Hiện nay, công tác phân tích dự báo sử dụng các mô hình ứng dụng các lí thuyết về logic mờ, lí thuyết mạng Neural Network, thuật toán di truyền đem lại các kết quả tương đối khả quan. Bài báo nghiên cứu mô hình hệ luật mờ, cải tiến từ mô hình mạng Neural kết hợp cùng lí thuyết logic mờ và thuật toán di truyền nhằm cải tiến khả năng học và tối ưu hoá bộ luật. Ngoài ra bài báo còn sử dụng mô hình hệ lai kết hợp giữa thuật toán di truyền và mạng Neural Networrk ứng dụng cho công tác phân tích dự báo.
Vũ Thanh Nguyên Tạp chí KHOA HỌC ĐHSP TP.HCM NGHIÊN CỨU MƠ HÌNH HỆ LUẬT MỜ VÀ HỆ LAI CHO CƠNG TÁC PHÂN TÍCH DỰ BÁO Vũ Thanh Ngun* Áp dụng mơ hình hệ luật mờ thuật tốn di truyền cơng tác phân tích dự báo 1.1 Mơ hình hệ luật mờ (Standard Additive Model - SAM) Việc sử dụng mơ hình mạng neuron [4] cho tốn xấp xỉ nhiều nhược điểm Trước hết khả học mạng neuron Hơn nữa, việc xác định cấu trúc mạng neuron phù hợp cho số liệu công việc khó khăn Chính hạn chế nói mạng neuron mà chuyên gia xây dựng cấu trúc đặc biệt để xây dựng hệ thống xấp xỉ, hệ luật mờ Có thể nói hướng tiếp cận thật mẻ chưa nhiều tác giả quan tâm Mơ hình hệ luật mờ cộng chuẩn : hệ luật mờ hệ thống m luật mờ dạng j: IF x A j THEN y B j ; j 1, m , hoạt động theo chế song song Tuy nhiên, đặc tính thuận lợi tính tốn (tính tích phân để xác định trọng tâm), báo đề cập đến hệ luật mờ hoạt động theo qui tắc kết hợp SUM-PRODUCT Trong hệ mờ SAM, ứng với giá trị vào x x , luật thứ j : j kích hoạt cho kết tập mờ Bj xác định theo B j mức độ thỏa mãn vế trái a j (x ) dựa qui tắc PRODUCT Bj = a j (x ) B j m kết Bj luật hệ luật SAM kết hợp theo qui tắc SUM kết chung toàn hệ thống tập mờ B ta có : m m m m B w j Bj w j a j ( x0 ).B j B w j Bj w j a j ( x0 ).B j j 1 j 1 j 1 j 1 Giá trị B khử mờ để nhận giá trị rõ * TS, Sở Bưu Viễn thơng Tp.HCM 72 (1) Số 10 năm 2007 Tạp chí KHOA HỌC ĐHSP TP.HCM Ứng dụng SAM cho xấp xỉ hàm phi tuyến : theo (1), hệ SAM hoạt động ánh xạ : F : n p Chính nhờ đặc trưng mà với hàm phi tuyến liên tục giới hạn f (x) , f : U thể xây dựng hệ mờ SAM : F : n n p p , với U tập compact, ta ln có cho phép xấp xỉ f F Cũng mơ hình xấp xỉ khác, mơ hình xấp xỉ mờ hàm phi tuyến SAM ln tương ứng với giá trị sai số định Gọi e giá trị sai số mơ hình xấp xỉ SAM, ta có e max f (x) F(x) xX Giả sử f hàm số xấp xỉ, cho trước Định nghĩa : close {F hệ mờ xấp xæ f : f (x) F(x) , X} Dưới góc độ khảo sát đồ thị, khả xấp xỉ hệ mờ F hàm phi tuyến y f (x) thể sau : – Mỗi luật mờ hệ mờ hoạt động theo chế xấp xỉ cho phép tương ứng với tập mờ vào A j tập mờ kết B j – Thông qua việc kết hợp khối mờ hình thành từ luật mờ j lấy trung bình khối mờ chúng chồng lấp lẫn nhờ vào chế khử mờ phương pháp trọng tâm, hệ mờ SAM F bao phủ đồ thị biểu diễn hàm f (x) mà xấp xỉ Cơ chế học SAM : q trình học SAM thơng thường bao gồm hai bước học cấu trúc học tham số Tuy nhiên, hiệu học hệ tốt hơn, nhóm nghiên cứu phối hợp thêm chế học tối ưu hệ luật Do đó, q trình học SAM đâyư động thái phát triển lĩnh vực dự báo – Đánh giá cách đầy đủ nhân tố ảnh hưởng định lượng lẫn định tính Trong tất lĩnh vực nghiên cứu, nhiều lĩnh vực gặp khó khăn lớn mặt thơng tin, cụ thể phân chia theo ngành kinh tế, có nhiều ngành thiếu số liệu khứ, điều nhiều lí do, nêu : phân ngành kinh tế quốc dân chưa ổn định, hệ thống tiêu thông tin ngành thống kê chưa ổn định, việc thu thập số liệu thành phần kinh tế ngồi quốc doanh gặp nhiều khó khăn … Vì vậy, phần lớn đề tài nghiên cứu gặp nhiều khó khăn, đề tài có tính chất dự báo [3], thường xun phải sử dụng yếu tố định tính để phân tích dự báo, mà sử dụng yếu tố định tính lại lệ thuộc lớn vào nhận định chủ quan người phân tích, thường khơng đạt độ xác cao dự báo, khơng mang tính thuyết phục Một tìm phương pháp khả thi để dự báo tác nhân tích cực việc điều hành quản lí kinh tế Các chương trình dự báo Nhóm nghiên cứu tiến hành cài đặt chương trình máy tính dựa mơ hình hệ luật mờ hệ lai giới thiệu liệu thử nghiệm cho chương trình này, ứng dụng trực tiếp vào dự báo tăng trưởng kinh tế quốc dân Các chương trình có chức huấn luyện liệu, thử nghiệm liệu, dự báo liệu khoảng thời gian thực Các chương trình dự báo mức độ tăng trưởng cao nhất, thấp tốc độ tăng trưởng trung bình liệu cần dự báo Ngoài để kiểm tra so sánh khả dự báo mơ hình với phương pháp ứng dụng rộng 79 Tạp chí KHOA HỌC ĐHSP TP.HCM Vũ Thanh Nguyên rãi kinh tế, chương trình cài đặt thêm phương pháp dự báo chuỗi ARIMA ([2],[6]) mơ hình phân tích dự báo kinh tế cổ điển sử dụng rộng rãi ngành dự báo kinh tế Việt Nam giới, nhằm đối chiếu so sánh phương pháp dự báo nghiên cứư báo với phương pháp dự báo chuỗi ARIMA 3.1 Dữ liệu thực nghiệm Dữ liệu thực nghiệm chọn lĩnh vực thị trường giá lĩnh vực có ảnh hưởng tác động lớn đến kinh tế thành phố nói riêng Việt Nam nói chung Vì lựa chọn phương án thử nghiệm cách sử dụng liệu giá số mặt hàng quan trọng, cụ thể : vàng, đô la, gạo, cà phê, xi măng Đây mặt hàng quan trọng kinh tế VN, biến động giá chúng có tác động lớn đến hoạt động kinh tế khác [1], [2] Dữ liệu giá mặt hàng cập nhật hàng ngày, sử dụng liệu từ nhiều năm trước, từ năm 1994 đến 2004, tức bao gồm khoảng 3000 số liệu cho liệu loại mặt hàng thử nghiệm Ngồi ra, nhóm nghiên cứu nhận thấy việc nghiên cứu giá mặt hàng vấn đề cần thiết nói quan trọng : – Giá vàng đô la thể rõ nét tình trạng sức khoẻ kinh tế Khi kinh tế xuống, người dân có hành vi tích trữ vàng, la …, đẩy giá lên Khi kinh tế phát triển, người dân không giữ vàng USD mà sẵn sàng bỏ vốn kinh doanh, làm ăn, vàng ổn định giá có xu hướng hạ giá – Gạo, cà phê xi măng ba số mặt hàng chiến lược nước ta phục vụ cho xuất ổn định kinh tế nước Sự ổn định giá mặt hàng thước đo có ý nghĩa cho ổn định phát triển kinh tế Vàng, đô la, gạo, cà phê xi măng có biến động giá tác động mạnh lên thị trường tất loại hàng hoá khác 3.2 Kết thử nghiệm 3.2.1 Ứng dụng mơ hình hệ luật mờ – Kết thử nghiệm (có đối chiếu với mơ hình ARIMA) 80 Tạp chí KHOA HỌC ĐHSP TP.HCM Số 10 năm 2007 Thử nghiệm liệu vàng 81 Tạp chí KHOA HỌC ĐHSP TP.HCM Vũ Thanh Nguyeân (Lưu ý : đường màu xanh biểu diễn mơ hình liệu dự báo theo phương pháp ARIMA, đường màu đỏ theo phương pháp dự báo mô hình hệ luật mờ) Thử nghiệm liệu gạo 82 Tạp chí KHOA HỌC ĐHSP TP.HCM Số 10 năm 2007 3.2.2 Ứng dụng mơ hình kết hợp thuật tốn di truyền mạng Neural Networrk – Kết thử nghiệm (có đối chiếu với mơ hình ARIMA) Thử nghiệm liệu cerment (Lưu ý : đường màu xanh biểu diễn mơ hình liệu dự báo theo phương pháp ARIMA, đường màu đỏ theo phương pháp dự báo mơ hình hệ lai kết hợp thuật tốn di truyền mạng Neural Network) 83 Tạp chí KHOA HỌC ĐHSP TP.HCM Vũ Thanh Nguyên Thử nghiệm liệu tỉ giá ngoại tệ USD Kết luận Kết thử nghiệm loại liệu so sánh với phương pháp dự báo sử dụng trước ([1], [2], [4], [6]) (như phương pháp ARIMA, phương pháp định tính định lượng khác) chấp nhận Tuy nhiên, để kiểm tra thêm phương pháp dự báo cho công tác phân tích dự báo đối 84 Tạp chí KHOA HỌC ĐHSP TP.HCM Số 10 năm 2007 với trung hạn dài hạn cần phải có thêm nhiều liệu đánh giá hết tính ổn định độ xác mơ hình hệ luật mờ mơ hình hệ lai thử nghiệm TÀI LIỆU THAM KHẢO [1] Vũ Thanh Nguyên (2003), Giải số vấn đề phân tích dự báo kinh tế ứng dụng ngành công nghiệp thành phố Hồ Chí Minh; Đề tài nghiên cứu khoa học Sở Khoa Học Công Nghệ thành phố Hồ Chí Minh Nghiệm thu 10/2003 [2] Nguyễn Quốc Tòng (200), Các phương pháp định tính định lượng ứng dụng cơng tác phân tích dự báo Viện Kinh Tế thành phố; Đề tài nghiên cứu khoa học Viện Kinh Tế Thành phố Hồ Chí Minh - Nghiệm thu 2000 [3] Nguyễn Thống (1999), Phân tích liệu áp dụng vào dự báo; Nhà xuất niên [4] Duc Truong Pham, Liu Xing (1998), Neural Networks for Identication, Prediction and Control Springer – Verlag London Limited [5] T.T Chow, Z.Lin and C.L Song (2001) Applying Neural Network and Genetic Algorithm In System Optimization 7th International IBPSA Conference [6] ARIMA Models to Predict Next-Day Electricity Price, IEEE 2003 [7] Vũ Thanh Nguyên, Nguyễn Thanh Phong (2000), Sử dụng thuật toán di truyền vấn đề thiết kế mạng Hội nghị khoa học lần thứ II – ĐHKHTN, 05/2000 [8] Vũ Thanh Nguyên, Fuzzy Measure, Fuzzy Integral and Using them with genetic algorithm in Hybrid System IT@EDU2000 Tóm tắt : Nghiên cứu mơ hình hệ luật mờ hệ lai cho cơng tác phân tích dự báo Hiện nay, cơng tác phân tích dự báo sử dụng mơ hình ứng dụng lí thuyết logic mờ, lí thuyết mạng Neural Network, thuật tốn di truyền đem lại kết tương đối khả quan Bài báo nghiên cứu mơ hình hệ luật mờ, cải tiến từ mơ hình mạng Neural kết hợp lí thuyết logic mờ 85 Tạp chí KHOA HỌC ĐHSP TP.HCM Vũ Thanh Nguyên thuật tốn di truyền nhằm cải tiến khả học tối ưu hoá luật Ngồi báo sử dụng mơ hình hệ lai kết hợp thuật toán di truyền mạng Neural Networrk ứng dụng cho cơng tác phân tích dự báo Abstract : Using models of fuzzy rule system and hybird system for forecast analysis At present, forecast analysis which applied models on theories of fuzzy logic, nueral network, genetic algorith, gains some relatively positive achievements This paper is about model of fuzzy rule system, improved from the model of Neural network with theory of fuzzy logic and genetic algorithm aiming at accelerating ability of learning and optimizing the rules In addition to this, the article is about the use of hybird model with the genetic algorithm and the Neural network for forecast analysis 86 ... System IT@EDU2000 Tóm tắt : Nghiên cứu mơ hình hệ luật mờ hệ lai cho công tác phân tích dự báo Hiện nay, cơng tác phân tích dự báo sử dụng mơ hình ứng dụng lí thuyết logic mờ, lí thuyết mạng Neural... phương pháp dự báo chuỗi ARIMA ([2],[6]) mơ hình phân tích dự báo kinh tế cổ điển sử dụng rộng rãi ngành dự báo kinh tế Việt Nam giới, nhằm đối chiếu so sánh phương pháp dự báo nghiên cứư báo với... mơ hình hệ luật mờ mơ hình hệ lai thử nghiệm TÀI LIỆU THAM KHẢO [1] Vũ Thanh Nguyên (2003), Giải số vấn đề phân tích dự báo kinh tế ứng dụng ngành công nghiệp thành phố Hồ Chí Minh; Đề tài nghiên