Nghiên cứu ứng dụng mạng nơron nhân tạo trong dự báo giá xi măng tp hồ chí minh

LUẬN VĂN THẠC SĨ Trang CBHD: TS PHẠM HỒNG LN CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: Tiến sĩ PHẠM HỒNG LUÂN Cán chấm nhận xét 1:………………………………………………… Cán chấm nhận xét 2:………………………………………………… Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, Ngày………………tháng…………….năm……… Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang CBHD: TS PHẠM HỒNG LUÂN LỜI CẢM ƠN Lời đầu tiên, tơi xin bày tỏ lịng biết ơn sâu sắc đến Thầy TS Phạm Hồng Luân, người tận tình hướng dẫn để tơi hồn thành luận văn Xin gởi lời cảm ơn chân thành lòng tri ân đến Q Thầy Cơ Bộ mơn Thi Cơng, Khoa Xây Dựng Trường Đại học Bách Khoa Tp.HCM v ì kiến thức, tận tình truyền đạt lịng tâm huyết giảng dạy Q Thầy, Cơ thời gian qua, ý kiến đóng góp luận văn n ày tài sản q báo cho tơi có hướng đắn đường tiếp cận công tác nghi ên cứu khoa học thực thụ Tôi xin gửi lời cảm ơn đến thành viên Phòng giá xây dựng Sở Tài Chánh Tp.HCM, Phòng phát hành Báo Th ị Trường, Viện Kinh Tế Tp.HCM hỗ trợ cho tơi q trình thu thập số liệu để thực luận văn Xin gởi lời cảm ơn đến bạn bè đồng nghiệp tận tình giúp đỡ tơi q trình học tập thực luận văn Cuối xin cảm ơn người thân gia đình ln bên quan tâm động viên giúp đỡ vượt qua khó khăn trở ngại để ho àn thành luận văn Tp.HCM, ngày 25/6/2008 Nguyễn Kiên Trung Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang CBHD: TS PHẠM HỒNG LUÂN TÓM TẮT Giá xi măng biến động mối quan tâm hàng đầu bên tham gia dự án, có công cụ để dự báo giá xi măng thời điểm t ương lai nhu cần thiết đối nhà quản lý doanh nghiệp ngành xây dựng Mạng nơron nhân tạo mơ hình giả lập hoạt động n ão người, có khả mơ tả mối quan hệ phi tuyến tự nhi ên ứng dụng nhiều dự báo nhận dạng Tuy nhiên có nhiều thơng số mơ hình mạng mà chưa có qui tắc thống xác định thông số Mục tiêu luận văn thiết kế công cụ dự báo giá xi măng mạng nơron nhân tạo, qua làm sáng tỏ ảnh hưởng thông số mạng nơron nhiều lớp truyền thẳng lên kết dự báo giá xi măng Tp.HCM Dữ liệu đầu vào giá xi măng bán l ẻ thu thập Sở Tài Chính Tp.HCM kết hợp với thiết lập thông số mạng nh ư: số nút nhập, số nút ẩn, số lớp ẩn, số nút xuất, hàm truyền Cùng kỹ thuật như: tiền xử lý liệu đầu vào, tỉ lệ phân chia tập: huấn luyện, tập kiểm định kiểm tra, dừng luyện mạng sớm, kiểm tra chéo ứng dụng vào mơ hình mạng nơron nhân tạo Q trình huấn luyện, tìm kiếm mơ hình mạng tối ưu lập trình phần mềm Matlab Kết chương trình dự báo giá xi măng thời đoạn tháng, tháng, tháng, tháng, 12 tháng thiết lập Đồng thời mơ hình mạng tối ưu nhận với kết dự báo 1, 3, 6, 9, 12 thời đoạn tương lai Biện pháp tiền xử lý liệu lấy logarith tự nhiên, lấy sai phân bậc cuối scale vào khoảng [0,1-0,9] với tỉ lệ tập huấn luyện l 40%, tập kiểm định 30% tập kiểm tra 30% giúp mơ hình mạng dự báo xác Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang CBHD: TS PHẠM HỒNG LUÂN ABSTRACT The fluctuation of the retail prices of cement in Ho Chi Minh City market is always a big problem to the contractors and project managers Therefore, it is very necessary to have the instrument to predict future the retail prices of cement for contractors and construction companies The artificial neural network is a mimic model as a human brain, it has ability to describe the nonlinear relationship in the nature, and be applied particularly in forecasting and pattern recognition There are a lot of numbers of parameters in the artificial neural network ; in fact, there is not any standard process to value them The objective of this study is to investigate the instrument to predict the retail prices of cement by the artificial neural network It explain clearly effectiveness of parameters of multi-layer feedforard networks on the predicting result the retail prices of cement of Ho Chi Minh City Input node data is a retail price of cement taken from Ho Chi Minh City Finance Sevice; and setting up some parameters such as inputs node, hiddens node, hiddens layer, outputs node, activation functions In addition, combination of the techniques as pre-processing technique, proportion of three subset: training, validation, and testing, early stopping, cross -validation testing, to be applied to the artificial neural network In the period of training and seaching for the best – case network model to be programmed on Matlab Software The program result of predict the retail prices of cement be set up in month, months, months, months and 12 months At the same time, the best – case network model can find out the predicting results in month, months, months, months and 12 months in the future The method of pre – processing technique as taking the natural log of a variable and then taking the first deffe rencing, lastly scale the variable in interval [0,1 – 0,9], with proportion of training set is 40%, the proportion of validation set is 30% and the proportion of test set is 30% of the first data set which are assistance the neural network forecasting hig h accuracy Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang CBHD: TS PHẠM HỒNG LUÂN MỤC LỤC MỤC LỤC DANH MỤC HÌNH DANH MỤC BẢNG .11 Chương I: GIỚI THIỆU 16 1.1 Giới thiệu chung vấn đề nghiên cứu: 16 1.2 Tổng quan lịch sử nghiên cứu quan điểm lựa chọn vấn đề nghiên cứu: 21 1.3 Lý nghiên cứu: 29 1.4 Mục tiêu nghiên cứu: 29 1.5 Đối tượng nghiên cứu: 30 1.6 Phạm vi nghiên cứu: 30 1.7 Ý nghĩa khoa học thực tiễn: .31 1.8 Cấu trúc luận văn: 31 Chương II: TỔNG QUAN 33 2.1 Các phương pháp dự báo: .33 2.1.1 Dự báo định tính (Qualitative Methods): 34 2.1.2 Dự báo định lượng: .35 2.1.3 Phương pháp nguyên nhân (Causative Methods): 35 2.2 Thời gian dự báo: 35 2.3 Các phương pháp dự báo chuỗi thời gian truyền thống: .36 2.4 Mơ hình mạng nơron dự báo chuỗi thời gian: .36 2.5 Mạng nơron: 37 2.6 Mơ hình nhân tạo bản: 39 2.7 Mạng nơron nuôi tiến nhiều lớp: 42 2.8 Giải thuật Backpropagation: 43 2.8.1 Mơ tả thuật tốn 44 2.8.2 Chỉ số hiệu (performance index): .44 2.8.3 Luật xích (Chain Rule) 45 2.8.4 Lan truyền ngược độ nhạy cảm: 47 2.8.5 Tóm tắt thuật tốn lan truyền ng ược: 49 2.9 Giải thuật Levenberg – Marquardt (TRAINLM): 53 2.10 Giải thuật Levenberg_Marquardt giảm nhớ (TRAINLM) .53 2.11 Thiết kế mơ hình dự báo giá mạng nơron: 54 2.12 Tiền xử lý liệu: 56 2.12.1 Minh họa liệu đồ thị: 56 2.12.2 Scale liệu: 57 2.12.3 Khử xu mùa vụ: 59 2.13 Phân chia tập huấn luyện, tập kiểm định, tập kiểm tra: 62 2.14 Cấu tạo mạng nơron: .66 2.14.1 Số nút ẩn, số lớp ẩn số nút nhập: .67 2.14.2 Số lượng nút xuất: 71 2.14.3 Hàm truyền: 73 Chương III: PHƯƠNG PHÁP 75 Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang CBHD: TS PHẠM HỒNG LUÂN 3.1 Lựa chọn biến dự báo: 75 3.2 Thu thập liệu: 77 3.3 Tiền xử lý liệu, chuẩn hóa liệu: 78 3.4 Tập huấn luyện (training), tập kiểm định (validation) tập kiểm tra (testing): 79 3.4.1 Regularization .79 3.4.2 Early Stopping (Ngừng sớm) 80 3.5 Mơ hình mạng nơron: 82 3.6 Tiêu chuẩn đánh giá: 83 3.7 Huấn luyện mạng: 85 3.8 Thực thi: 86 3.9 Phân tích kết quả: 86 3.10 Phần cứng phần mềm máy tính: .87 Chương IV: CHƯƠNG TR ÌNH DỰ BÁO GIÁ XI MĂNG TẠI TP.HCM .88 CHƯƠNG V: PHÂN TÍCH KẾT QUẢ 93 5.1 Dự báo cách thời đoạn t ương lai: 94 5.1.1 Chia tập theo tỉ lệ tương ứng: 80%, 10% 10%: 94 5.1.2 Chia tập theo tỉ lệ tương ứng: 70%, 20% 10%: 95 5.1.3 Chia tập theo tỉ lệ tương ứng: 60%, 30% 10%: 95 5.1.4 Chia tập theo tỉ lệ tương ứng: 50%, 30% 20%: 96 5.1.5 Chia tập theo tỉ lệ tương ứng: 40%, 30% 30%: 97 5.2 Dự báo cách thời đoạn t ương lai: 99 5.2.1 Chia tập theo tỉ lệ tương ứng: 80%, 10% 10%: 99 5.2.2 Chia tập theo tỉ lệ tương ứng: 70%, 20% 10%: 100 5.2.3 Chia tập theo tỉ lệ tương ứng: 60%, 30% 10%: 101 5.2.4 Chia tập theo tỉ lệ tương ứng: 50%, 30% 20%: 102 5.2.5 Chia tập theo tỉ lệ tương ứng: 40%, 30% 30%: 102 5.3 Dự báo cách thời đoạn t ương lai: 104 5.3.1 Chia tập theo tỉ lệ tương ứng: 80%, 10% 10%: 104 5.3.2 Chia tập theo tỉ lệ tương ứng: 70%, 20% 10%: 105 5.3.3 Chia tập theo tỉ lệ tương ứng: 60%, 30% 10%: 106 5.3.4 Chia tập theo tỉ lệ tương ứng: 50%, 30% 20%: 106 5.3.5 Chia tập theo tỉ lệ tương ứng: 40%, 30% 30%: 107 5.4 Dự báo cách thời đoạn t ương lai: 110 5.4.1 Chia tập theo tỉ lệ tương ứng: 80%, 10% 10%: 110 5.4.2 Chia tập theo tỉ lệ tương ứng: 70%, 20% 10%: 110 5.4.3 Chia tập theo tỉ lệ tương ứng: 60%, 30% 10%: 111 5.4.4 Chia tập theo tỉ lệ tương ứng: 50%, 30% 20%: 112 5.4.5 Chia tập theo tỉ lệ tương ứng: 40%, 30% 30%: 113 5.5 Dự báo cách 12 thời đoạn t ương lai: 115 5.5.1 Chia tập theo tỉ lệ tương ứng: 80%, 10% 10%: 115 5.5.2 Chia tập theo tỉ lệ tương ứng: 70%, 20% 10%: 116 5.5.3 Chia tập theo tỉ lệ tương ứng: 60%, 30% 10%: 117 Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang CBHD: TS PHẠM HỒNG LUÂN 5.5.4 Chia tập theo tỉ lệ tương ứng: 50%, 30% 20%: 118 5.5.5 Chia tập theo tỉ lệ tương ứng: 40%, 30% 30%: 119 5.6 Tổng hợp kết quả: .121 CHƯƠNG VI: KẾT LUẬN VÀ KIẾN NGHỊ 123 6.1 Tóm tắt trình nghiên cứu: .123 6.2 Những đóng góp nghiên cứu: .124 6.3 Kết luận: 124 6.3.1 Đối với mạng nơron truyền thẳng nhiều lớp: 124 6.3.2 Đối với dự báo giá xi măng: .126 6.4 Những hạn chế nghiên cứu, đề nghị phát triển: 127 Đối với mạng nơron truyền thẳng: 127 Đối với dự báo giá xi măng: .128 TÀI LIỆU THAM KHẢO .130 PHỤ LỤC A 133 CÁC GIAO DIỆN CHÍNH .133 PHỤ LỤC B 139 ĐOẠN MÃ CHÍNH CỦA CHƯƠNG TRÌNH HUẤN LUYỆN VÀ TÌM KIẾM 139 ĐOẠN MÃ CHÍNH CỦA CHƯƠNG TRÌNH DỰ BÁO .156 LÝ LỊCH TRÍCH NGANG 158 Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang CBHD: TS PHẠM HỒNG LN DANH MỤC HÌNH Hình 1-1 Sơ đồ nghiên cứu (tóm tắt) .32 Hình 2-1 Các phương pháp dự báo 33 Hình 2-2 Mơ hình mạng nơron dự báo chuỗi thời gian .37 Hình 2-3 Chức chung nơron nhân tạo 40 Hình 2-4 Mơ hình mạng nơron nuôi tiến nhiều lớp 42 Hình 2-5 Phân tích đồ thị giá xi măng bán lẻ Tp.HCM từ 1/1996 đến 12/2007 .57 Hình 2-6 Hàm truyền tuyến tính Purelin 58 Hình 2-7 Hàm truyền logsig .59 Hình 2-8 Hàm truyền tansig .59 Hình 2-9 Biểu đồ tần số giá xi măng sau scale v 0,1-0,9 61 Hình 2-10 Biểu đồ tần số giá xi măng sau lấy logarith tự nhi ên, sai phân, scale 0,1-0,9 62 Hình 2-11 Mô tả tương quan lỗi tập huấn luyện tập kiểm định thời điểm dừng tối ưu luyện mạng 63 Hình 2-12 Mơ tả vai trị tập huấn luyện, tập kiểm định v tập kiểm tra kiểm tra chéo 65 Hình 2-13 Mẫu liệu nhập vào mạng, với cửa sổ trượt, mạng có nút nhập nút xuất, dự báo bước phía trước có kích thước = .68 Hình 2-14 Mẫu liệu nhập vào mạng, với cửa sổ trượt, mạng có nút nhập nút xuất, dự báo bước phía trước có kích thước = 4, trường hợp dự báo trực tiếp 69 Hình 2-15 Mẫu liệu nhập vào mạng, với cửa sổ trượt, mạng có nút nhập nút xuất, dự báo bước phía trước có kích thước = 1, trường hợp dự báo lặp lại lần thứ 72 Hình 2-16 Mẫu liệu nhập vào mạng, với cửa sổ trượt, mạng có nút nhập nút xuất, dự báo bước phía trước có kích thước = 1, trường hợp dự báo lặp lại lần thứ hai 73 Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang CBHD: TS PHẠM HỒNG LUÂN Hình 3-1 Giá xi măng bán lẻ Tp.HCM từ 1/1996 đến 12/2007 77 Hình 3-2 Mơ hình mạng nơron nhiều lớp truyền thẳng, dự báo b ước phía trước (tn+1) dựa thời đoạn trễ (t n) (tn-1) có nút lớp nhập nút lớp ẩn nút lớp xuất 83 Hình 4-1 Lưu đồ tìm mơ hình mạng tối ưu sử dụng mơ hình tối ưu để dự báo 91 Hình 4-2 Lưu đồ sử dụng mơ hình tối ưu để dự báo 92 Hình 5-1 Minh họa hệ số xác định R cao mơ hình mạng kiểm tra tập kiểm tra tương ứng trường hợp tiền xử lý liệu tỉ lệ (%) tập huấn luyện, kiểm định, v kiểm tra, dự báo thời đoạn t ương lai 99 Hình 5-2 Minh họa hệ số xác định R cao mô hình mạng kiểm tra tập kiểm tra tương ứng trường hợp tiền xử lý liệu v tỉ lệ (%) tập huấn luyện, kiểm định, v kiểm tra, dự báo thời đoạn t ương lai 104 Hình 5-3 Minh họa hệ số xác định R cao mơ hình mạng kiểm tra tập kiểm tra tương ứng trường hợp tiền xử lý liệu v tỉ lệ (%) tập huấn luyện, kiểm định, v kiểm tra, dự báo thời đoạn t ương lai 109 Hình 5-4 Minh họa hệ số xác định R cao mơ hình mạng kiểm tra tập kiểm tra tương ứng trường hợp tiền xử lý liệu v tỉ lệ (%) tập huấn luyện, kiểm định, v kiểm tra, dự báo thời đoạn t ương lai 115 Hình 5-5 Minh họa hệ số xác định R cao mơ hình mạng kiểm tra tập kiểm tra tương ứng trường hợp tiền xử lý liệu v tỉ lệ (%) tập huấn luyện, kiểm định, v kiểm tra, dự báo 12 thời đoạn tương lai 120 Hình 5-6 Đồ thị minh họa giá trị R cao tập kiểm tra ứng với trường hợp tiền xử lý liệu thô lấy logarith tự nhiên, khử xu thế, scale vào khoảng 0,1-0,9 đồng thời tỉ lệ tập huấn luyện chiếm 40% tập kiểm định chiếm 30% tập kiểm tra chiếm 30% tập liệu ban đầu mơ hình dự báo đoạn tương lai 122 Hình 6-1 Minh họa liệu mạng dự báo liệu thực tế trường hợp mạng dự báo thời đoạn tương lai liệu tập kiểm tra 44 điểm liệu từ Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 10 CBHD: TS PHẠM HỒNG LUÂN 4/2004 đến 12/2007, chiếm 30% tập liệu ban đầu, tương ứng trường hợp tiền xử lý liệu .127 Hình PLA-1 Tất file chương trình chính, chương trình file kết dạng *.xls thư mục .133 Hình PLA-2 Màn hình nhập liệu khởi đầu chương trình dự báo 133 Hình PLA-3 Màn hình minh họa liệu giá xi măng tr ước thực dự báo 134 Hình PLA-4 Màn hình kết thúc nhập liệu chương trình dự báo .134 Hình PLA-5 Màn hình mơ tả lỗi tập kiểm định v tập kiểm tra 135 Hình PLA-6 Màn hình xuất kết mơ hình mạng tối ưu tìm 135 Hình PLA-7 Màn hình vẽ đồ thị minh họa kết dự báo m ô hình mạng tối ưu 136 Hình PLA-8 Màn hình vẽ đồ thị hồi qui liệu thực v kết dự báo mạng 136 Hình PLA-9 Màn hình xuất kết qua sang Excel, Th3, 40%30%30%, t.đ.t.lai 137 Hình PLA-10 Màn hình sử dụng mơ hình mạng tối ưu để dự báo 138 Hình PLA-11 Màn hình vẽ kết dự báo tháng liên tiếp từ mơ hình mạng tối ưu 138 Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 144 CBHD: TS PHẠM HỒNG LUÂN if tht==18;%Truong hop ham truyen thu 18 cho ca lop an: "purelin" "purelin" "tansig" fprintf('********** \n'); fprintf('\n'); fprintf('T.hop xu ly du lieu dau vao thu th: %2.5g \n',th); fprintf(' Voi thoi doan tre k: %2.5g \n',k); fprintf('Va so nut an lop an h: %2.5g \n',h); fprintf(' Truong hop ham truyen tht: %2.5g \n',tht); fprintf('MANG CO LOP AN VOI SO NUT LOP AN BANG NHAU \n'); fprintf('Voi ham truyen lop an la: "PURELIN" va lop xuat la: "TANSIG" \n'); fprintf('\n'); fprintf('KET QUA LUYEN MANG: \n'); net=newff(minmax(input),[h h stdtlai],{'purelin','pu relin','tansig'},'trainlm'); %thiet lap cac thong so mang net.trainParam.mem_reduc=2; %1 factor to use for memmory/speed tradeoff net.trainParam.mu=1; %0.00001;0.001 Initial Mu net.trainParam.mu_dec=0.8; %0.01;0.1 Mu decrease factor net.trainParam.mu_inc=1.5; %5;10 Mu increase factor net.trainParam.mu_max=1e40; %1e10 Maximum Mu net.trainParam.min_grad=1e-30; %1e-10 Minimum performance gradient net.trainParam.epochs=5000; %100 Maximum number of epochs to train %BAT DAU HUAN LUYEN %Huan luyen mang voi input va target theo "early stopping" net=init(net); net=train(net,input,target,[],[],val); %XUAT KET QUA SAU KHI LUYEN MANG VA DEM KET QUA NAY KIEM TRA TREN %TAP HOP LE "hle" DE DANH GIA NANG LUC DU BAO CUA MANG Tuc la xem %nhung phan tu tap "hle" la nhung "target" de du bao Con %so luong "input" lay tren co so so "lag" ban dau va "input" duoc %trich tu phan cuoi cua tap "hluyen" va phan dau cua "hle" %Doi mtr cot mtr hang doi voi inphle truoc dua vao mang %de kiem tra nang luc du bao cua mang sau huan luyen voi input lay %tu tap hop le (kiem tra nang luc mang qu a tap hop le) test=sim(net,inphle); test=test'; %Doi "test" gia tri that cua du lieu de so sanh voi target cua %tap hop le la "tarhle" % Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 145 CBHD: TS PHẠM HỒNG LUÂN %TRUONG HOP 1: Scale du lieu o khoang a b "test" du lieu tho if th==1; [xuatmang] = ab_scale_raw(test,min_dataraw,max_dataraw,0.1,0.9); end; % -%TRUONG HOP 2: Xu ly du lieu "test" tu ab du lieu logarith roi %tu logarith du lieu tho mang du bao if th==2; %Scale tu du lieu "test" khoang ab du lieu logarith %"xuatmang1" [xuatmang1] = ab_scale_raw(test,mindatapro1,maxdatapro1,0.1,0.9); %Chuyen tu logarith "xuatmang1" du lieu thuc "xuatmang" [xuatmang] = log_raw(xuatmang1,sh_hluyen,sh_hle,sh_ktra); end; % -%TRUONG HOP 3: Xu ly du lieu "test" tu ab du lieu sai phan roi %tu sai phan du lieu logarith roi tu logarith du lieu tho %mang du bao if th==3; %Scale tu du lieu "test" khoang ab du lieu sai phan %"xuatmang2" [xuatmang2] = ab_scale_raw(test,mindatapro2,maxdatapro2,0.1,0.9); %Chuyen tu sai phan "xuatmang2" du lieu logarith "xuatmang1" [xuatmang1]=saiphan_raw(xuatmang2,datapro1,sh_hluyen,sh_hle,sh_ktra); %Chuyen tu logarith "xuatmang1" du lieu thuc "xuatmang" [xuatmang] = log_raw(xuatmang1,sh_hluyen,sh_hle,sh_ktra); end; % -%TRUONG HOP 4: Xu ly du lieu "test" tu ab du lieu khu mua vu %"xuatmang2" roi tu khu mua vu du lieu logarith "xuatmang2" roi %tu logarith du lieu tho mang du bao if th==4; %Scale tu du lieu "test" khoang ab du lieu xu ly mua vu %"xuatmang2" [xuatmang2] = ab_scale_raw(test,mindatapro2,maxdatapro2,0.1,0.9); %Chuyen tu xu ly mua vu "xuatmang2" du lieu logarith "xuatmang1" [xuatmang1]=saiphan_raw(xuatmang2,datapro1,sh_hluyen,sh_hle,sh_ktra); %Chuyen tu logarith "xuatmang1" du lieu thuc "xuatmang" [xuatmang] = log_raw(xuatmang1,sh_hluyen,sh_hle,sh_ktra); end; % -%TRUONG HOP 5: Xu ly du lieu "test" tu ab du lieu da khu xu the Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 146 CBHD: TS PHẠM HỒNG LUÂN %mua vu "xuatmang1" roi tu khu xu the mua vu logari th va tu %logarith du lieu tho "xuatmang" mang du bao if th==5; %Scale tu du lieu "test" khoang ab du lieu da xu ly xu the %mua vu "xuatmang2" [xuatmang2]=ab_scale_raw(test,mindatapro2,maxdatapro2,0.1,0.9); %Chuyen tu xu ly mua vu "xuatmang2" du lieu logarith "xuatmang1" [xuatmang1]=xuthemuavu_raw(xuatmang2,datapro1,13,sh_hluyen, sh_hle,sh_ktra); %Chuyen tu logarith "xuatmang1" du lieu thuc "xuatmang" [xuatmang]=log_raw(xuatmang1,sh_hluyen,sh_hle,sh_ktra); end; % -%Su dung ket qua mang vua luyen, ung voi gia tri k o tren, kiem tra %qua tap hle voi cap inphle(input) va tarhle(target) da xac dinh %tinh cac sai so cua mang , tinh loi E giua gia tri xuat cua mang %sau luyen ung voi inphle va tarhle la gia tri thuc va %E=targethople -xuatmang, tinh tren gia tri thuc fprintf('\n'); fprintf('TINH SAI SO DUA TREN KQ DU BAO CUA MANG TREN TAP HOP LE: \n'); fprintf('\n'); E=targethople -xuatmang; MAPE=mean(mean(abs(E./targethople))); fprintf('MAPE = %2.5g\n',MAPE); fprintf('\n'); %Tao dong cua cac ma tran ghiMSE, ghiMAPE, ghiR2, dac biet %mang te bao "net", la ma tran [k dong x ((2*k)+1) cot] hay [k dong %x h cot]de luu giu cac gia tri MSE MAPE,R2 va net vong lap %cua h va sau la cua vong lap k De luu giu cac gia tri khoi %2 vong lap for vi cac thong vong lap se bi xoa k hi tang k %len don vi ghinet(k,h,tht)={[net]}; ghiMAPE(k,h,tht)=MAPE; clear net test xuatmang xuatmang1 xuatmang2 E MAD RMSE MAPE R2 end;%cua dieu kien if co tht==18; end;%het vong lap "for" "tht" 1:18 truong hop kien truc mang, het vong for (3/3) Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 147 CBHD: TS PHẠM HỒNG LUÂN end%Het vong "for" ung voi so nut an doan tu den 2n+1, for k=2h+1 dk bien "h"(2/3) %Xoa cac bien: input target val.inp val.tar truoc tang k, vi %do vong lap for cua k, se gan lai cac gia tri input target val.inp %val.tar ung voi k moi, k tang len don vi clear input target val inphle tarhle targethop le targethople1 targethople2 end%Het vong lap "for" ung voi bien tre "k" doan tu den lagmax (1/3) %Den day ta co cac ma tran: ghiMAPE(k,h), ghiMSE(k,h), ghiMAD(k,h), %ghiR2(k,h) tru mang te bao ghinet(k,h ), tiep tuc xu ly tim MSE, MAPE, %MAD va max R2, tren co so cac ma tran co cung kich thuoc do lay kich %thuoc cua dung cho tac ca [Min_ghiMAPE] = timmincogiatri03bien(ghiMAPE); %Voi gia tri Min_ghiMSE, Min_ghiMAD, Min_g hiMAPE va Max_ghiR2 vua tim duoc %ta la tim chi so ung voi nhung gia tri ma tran ghiMAPE(k,h); %ghiMSE(k,h); ghiR2(k,h) de biet tai k thu may va o h thu may cho ket %qua max tren; [k_mape,h_mape,tht_mape] = find3chieu (ghiMAPE,Min_ghiMAPE); fprintf('< >\n'); fprintf('\n'); fprintf('SAU KHI LUYEN MANG DEM KET QUA CUA MANG KIEM TRA TREN TAP HOP LE:\n'); fprintf('KET QUA NHU SAU: \n'); fprintf('\n'); fprintf('\n'); fprintf(' Va o truong hop xu ly du lieu th = %2.5g \n',th); fprintf(' Dong thoi o so thoi doan tre k = %2.5g \n',k_mape); fprintf(' voi so luong nut an lop an h = %2.5g\n',h_mape); Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 148 CBHD: TS PHẠM HỒNG LUÂN fprintf('Thop ham truyen o lop an va lop xuat tht = %2.5g \n',tht_mape); fprintf(' Ta tim duoc gia tri MAPE la nho nhat = %2.5g \n',Min_ghiMAPE); %Vay chon duoc kien truc mang tuong ung voi gia tri Max_ghiR2 lon nhat la %toi uu, ung voi: kieu du lieu nhap vao mang, so thoi doan tre: n = so %nut nhap vao mang = so hang cua ma tran va so nut an la: o = so cot cua ma %tran %VOI KIEN TRUC MANG TOI UU DUOC KIEM TRA QUA TAP HOP LE O TREN, TIEP TUC SU %DUNG KIEN TRUC MANG TOI UU NAY CHO BO DU LIEU ktra %Tao input va target tu tap kiem tra qua bien inpktra va tarktra dua vao %so thoi doan tre n Voi inpktra se dua vao mang voi n thoi doan tre va o %so nut an se tao mot ket qua du bao, de m ket qua dua bao so sanh %voi tarktra fprintf('\n'); fprintf('******************************************************************* ******************************** \n'); fprintf('\n'); fprintf('TIEP TUC KIEM TRA NANG LUC DU BAO C UA MANG LAN NUA TREN TAP KIEM TRA\n'); fprintf('\n'); fprintf('Voi mang co "MAPE nho nhat" o tren tuong ung voi so thoi doan tre, so nut an, ham luyen o lop an va lop xuat \n'); fprintf('Ta dem mang co "MAPE nho nhat" kiem tra lai voi du lieu cua "tap kiem tra" va ket qua nhu sau:\n'); fprintf('\n'); fprintf('KET QUA NHU SAU: \n'); fprintf(' .Vay o truong hop xu ly du lieu th = %2.5g \n',th); fprintf(' Dong thoi o so thoi doan tre k = %2.5g \n',k_mape); fprintf(' voi so luong nut an lop an h = %2.5g \n',h_mape); fprintf('Thop ham truyen o lop an va lop xuat tht = %2.5g \n',tht_mape); fprintf('\n'); fprintf('Cu the: \n'); fprintf('\n'); fprintf('Voi truong hop xu ly du lieu tho truoc kh i luyen la: \n'); fprintf('\n'); %In ung voi truong hop xu ly du lieu tho truoc dua vao mang switch th case fprintf('T.hop 1: "scale" du lieu vao khoang 0.1 den 0.9 \n'); case fprintf('T.hop 2: lay "logarith" sau "scale" du lieu vao [0.1 -0.9]\n'); Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 149 CBHD: TS PHẠM HỒNG LUÂN case fprintf('T.hop 3: "logarith" "khu xu the",va tiep tuc "scale" du lieu vao [0.1 -0.9]\n'); case fprintf('T.hop 4: "logarith" "khu mua vu",va "scale" du lieu vao [0.1-0.9]\n'); case fprintf('T.hop 5: "logarith" "khu xu the" "khu mua vu" "scale" du lieu vao [0.1 0.9]\n'); end; %In cau giai thich ung voi truong hop ham truyen v fprintf('\n'); fprintf('Va ham truyen doi voi cac lop an va lop xuat: \n'); fprintf('\n'); switch tht_mape case fprintf('1 lop an: "purelin" va lop xuat: "purelin" \n'); case fprintf('1 lop an: "logsig" va lop xuat: "purelin" \n'); case fprintf('1 lop an: "tansig" va lop xuat: "purelin" \n'); case fprintf('1 lop an: "logsig" va lop xuat: "logsig" \n'); case fprintf('1 lop an: "tansig" va lop xuat: "logsig" \n'); case fprintf('1 lop an: "purelin" va lop xuat: "logsig" \n'); case fprintf('1 lop an: "tansig" va lop xuat: "tansig" \n'); case fprintf('1 lop an: "logsig" va lop xuat: "tansi g"\n'); case fprintf('1 lop an: "purelin" va lop xuat: "tansig" \n'); % -case 10 fprintf('2 lop an: "PURELIN" va lop xuat: "PU RELIN"\n'); case 11 fprintf('2 lop an: "LOGSIG" va lop xuat: "PURELIN" \n'); case 12 fprintf('2 lop an: "TANSIG" va lop xuat: "PURELIN" \n'); case 13 fprintf('2 lop an: "LOGSIG" va lop xuat: "LOGSIG"\n'); case 14 fprintf('2 lop an: "TANSIG" va lop xuat: "LOGSIG" \n'); case 15 Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 150 CBHD: TS PHẠM HỒNG LUÂN fprintf('2 lop an: "PURELIN" va lop xuat: "LOGSIG" \n'); case 16 fprintf('2 lop an: "TANSIG" va lop xuat: "TANSIG" \n'); case 17 fprintf('2 lop an: "LOGSIG" va lop xuat: "TANSIG" \n'); case 18 fprintf('2 lop an: "PURELIN" va lop xuat: "TANSIG" \n'); end;%cua lenh switch de in cau chon ham truyen luyen mang %Tao tap inpktra va tarktra tu du lieu for i=1:(sh_ktra-stdtlai+1); for j=1:k_mape;%k_r2 la so ung voi thoi doan tre theo yeu lay tren tap "ktra" inpktra(i,j)=datapro((sh_hluyen+sh_hle -k_mape)+(i+j-1)); end for j=1:stdtlai; tarktra(i,j)=datapro((sh_hluyen+sh_hle)+(i+j -1)); end end inpktra=inpktra';%doi tu "ma tran cot" "ma tran hang" de dua vao mang %Doi "tarktra" gia tri that " targetktra" cua du lieu "ktra" de so sanh %voi "test2" cua mang va chi bien doi "inpktra" de dua vao mang kiem tra % -% -%TRUONG HOP 1: Scale du lieu khoang ab "inpktra" du lieu tho %"targetktra" if th==1; [targetktra] = ab_scale_raw(tarktra,min_dataraw,max_dataraw,0.1,0.9); end; % -%TRUONG HOP 2: Chuyen du lieu da xu ly logarith "inpktra" du lieu tho %"targetktra" %Scale tu du lieu khoang ab "tarktra" du lieu logarith %"targetktra1" if th==2; [targetktra1] = ab_scale_raw(tarktra,mindatapro1,maxdatapro1,0.1,0.9); %Chuyen tu logarith "targetktra1" du lieu thuc "targetktra" [targetktra] = log_raw(targetktra1,sh_hluyen,sh_hle,sh_ktra); end; % -%TRUONG HOP 3: Chuyen du lieu "inpktra" da xu ly scale ab, roi sai phan bac Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 151 CBHD: TS PHẠM HỒNG LUÂN %1, roi logarith du lieu tho "targetktra" if th==3; %Scale tu du lieu khoang ab du lieu sai phan [targetktra2] = ab_scale_raw(tarktra,mindatapro2,maxdatapro2,0.1,0.9); %Chuyen tu sai phan bac "targetktra2" du lieu logarith "targetktra1" [targetktra1] = saiphan_raw(targetktra2,datapro1,sh_hluyen,sh_hle,sh_ktra); %Chuyen tu logarith "targetktra1" du lieu thuc "targetktra" [targetktra] = log_raw(targetktra1,sh_hluyen,sh_hle,sh_ktra); end; % -%TRUONG HOP 4: Chuyen du lieu da s cale ab "inpktra" khu mua vu %"targetktra2" va chuyen tiep du lieu logarith "targetktra1" roi chuyen %ra du lieu tho "targetktra" if th==4; %Scale tu du lieu khoang ab "tarktra" du lieu da xu ly mua vu %"targetktra2" [targetktra2] = ab_scale_raw(tarktra,mindatapro2,maxdatapro2,0.1,0.9); %Chuyen tu xu ly mua vu "targetktra2" du lieu logarith "targetktra1" [targetktra1] = saiphan_raw(targetktra2,datapro1,sh_hluyen,sh_hle,sh_ktra); %Chuyen tu logarith "targetktra1" du lieu thuc "targetktra" [targetktra] = log_raw(targetktra1,sh_hluyen,sh_hle,sh_ktra); end; % -%TRUONG HOP 5: Chuyen du lieu da scale ab "inpktra" da khu xu the mua vu %"targetktra1" va chuyen tiep du lieu logarith roi chuyen tiep logarith %ra du lieu tho "targetktra" if th==5; %Scale tu du lieu khoang ab "tarktra" du lieu da xu ly xu th e mua %vu "targetktra1" [targetktra2] = ab_scale_raw(tarktra,mindatapro2,maxdatapro2,0.1,0.9); %Chuyen tu da xu ly xu the mua vu "targetktra2" du lieu logarith %"targetktra1" va chuyen tiep du lieu thuc "targetktra" [targetktra1] = xuthemuavu_raw(targetktra2,datapro1,13,sh_hluyen,sh_hle,sh_ktra); %Chuyen tu logarith "targetktra1" du lieu thuc "targetktra" [targetktra] = log_raw(targetktra1,sh_hluyen,sh_hle,sh_ktra); end; % % - Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 152 CBHD: TS PHẠM HỒNG LUÂN %Cho inpktra vao mang ma tao gia tri Max_ghiR2 lon nhat de danh gia nang %luc du bao cua mang test2=sim(ghinet{k_mape,h_mape,tht_mape},inpktra);%boc va mo phong mang tuong ung voi k_mape,h_mape,tht_mape ghinet test2=test2';%doi tu ma tran hang mang xuat ma tran cot thong thuong %"2" o day co nghia la kiem tra lai tren tap "ktra" %Doi "test2" mang du bao gia tri that cua du lieu de so sanh voi %target cua tap hop kiem tra (ktra), "tarktra" % % %TRUONG HOP 1: Scale du lieu "test2" o khoang ab du lieu tho "xuatmang2" if th==1; [xuatmang2] = ab_scale_raw(test2,min_dataraw,max_dataraw,0.1,0.9); end; % -%TRUONG HOP 2: Scale du lieu "test2" du lieu tho mang du bao if th==2; %Scale "test2" khoang ab du lieu logarith "xuatmang22" [xuatmang22] = ab_scale_raw(test2,mindatapro1,maxdatapro1,0.1,0.9); %Chuyen tu logarith "xuatmang22" du lieu thuc "xuatmang2" [xuatmang2] = log_raw(xuatmang22,sh_hluyen,sh_hle,sh_ktra); end; % -%TRUONG HOP 3: Scale du lieu "tes t2" du lieu tho mang du bao if th==3; %Scale "test2" khoang ab du lieu sai phan "xuatmang222" [xuatmang222] = ab_scale_raw(test2,mindatapro2,maxdatapro2,0.1,0.9); %Chuyen tu sai phan "xuatmang222" du lieu logarith "xuatmang22" [xuatmang22] = saiphan_raw(xuatmang222,datapro1,sh_hluyen,sh_hle,sh_ktra); %Chuyen tu sai phan "xuatmang22" du lieu thuc "xuatmang2" [xuatmang2] = log_raw(xuatmang22,sh_hluyen,sh_hle,sh_ktra); end; % -%TRUONG HOP 4: Chuyen du lieu da scale ab "test2" khu mua vu %"xuatmang222" va chuyen tiep du lieu logarith "xuatmang22" va chuyen tiep du lieu tho "xuatmang2" if th==4; %Scale tu du lieu khoang ab "test2" du lieu da xu ly mua vu %"xuatmang222" [xuatmang222] = ab_scale_raw(test2,mindatapro2,maxdatapro2,0.1,0.9); %Chuyen tu xu ly mua vu "xuatmang222" du lieu logarith "xuatmang22" Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 153 CBHD: TS PHẠM HỒNG LUÂN [xuatmang22] = saiphan_raw(xuatmang222,datapro1,sh_hluyen,sh_hle,sh_ktra); %Chuyen tu logarith "xuatmang22" du lieu thuc "xuatmang2" [xuatmang2] = log_raw(xuatmang22,sh_hluyen,sh_hle,sh_ktra); end; % -%TRUONG HOP 5: Chuyen du lieu da scale ab "test2" da khu xu the mua vu %"xuatmang222" va chuyen tiep du lieu logarith "xuatmang22" va tu %logarith chuyen du lieu tho " xuatmang2" if th==5; %Scale tu du lieu khoang ab "test2" du lieu da xu ly xu the mua vu %"xuatmang222" [xuatmang222] = ab_scale_raw(test2,mindatapro2,maxdatapro2,0.1,0.9); %Chuyen tu da xu ly xu the mua vu "xuatmang222" du lieu logarith %"xuatmang22" [xuatmang22] = xuthemuavu_raw(xuatmang222,datapro1,13,sh_hluyen,sh_hle,sh_ktra); %Chuyen tu logarith "xuatmang22" du lieu thuc "xuatmang2" [xuatmang2] = log_raw(xuatman g22,sh_hluyen,sh_hle,sh_ktra); end; % -%Tinh loi hay chenh lech giua gia tri thuc "targetktra" va du bao %"xuatmang2" %"2" o day co nghia la kiem tra lai tren tap "ktra" E2=targetktra-xuatmang2; fprintf('\n'); fprintf('Ket qua thuc te tai thoi diem du bao = \n'); targetktra fprintf('Ket qua mang du bao = \n'); xuatmang2 fprintf('Chenh lech giu thuc te va du bao = \n'); E2 fprintf('* "GIA THUC TE" [targetktra xuatmang2 E2] "GIA DO MANG DU BAO" "CHENH LECH": \n'); MAD2=mean(sum(abs(E2))); fprintf(' MAD kiem tra (Mean Absolute Deviation) = %2.5g \n',MAD2); RMSE2=sqrt(mean(mean(E2.^ 2))); fprintf('RMSE kiem tra (Root Mean Squared Error) = %2.5g \n',RMSE2); Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 154 CBHD: TS PHẠM HỒNG LUÂN MAPE2=mean(mean(abs(E2./targetktra))); fprintf('MAPE kiem tra (Mean Absolute Percentage Error) = %2.5g \n',MAPE2); R22=1-((sum(E2.^2))/(sum((targetktra -mean(mean(targetktra))).^2))); fprintf(' R2 kiem tra = %2.5g \n',R22); %Tu dong Xuat kq file: *.xls xuat_kq_excel = {'KIEM TRA TREN TAP "HOP LE": 'KET QUA NHU SAU: ',0 ; ' ',0; ',0; 'Va o truong hop xu ly du lieu th = ',th; 'Dong thoi o so thoi doan tre k = ',k_mape; 'voi so luong nut an lop an h = ',h_mape; 'Thop ham truyen o lop an va lop xuat tht = ',tht_mape; 'Ta tim duoc gia tri MAPE la nho nhat = ',Min_ghiMAPE; ' ',0; 'TIEP TUC KIEM TRA TREN TAP "KIEM TRA": 'KET QUA NHU SAU: ',0 ; ' ',0; ',0; 'Vay o truong hop xu ly du lieu th = ',th; 'Dong thoi o so thoi doan tre k = ',k_mape; 'voi so luong nut an lop an h = ',h_mape; 'Thop ham truyen o lop an va lop xuat tht = ',tht_mape; ' ',0; 'MAD kiem tra (Mean Absolute Deviation) = ',MAD2; 'RMSE kiem tra (Root Mean Squared Error) = ',RMSE2; 'MAPE kiem tra (Mean Absolute Percentage Error) = ',MAPE2; 'R2 kiem tra = ',R22 }; kq_xuat_mape_excel=xlswrite(kq,xuat_kq_excel,kq,'B2'); s = xlswrite(kq,[targetktra xuatmang2 E2],'Gia t huc_Gia du bao_Sai so','B2'); %The hien kq bang thi if stdtlai==1 figure; hold on; plot(targetktra,'r^-','LineWidth',3, 'MarkerEdgeColor','g', Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 155 CBHD: TS PHẠM HỒNG LUÂN 'MarkerFaceColor','k', 'MarkerSize',5); plot(xuatmang2,'bd-','LineWidth',2, 'MarkerEdgeColor','m', 'MarkerFaceColor','y', 'MarkerSize',5); xlabel('Thoi diem'); ylabel('Gia xi mang'); title('DO THI GIA XI MANG DO MANG DU BAO VA GIA THUC'); legend({'Gia tri thuc','Gia tri du bao'}); grid on; figure; [m b r]=postreg(xuatmang2',targetktra'); fprintf('\n'); fprintf('Do doc = %2.5g \n',m); fprintf('Tung goc = %2.5g \n',b); fprintf('Gia tri hoi qui = %2.5g \n',r); end % -%luu ghinet toi uu voi ten la kq=do nhap ten file kq tu dau tuong ung %voi 'k_mape','h_mape','tht_mape' toi uu save(kq,'th','k_mape','h_mape','tht_mape','ghinet','stdtlai','min_dataraw','max_dataraw'); % -end; %cua else, phan chuong trinh xu ly cac truong hop chon tuong ung voi tung %truong hop duoc nhap vao %echo off Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 156 CBHD: TS PHẠM HỒNG LUÂN ĐOẠN MÃ CHÍNH CỦA CHƯƠNG TRÌNH DỰ BÁO %echo on clc clear disp('CHUONG TRINH DU BAO "GIA XI MANG" TAI TP.H CM BANG NEURAL NETWORK'); fprintf('\n'); disp('File dinh dang nhu sau: C: \MATLAB7\work\*.mat:'); disp('! -> Chu y: nhap ten file giua dau nhay don'); load(input('Hay nhap ten file ket qua cua lan luyen mang gan nhat: ')); fprintf('\n'); fprintf(' So thoi doan tuong lai lien tiep se duoc du bao la = %2.5g\n',stdtlai); fprintf('\n'); fprintf('So luong diem gia xi mang o "qua khu" lien ke thoi diem du bao la = %2.5g\n',k_mape); fprintf('\n'); disp('Nhap gia truoc thoi diem du bao theo din h dang nhu sau:'); disp('[("xa nhat" gia can du bao)giaN gia3 gia2 gia1("lien ke truoc" gia can du bao)]'); fprintf('\n'); nhapdubao=input('Hay vao gia xi mang truoc thoi diem du bao:'); fprintf('\n'); %Dat ten file ket qua dang *.xls disp('Ban hay nhap ten file *.xls luu ket qua,va dat giua dau nhay don'); fprintf('\n'); kq=input('Hay nhap vao ten file luu ket qua: '); warning off MATLAB:xlswrite:AddSheet fprintf('\n'); min_nhapdubao=min(nhapdubao); if min_dataraw < min_nhapdubao min_dataraw=min_nhapdubao; end max_nhapdubao=max(nhapdubao); if max_nhapdubao>max_dataraw max_dataraw=max_nhapdubao; end [datapro] = scale_ab(nhapdubao,min_dataraw,max_dataraw,0.1,0.9); Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 157 CBHD: TS PHẠM HỒNG LUÂN %datapro=datapro'; if (th==1)|(th==2)|(th==3)|(th==4)|(th==5) test2=sim(ghinet{k_mape,h_mape,tht_mape},datapro); test2=test2'; else test2=sim(ghinet{th_mape,k_mape,h_mape,tht_mape},datapro); test2=test2'; end [xuatmang2] = ab_scale _raw(test2,min_dataraw,max_dataraw,0.1,0.9); fprintf('Ket qua mang du bao = \n'); xuatmang2 %Tu dong Xuat kq file: *.xls xuat_kq_excel = {'KET QUA DU BAO NHU SAU: ',0 ; ' ',0; 'Voi so thoi doan tre k = ',k_mape; }; kq_xuat_mape_excel=xlswrite(kq,xuat_kq_excel,kq,'B2'); s = xlswrite(kq,[xuatmang2],'ket qua mang du bao','B2'); %The hien kq bang thi figure; hold on; plot(xuatmang2,'bd-','LineWidth',2, 'MarkerEdgeColor','m', 'MarkerFaceColor','y', 'MarkerSize',6); xlabel('Thoi diem'); ylabel('Gia xi mang'); title('DO THI GIA XI MANG DU BAO'); legend({'Gia tri du bao'}); grid on; %echo off Học viên thực hiện: NGUYỄN KIÊN TRUNG LUẬN VĂN THẠC SĨ Trang 158 CBHD: TS PHẠM HỒNG LUÂN LÝ LỊCH TRÍCH NGANG Họ tên: Nguyễn Kiên Trung Ngày, tháng, năm sinh: 26/9/1977 Địa liên lạc: 156/2 Bình Thới, P14, Q.11 Tp.HCM Nơi sinh: Mỹ Tho, Tiền Giang 090 143 618 (Email: trungkienng@yahoo.com.vn ) QUÁ TRÌNH ĐÀO TẠO: 1995 – 2000: Học trường Đại học Bách Khoa Tp.HCM Ngành Xây Dựng Dân Dụng Công nghiệp 2006 – 2008: Học cao học trường Đại học Bách Khoa Tp.HCM Ngành Cơng Nghệ Quản Lý Xây Dựng Q TRÌNH CƠNG TÁC: 2000 – 2004: Quản lý dự án Công ty sản xuất hàng tiêu dùng Bình Tiên (Biti’s) 2004 – 2006: Công ty TNHH Xây Dựng Bến Lức 2006 – 2008: Công ty cổ phần tư vấn thiết kế xây dựng Đồng Phát Học viên thực hiện: NGUYỄN KIÊN TRUNG ... ứng dụng mạng nơron, phương pháp ứng dụng lý thuyết tập mờ, phương pháp ứng dụng thuật toán di truyền nêu nghiên cứu Nhóm nghiên cứu đề nghị mơ hình dự báo: Mơ hình mạng nơron mờ hồi qui dự báo. .. đơn, tự hồi qui ARIMA Trong nghiên cứu dùng mơ hình mạng nơron vào dự báo chuỗi thời gian, dự báo trực tiếp, dự báo giá xi măng cho nhiều tháng kể từ thời điểm 2.4 Mơ hình mạng nơron dự báo chuỗi... bán lẻ xi măng Tp. HCM từ liệu đầu vào giá bán lẻ xi măng ghi nhận Sở Tài Chính Tp. HCM xuất giá trị giá xi măng dự báo thời đoạn: tháng, tháng, tháng, tháng 12 tháng tương ứng mơ hình mạng nơron