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 MƠ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên – 2016 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG NGUYỄN NGỌC LINH XÁC ĐỊNH ĐỘ DÀI KHOẢNG TRONG MƠ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ Chuyên ngành : Khoa học máy tính Mã số : 60 48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Nguyễn Công Điều Thái Nguyên – 2016 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác Tác giả luận văn Nguyễn Ngọc Linh Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 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 mơ 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 27 2.3 Phương pháp tính độ dài khoảng thời gian dựa theo tỷ lệ 28 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn ii CHƯƠNG 3: TÍNH TỐN THỬ NGHIỆM VÀ CÁC ĐÁNH GIÁ 32 3.1 Tính tốn 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 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn iii DANH MỤC HÌNH VẼ, BẢNG BIỂU, ĐỒ THỊ Hình 1.1 Giao hai tập mờ có khơng 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 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 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 51 Bảng 3.20 Kết tính tốn 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 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -1 MỞ ĐẦU Chuỗi thời gian công cụ xử lý liệu hữu hiệu thống kê Mơ hình sử dụng rộng rãi để phân tích chuỗi thời gian thống kê mơ hình ARMA Box-Jenkins đề xuất Tuy nhiên thực tế có nhiều chuỗi số liệu khơng thoả mãn tính chất để xử lý cơng cụ thống kê mơ hình ARMA Do cần có cơng cụ để xử lý trường hợp đặc trưng Mơ hình chuỗi thời gian mờ công cụ phát triển nhằm đáp ứng nhu cầu Chuỗi thời gian mờ mơ hình chuỗi thời gian mờ bậc Song Chissom [9] phát triển từ năm 1993 Sau cơng 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 mơ 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 cơng trình sử dụng cách tiếp cận để dự báo cho chuỗi thời gian Huarng sử dụng thơng tin có trước tính chất chuỗi thời gian mức độ tăng giảm để đưa mơ hình heuristic chuỗi thời gian mờ Để nâng cao hiệu độ xác thuật tốn, năm gần có hàng loạt cơng trình đưa nhiều kỹ thuật khác Những cơng cụ lý thuyết tính tốn 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 mơ hình chuỗi thời Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -2 gian mờ Chen [11] tiếp tục người đầu xây dựng thuật toán để xử lý mối quan hệ mờ bậc cao Các cơng trình Chen đề cập đến khái niệm mơ 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 cơng trình Năm 2001 Huarng ý đến vai trò việc phân khoảng mơ 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 tốn Nếu phân khoảng có độ dài lớn số phép tính giảm có phân tán kết quả, cịn 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 cịn có số cơng trình khác đề xuất thêm thuật toán chia khoảng khác báo [2], [5],[6] Dự báo chuỗi thời gian sử dụng mơ 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 tốn có ảnh hưởng lớn đến độ xác mơ 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 tốn khác đến độ xác dự báo chuỗi thời gian tốn lý thú cần có đánh giá tổng kết phép phân chia để sử dụng nhiều tốn khác Chính lý này, em lựa chọn đề tài “Xác định Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -3 độ dài khoảng mơ 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 tốn thử nghiệm đánh giá Luận văn em hoàn thành hướng dẫn tận tình TS Nguyễn Cơng Điều, em xin bày tỏ lịng 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 hồn thiện luận văn tất nhiệt huyết lực mình, nhiên luận văn tránh khỏi thiếu sót, em mong nhận đóng góp q thầy bạn./ Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -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 = Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -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, , u27 với 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 ngơn 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 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -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 Bước 7: 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 , A24 A26, A26 A26 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 Bước 8: Giải mờ dựa mối quan hệ mờ thiết lập Kết mờ hóa giá trị chuỗi thời gian thể Bảng 3.23 sau: Bảng 3.23 Kết dự báo phương 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 Số hóa Trung tâm Học liệu – ĐHTN 563.5 A15 http://www.lrc.tnu.edu.vn 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 Số hóa Trung tâm Học liệu – ĐHTN Phương pháp tính độ dài dựa mức trung bình Phương pháp tính độ dài khoảng thời gian http://www.lrc.tnu.edu.vn -57 dựa theo tỷ 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 Số hóa Trung tâm Học liệu – ĐHTN 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 http://www.lrc.tnu.edu.vn 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 Chen cho 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 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -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 khoảng 2.8, 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 MSE 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 mơ 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 tốn 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 tốn thử nghiệm với tốn tính số giá tiêu dùng nước số VN-Index thấy chiều dài khoảng thời gian dựa theo tỷ lệ hẳn so mơ hình áp dụng độ dài khoảng thời gian dựa phân bố trung bình Điều thể thơng qua số trung bình bình phương (MSE) phương pháp tỷ lệ 1/2 số phương pháp chia Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -60 khoảng dựa Chen Cũng thấy điều thông qua đồ thị kết 3.1 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 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -61 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Kết luận Xác định độ dài khoảng thời gian dự báo chuỗi thời gian mờ 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 khơng mơ 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 trị quan trọng Trong luận văn, em trình bày phương pháp chia khoảng Huarng mơ 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 tốn thực tế dựa liệu lấy số giá tiêu dùng nước số VN-Index để kiểm chứng Kết thu sau tính tốn cho thấy số phương pháp khả quan Độ xác dự báo nâng lên nhiều so với thuật tốn có sử dụng phương pháp chia khoảng trước Hai phương pháp tính độ dài phân bố dựa mức trung bình tính tốn 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 qt phải thực tính tốn với nhiều dãy số liệu Việc lựa chọn phương pháp chia khoảng vào thuật toán để dự báo quan trọng định đến tồn kết dự báo Cũng Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -62 lẽ mà ngày mơ 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 em tìm hiểu phương pháp chia khoảng Huarng áp dụng phương pháp vào tốn 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 tốn chia khoảng mơ hình dự báo chuỗi thời gian mờ Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -63 PHỤ LỤC Trong luận văn “Xác định độ dài khoảng mô hình dự báo chuỗi thời gian mờ”, em sử dụng ngơn 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 tốn 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 tốn so sánh Đặc biệt chương trình thể tính chi tiết tính tốn phương pháp cửa sổ bên phải Giao diện chương trình gồm có:  Chọn liệu thực để tính tốn Hình PL1 Chọn liệu đầu vào chọn phương pháp chia khoảng Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -64  Thực lệnh tính tốn 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 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -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 tốn liệu tệp Excel Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -66 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Nguyễn Thiện Luận, “Lý thuyết mờ ứng dụng tin học Tập Cơ sở lý thuyết mờ” NXB Thống kê, 2015 [2] Nguyễn Cơng Điều, “Một thuật tốn cho mơ hình chuỗi thời gian mờ heuristic dự báo chứng khốn”, Tạp chí Khoa học Cơng nghệ, Viện KH&CN Việt Nam , 49 (4) 2011.11-25 [3] Nguyễn Công Điều, “ Nhóm quan hệ mờ phụ thuộc thời gian mơ 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), “Mơ 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 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn -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 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn ... kết dự báo chưa trả lời nghiên cứu Trong thực tế, độ dài khác khoảng thời gian dẫn tới kết dự báo khác nhau.Ví dụ dự báo chuỗi thời gian đưa với hai độ dài khoảng thời gian để thấy độ dài khác khoảng. .. quả: Sau xác định độ dài khoảng thời gian, chia tập U thành khoảng thời gian u1, u2,…un Trung điểm khoảng thời gian m1, m2,…mn xác định Bước Xác định tập mờ hàm mờ khoảng chia (Cách xác định bước... khác Đối với dự báo nhập học Song Chissom chọn 1000 độ dài khoảng thời gian mà không đưa lý chọn Từ đó, 1000 sử dụng độ dài khoảng thời gian nghiên cứu dự báo Độ dài khoảng thời gian có ảnh hưởng