 = (small), A3 = (little small), A4 = (midle), A5 = (little large), A6 = (large) A7 = (very large) Các giá trị ngữ nghĩa định lượng tổng hợp Bảng 3.4 Trong tốn, ĐSGT có độ sâu k=2, theo định lý 3.1 ngưỡng hiệu chỉnh 0.03125 giá trị định lượng giá trị ngôn ngữ tương ứng với nhãn xác định bảng 3.5 Như tham số hiệu chỉnh định lượng ngữ nghĩa là: Par={i, i =1,…7} Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 70 với điều kiện ràng buộc: |i | < 0.03125; i = 1, ,7 biến SA; Việc xác định giá trị hiệu chỉnh thực hiệc qua bước thực mơ hình dự báo dựa ĐSGT với hàm mục tiêu là: g(par={i, i =1,…7})= ∑21 𝑖=1(SSVNHTT i– SSVNHDB i) /21 Sử dụng giải thuật di truyền cực tiểu hàm g phần mềm tối ưu hóa GA Matlab R2012a Với liệu đầu vào trường Đại học Điều dưỡng Nam Định qua số lần chạy mô phỏng, ta xác định tham số hiệu chỉnh par = {0.015037; 0.021957; 0.021; 0.02055; 0.02330; -0.016832; 0.016076}; với MSE =2324 Kết tính tốn dự báo tối ưu số sinh viên nhập học trường Đại học Điều dưỡng Nam Định Bảng 3.11 Số hóa Trung tâm Học liệu Cơng nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 71 Bảng 3.11: Kết tính tốn dự báo tối ưu số sinh viên nhập học trường Đại học Điều dưỡng Nam Định Năm Số SV nhập học thực tế 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 219 256 183 231 475 619 706 689 455 352 252 167 155 158 161 213 298 364 265 357 319 354 365 380 363 317 289 213 MSE Số SV nhập học dự báo 190 163 192 389 601 705 701 478 398 267 178 145 154 158 189 190 345 278 345 309 341 348 361 356 310 301 209 2324 Từ Bảng 3.11 ta xây dựng đồ thị so sánh kết dự báo sử dụng ĐSGT với ngữ nghĩa định lượng tối ưu trường Đại học điều dưỡng Nam Định so với thực tế Hình 3.3 Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 72 Hình 3.3: Kết tính tốn dự báo tối ưu số sinh viên nhập học trường Đại học Điều dưỡng Nam Định Mơ hình dự báo chuỗi thời gian mờ tối ưu theo tiếp cận ĐSGT ứng dụng cho toán dự báo số sinh viên nhập học trường Đại học Điều dưỡng Nam Định, so sánh với mơ hình dự báo khác theo tiếp cận mờ sử dụng ĐSGT tốt 3.5 Kết luận chương Chương luận văn trình bày mơ hình tính tốn thuật tốn dự báo sử dụng ĐSGT, Thuật toán dự báo sử dụng ĐSGT với giá trị định lượng ngữ nghĩa tối ưu Kết thực cài đặt thử nghiệm phương pháp dự báo chuỗi thời gian mờ dựa ĐSGT số liệu nhập học trường đại học Alabama để so sánh với mơ hình dự báo Chen Qua bảng số liệu so sánh thấy rõ tính ưu việt tiếp cận ĐSGT so với tiếp cận mờ, từ ứng dụng mơ hình dự báo dựa ĐSGT để dự báo cho tuyển sinh trường Đại học Điều dưỡng Nam Định Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 73 KẾT LUẬN Dự báo chuỗi thời gian mờ vấn đề nhiều nhà khoa học giới quan tâm nghiên cứu Q.Song B.S Chissom [5,6] lần đưa quan niệm xem giá trị thực định lượng chuỗi thời gian từ góc độ định tính Tuy nhiên mơ hình tính tốn nhóm quan hệ mờ q phức tạp độ xác dự báo khơng cao Chen [7] thay đổi cách tính tốn nhóm quan hệ mờ mơ hình dự báovới phép tính số học đơn giản để thu kết dự báo xác Mơ hình dự báo dựa ĐSGT mơ hình mới, hồn tồn khác biệt, có khả dự báo chuỗi thời gian mờ với độ xác cao so với số mơ hình dự báo có Sự khác biệt thể phương pháp luận lần sử dụng phép ngữ nghĩa hóa phi tuyến thay cho phép mờ hóa, nhóm quan hệ ngữ nghĩa thay cho nhóm quan hệ mờ phép giải nghĩa phi tuyến thay cho phép giải mờ Mặc dù sử dụng mô hình chuỗi thời gian mờ bậc với khoảng chia liệu lịch sử trường đại học Alabama mơ hình dự báo Chen, kết ứng dụng mơ hình dự báo dựa ĐSGT với ngữ nghĩa định lượng tối ưu biến ngôn ngữ cho thấy rõ hiệu dự báo tốt Chính vậy, mơ hình chuỗi thời gian mờ sử dụng ĐSGT nhiều tác giả nghiên cứu, có nhiều triển vọng ứng dụng nhiều lĩnh vực Để thấy rõ tính hiệu nó, học viên cài đặt thử nghiệm cho toán dự báo cụ thể dự báo tuyển sinh trường Đại học Điều dưỡng Nam Định Tuy nhiên điều kiện thời gian trình độ cịn hạn chế khơng thể tránh khỏi thiếu sót q trình xây dựng Nếu điều kiện cho phép, tơi tiếp tục nghiên cứu mở rộng ứng dụng mơ hình dự báo dựa ĐSGT cho nhiều lĩnh vực khác chuỗi liệu thời tiết, nhiệt độ… để phát triển tiếp luận văn hướng đến thực tiễn Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 74 TÀI LIỆU THAM KHẢO Tiếng việt [1] Nguyễn Công Điều: Một thuật tốn cho mơ hình chuỗi thời gian mờ Tạp chí Khoa học Cơng nghệ, Tập 49, Số 4, 2011, 11-25 [2] Nguyễn Duy Minh - Điều chỉnh ngữ nghĩa định lượng giá trị ngôn ngữ ĐSGT ứng dụng, Tạp chí Khoa học Cơng nghệ 49 (4) (2011) 27-40 [3] Nguyễn Cát Hồ, Nguyễn Văn Long (2003), “Đại số gia tử đầy đủ tuyến tính”, Tạp chí Tin học Điều khiển học, T.19(3), 274-280 [4] Nguyễn Cát Hồ, Nguyễn Văn Long (2004), “Cơ sở tốn học độ đo tính mờ thơng tin ngơn ngữ”, Tạp chí Tin học Điều khiển học, 20(1) 64-72 Tiếng anh [5] Song Q, Chissom B.S: Forecasting enrollments with fuzzy time series – part Fuzzy Sets and Syst 54, 1–9, 1993 [6] Song Q, Chissom B.S.: Forecasting enrollments with fuzzy time series – part Fuzzy Sets and Syst 62, 1–8, 1994 [7] Chen S.M.: Forecasting Enrollments Based on Fuzzy Time Series Fuzzy Sets and Syst 81, 311–319, 1996 [8] N.C Ho and W Wechler, Extended hedge algebras and their application to Fuzzy logic, Fuzzy Sets and Systems, 52, 259-281, 1992 [9] Ho N C., Lan V N - Hedge Algebras – An order – based structure of terms – domains: - An algebraic approach to human reasoning, Journal of Science and Technology 45 (6) (2009) 77-108 [10] Huarng K, Effective lengths of intervals to improve forecasting in fuzzy time series Fuzzy Sets and Systems 123 387–394, 2001 [11] Hai-Le Bui , Cat-Ho Nguyen, Nhu-Lan Vu, Cong-Hung Nguyen, General design method of hedge-algebras-based fuzzy controllers and an application for structural active control Applied Intelligence, Vol 43, N 2, 251-275, 2015 Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn 75 [12] Ozdemir O, Memmedli M, Optimization of Interval Length for Neural Network Based Fuzzy Time Series IV International Conference “Problems of Cybernetics and Informatics”, September 12-14, 104-105, 2012 [13] Egrioglu E, Aladag C H, Yolcu U, Uslu V R, Basaran M A, Finding an optimal interval length in high order fuzzy time series Expert Systems with Applications 37 5052–5055, 2010 [14] Bai E, Wong W K, Chu W C, Xia M and Pan F, A heuristic time invariant model for fuzzy time series forecasting Expert Systems with Applications, 38, 2701-2707, 2011 [15] Ho N C and Wechler W, Hedge algebras: An algebraic approach to structures of sets of linguistic domains of linguistic truth variable, Fuzzy Sets and Systems, Vol 35,3, 281-293, 1990 [16] Nguyen Cat Ho, Vu Nhu Lan, Le Xuan Viet, Optimal hedge-algebras-based controller: Design and Application, Fuzzy Sets and Systems 159, 968– 989, 2008 [17] Nguyen C.H, Huynh V.N, Pedrycz W, A Construction of Sound Semantic Linguistic Scales Using 4-Tuple Representation of Term Semantics, Int J Approx Reason 55 763–786, 2014 [18] Dinko Vukadinović, Mateo Bašić, Cat Ho Nguyen, Nhu Lan Vu, Tien Duy Nguyen, Hedge-Algebra-Based Voltage Controller for a Self-Excited Induction Generator, Control Engineering Practice, 30, 78–90, 2014 Số hóa Trung tâm Học liệu Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn ... dự báo chuỗi thời gian mờ 45 2.4 Kết luận chương 46 CHƯƠNG 3: MƠ HÌNH DỰ BÁO MỜ SỬ DỤNG ĐSGT VỚI NGỮ NGHĨA ĐỊNH LƯỢNG TỐI ƯU VÀ ỨNG DỤNG 47 3.1 Mơ hình dự báo chuỗi thời gian. ..2 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG NGUYỄN VĂN DẦN DỰ BÁO CHUỖI THỜI GIAN MỜ VỚI NGỮ NGHĨA ĐỊNH LƯỢNG TỐI ƯU CỦA ĐẠI SỐ GIA TỬ VÀ ỨNG DỤNG Chuyên... gian mờ với ngữ nghĩa định lượng tối ưu ĐSGT ứng dụng? ?? làm luận văn nghiên cứu, việc sử dụng dự báo chuỗi thời gian mờ dựa ĐSGT với giá trị ngữ nghĩa định lượng hướng khác ứng dụng ĐSGT Để thấy