Mô hình chuỗi thời gian mờ bậc cao hai nhân tố và ứng dụng

ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CNTT VÀ TRUYỀN THƠNG PHẠM THỊ NGÂN MƠ HÌNH CHUỖI THỜI GIAN MỜ BẬC CAO HAI NHÂN TỐ VÀ ỨNG DỤNG LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH THÁI NGUYÊN - 2012 MỤC LỤC MỤC LỤC DANH MỤC BẢNG BIỂU DANH MỤC HÌNH VẼ MỞ ĐẦU .7 CHƢƠNG 1: TỔNG QUAN VỀ LÝ THUYẾT TẬP MỜ 10 1.1 Lý thuyết tập mờ 10 1.1.1 Tập mờ 10 1.1.2 Các phép toán tập mờ 11 1.1.2.1 Phần bù tập mờ 11 1.1.2.2 Phép giao hai tập mờ .11 1.1.2.3 Phép hợp hai tập mờ 13 1.1.2.4 Luật De Morgan 14 1.1.2.5 Phép kéo theo 14 1.2 Các quan hệ suy luận xấp xỉ, suy diễn mờ 14 1.2.1 Quan hệ mờ .14 1.2.1.1 Khái niệm quan hệ rõ 14 1.2.1.2 Các quan hệ mờ 15 1.2.2 Suy luận xấp xỉ suy diễn mờ 16 1.3 Hệ mờ 17 1.3.1 Bộ mờ hoá 18 1.3.2 Hệ luật mờ 18 1.3.4 Bộ giải mờ .19 CHƢƠNG 2: MƠ HÌNH CHUỖI THỜI GIAN MỜ .22 VÀ CÁC THUẬT TOÁN CƠ BẢN 22 2.1 Các kiến thức chuỗi thời gian 22 2.1.1 Khái niệm chuỗi thời gian 22 2.1.2 Tính chất chuỗi thời gian 22 2.1.2.1 Tính dừng 22 2.1.2.2 Tuyến tính 23 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 2.1.2.3 Tính xu hƣớng 24 2.1.2.4 Tính mùa vụ .24 2.1.3 Phân loại chuỗi thời gian 24 2.1.3.2 Chuỗi thời gian tuyến tính 25 2.1.3.2 Chuỗi thời gian phi tuyến 25 2.1.3.3 Chuỗi thời gian đơn biến 25 2.1.3.4 Chuỗi thời gian đa biến 25 2.1.3.5 Chuỗi thời gian hỗn loạn 26 2.1.4 Mơ hình chuỗi thời gian 26 2.2 Chuỗi thời gian mờ 27 2.2.1 Khái niệm 27 2.2.2 Một số định nghĩa liên quan đến chuỗi thời gian mờ 27 2.3 Một số thuật tốn mơ hình chuỗi thời gian mờ .28 2.3.1 Một số thuật toán bậc (thuật toán sở) 28 2.3.1.1 Thuật toán Song & Chissom [7] .28 2.3.1.2 Thuật toán Chen [10] 29 2.3.1.3 Thuật toán Heuristic Huarng [12] 30 2.3.2 Thuật toán bậc cao 31 2.3.3 Thuật tốn chuỗi thời gian mờ có trọng 32 2.3.3.1 Mơ hình chuỗi thời gian mờ có trọng Yu 32 2.3.3.2 Thuật tốn cải biên mơ hình chuỗi thời gian mờ có trọng [5] 33 2.3.3.3 Áp dụng dự báo số lƣợng sinh viên nhập học 35 CHƢƠNG 3: MƠ HÌNH CHUỖI THỜI GIAN MỜ BẬC CAO HAI NHÂN TỐ VÀ TÍNH TỐN THỬ NGHIỆM 39 3.1 Khái niệm chuỗi thời gian mờ bậc cao 39 3.1.1 Khái niệm chuỗi thời gian mờ bậc cao nhân tố 39 3.1.2 Khái niệm chuỗi thời gian mờ bậc cao hai nhân tố 40 3.2 Thuật tốn mơ hình chuỗi thời gian mờ bậc cao hai nhân tố 40 3.3 Ứng dụng dự báo 43 3.3.1 Ứng dụng thuật toán hai nhân tố bậc .43 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 3.3.1.1 Dự báo nhiệt độ 43 3.3.1.2 Dự báo số chứng khoán 50 3.3.2 Ứng dụng thuật toán hai nhân tố bậc .61 3.3.2.1 Dự báo nhiệt độ 61 3.3.2.2 Dự báo số chứng khoán 64 KẾT LUẬN .71 TÀI LIỆU THAM KHẢO 72 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC BẢNG BIỂU Bảng 1.1 Một số phép kéo theo mờ thông dụng .14 Bảng 2.1 Số lƣợng sinh viên nhập học 35 Bảng 2.2 Các nhóm mối quan hệ mờ 36 Bảng 2.3 Kết dự báo phƣơng pháp khác 37 Bảng 2.4 So sánh hiệu thuật toán .38 Bảng 3.1 Chuỗi liệu nhiệt độ trung bình hàng ngày từ ngày 01/06/2012 đến ngày 30/06/2012 lúc 7h sáng Hà Nội [3,4] (đơn vị tính: C) .43 Bảng 3.2 Chuỗi liệu độ che phủ mây từ ngày 01/06/2012 đến ngày 30/06/2012 lúc 7h sáng Hà Nội (đơn vị tính: %) 44 Bảng 3.3 Mờ hóa giá trị nhiệt độ độ che phủ mây 46 Bảng 3.4 Mối quan hệ mờ hai nhân tố bậc 47 Bảng 3.5 Kết dự báo nhiệt độ trung bình ngày 48 Bảng 3.6 Giá trị số chứng khoán TAIFEX 50 Bảng 3.7 Giá trị số chứng khoán TAIEX 51 Bảng 3.8 Mờ hóa giá trị số TAIFEX giá trị mờ số TAIEX 54 Bảng 3.9: Mối quan hệ mờ hai nhân tố bậc 55 Bảng 3.10 Kết dự báo số chứng khoán TAIFEX 58 Bảng 3.11 Mối quan hệ mờ hai nhân tố bậc 61 Bảng 3.12 Kết dự báo nhiệt độ trung bình ngày 62 Bảng 3.13 Mối quan hệ mờ hai nhân tố bậc 64 Bảng 3.14 Kết dự báo số chứng khoán TAIFEX 67 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC HÌNH VẼ Hình 1.1 Hàm liên thuộc tập mờ “x gần 1” 11 Hình 1.2 Giao hai tập mờ 12 Hình 1.3 Phép hợp hai tập mờ 13 Hình 1.4 Cấu hình hệ mờ 18 Hình 3.1 Đồ thị so sánh kết dự báo nhiệt độ giá trị thực (bậc 2) 50 Hình 3.2 Đồ thị so sánh kết dự báo số chứng khoán giá trị thực 61 Hình 3.3 Đồ thị so sánh kết dự báo nhiệt độ giá trị thực (bậc 3) 64 Hình 3.4 Đồ thị so sánh kết dự báo giá trị thực theo thuật tốn 69 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn MỞ ĐẦU Chuỗi thời gian đƣợc sử dụng nhƣ cơng cụ hữu hiệu để phân tích số liệu kinh tế, xã hội nhƣ nghiên cứu khoa học Chính tầm quan trọng phân tích chuỗi thời gian, nhiều tác giả đề xuất cơng cụ phân tích chuỗi thời gian để trích xuất thơng tin quan trọng tờ dãy số liệu Trƣớc đây, phƣơng pháp chủ yếu để phân tích chuỗi thời gian sử dụng cơng cụ thống kê nhƣ hồi qui, phân tích Fourie vài công cụ khác Nhƣng hiệu có lẽ phƣơng pháp sử dụng mơ hình ARIMA BoxJenkins Mơ hình cho kết tốt phân tích liệu đƣợc sử dụng rộng rãi thực tế Tuy nhiên số lĩnh vực kinh tế, mơ hình ARIMA chƣa thể tính hiệu chuỗi số liệu diễn biến mang tính chất phi tuyến Do để dự báo chuỗi thời gian kinh tế, ngƣời ta phải có cải biên nhƣ sử dụng mơ hình ARCH Tuy cịn nhiều hạn chế áp dụng mơ hình chuỗi số liệu ngắn có nhiều biến động mang tính chất phi tuyến Để vƣợt qua đƣợc khó khăn trên, gần nhiều tác giả sử dụng mơ hình chuỗi thời gian mờ Khái niệm tập mờ đƣợc Zadeh đƣa từ năm 1965 ngày tìm đƣợc ứng dụng nhiều lĩnh vực khác điều khiển trí tuệ nhân tạo Trong lĩnh vực phân tích chuỗi thời gian, Song Chissom [7-9] đƣa khái niệm chuỗi thời gian mờ không phụ thuộc vào thời gian (chuỗi thời gian dừng) phụ thuộc vào thời gian (không dừng) để dự báo Chen [10-11] cải tiến đƣa phƣơng pháp đơn giản hữu hiệu so với phƣơng pháp Song Chissom Trong phƣơng pháp mình, thay sử dụng phép tính tổ hợp Max-Min phức tạp, Chen tính tốn phép tính số học đơn giản để thiết lập mối quan hệ mờ Phƣơng pháp Chen cho hiệu cao mặt sai số dự báo giảm độ phức tạp thuật tốn Từ cơng trình ban đầu mơ hình chuỗi thời gian mờ, số lƣợng cơng trình lĩnh vực tăng lên nhanh Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn đƣợc tiếp tục nghiên cứu Mơ hình đƣợc sử dụng để dự báo nhiều lĩnh vực kinh tế hay xã hội nhƣ dự báo số sinh viên nhập trƣờng, số khách du lịch, dân số, chứng khoán đời sống nhƣ dự báo mức tiêu thụ điện, hay dự báo nhiệt độ thời tiết… Tuy nhiên xét độ xác dự báo, thuật tốn cho kết chƣa cao Chính vậy, nghiên cứu tập trung vào mơ hình khác để nâng cao hiệu độ xác thuật tốn Trong năm gần đây, số tác giả sử dụng nhiều kỹ thuật khác để tìm mơ hình hữu hiệu cho chuỗi thời gian mờ Những kỹ thuật lý thuyết tính tốn mềm, khai phá liệu, mạng nơron giải thuật tiến hoá đƣợc đƣa vào sử dụng Một số tác giả sử dụng phƣơng pháp phân cụm nhƣ cơng trình Chen et al [10], tập thô hay sử dụng khái niệm tối ƣu đám đơng nhƣ cơng trình [11] để xây dựng thuật tốn mơ hình chuỗi thời gian mờ Một số tác giả sử dụng mạng nơ ron giải thuật tiến hoá để xây dựng hàm thuộc nhƣ mối quan hệ mờ mơ hình Một hƣớng đƣợc tập trung phát triển sử dụng mối quan hệ mờ bậc cao mơ hình chuỗi thời gian mờ Chen [10] tiếp tục ngƣời đầu xây dựng đƣợc thuật toán để xử lý mối quan hệ mờ bậc cao Sau hƣớng đƣợc số tác giả khác tiếp cận ứng dụng công trình (Xem [3], [12-13]) Trong cơng trình này, tác giả chủ yếu sử dụng thuật toán Chen nhƣng có cải tiến đơi chút việc đƣa luật khác để giải mờ Trong nghiên cứu dãy số liệu tạo thành chuỗi thời gian, ngƣời ta nhận thấy số liệu chuỗi thời gian có ảnh hƣởng nhiều thơng tin khác Thí dụ số chứng khốn Đài Loan, Hàn Quốc hay Việt Nam bị ảnh hƣởng số chứng khoán Mỹ Dãy số liệu đo nhiệt độ thành phố bị ảnh hƣởng lớn mức độ che phủ mây Điều làm nảy sinh ý tƣởng dự báo dãy số liệu có xét thêm hay nhiều dãy số liệu phụ Từ nảy sinh mơ hình chuỗi thời gian mờ loại đồng thời với chuỗi thời gian cịn sử dụng số liệu tham số phụ để đƣa dự báo [14-15] Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nhƣ trình bày trên, mơ hình chuỗi thời gian mờ có nhiều ứng dụng công tác dự báo Tuy nhiên kết dự báo phƣơng pháp đề xuất chƣa cao Do việc tìm tịi mơ hình có độ xác cao thuật tốn đơn giản ƣu tiên Trong năm gần số cơng trình đƣợc hồn thành theo hƣớng nâng cao độ xác giảm khối lƣợng tính tốn mơ hình chuỗi thời gian mờ nhƣ cơng trình Chen Hsu, Huarng, Singh, Mơ hình chuỗi thời gian mờ bậc cao đƣợc xem xét nhiều đƣợc coi công cụ đắc lực để nâng cao hiệu tính tốn Cách tiếp cận khác sử dụng mơ hình chuỗi thời gian mờ bậc cao hai nhân tố đƣợc số tác giả nghiên cứu hứa hẹn thu đƣợc nhiều kết tốt Với mục tiêu tìm hiểu việc sử dụng mơ hình chuỗi thời gian mờ dự báo, đặc biệt việc sử dụng mơ hình chuỗi thời gian mờ bậc cao hai nhân tố, em lựa chọn đề tài “Mơ hình chuỗi thời gian mờ bậc cao hai nhân tố ứng dụng” làm đề tài cho luận văn tốt nghiệp Mục tiêu nghiên cứu đề tài tìm hiểu nghiên cứu khái niệm, tính chất thuật tốn mơ hình chuỗi thời gian đặt trọng tâm vào tìm hiểu mơ hình chuỗi thời gian mờ bậc cao hai nhân tố thử nghiệm tính hiệu mơ hình dự báo số chứng khốn, nhiệt độ Luận văn đƣợc chia làm chƣơng: Chƣơng 1: Tổng quan lý thuyết tập mờ Chƣơng 2: Mơ hình chuỗi thời gian mờ thuật toán Chƣơng 3: Mơ hình chuỗi thời gian mờ bậc cao hai nhân tố tính tốn thử nghiệm Luận văn đƣợc hồn thành dƣới hƣớng dẫn tận tình TS Nguyễn Công Điều, tác giả xin bày tỏ lịng biết ơn chân thành thầy Tác giả xin chân thành cảm ơn thầy, cô giáo Viện Công nghệ thông tin, Trƣờng Đại học Công nghệ Thông tin Truyền thông - Đại học Thái Nguyên tham gia giảng dạy, giúp đỡ em suốt trình học tập nâng cao trình độ kiến thức Tuy nhiên điều kiện thời gian khả có hạn nên luận văn khơng thể tránh khỏi thiếu sót Tác giả kính mong thầy giáo bạn đóng góp ý kiến để đề tài đƣợc hồn thiện Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 10 CHƢƠNG 1: TỔNG QUAN VỀ LÝ THUYẾT TẬP MỜ Trong mơn tốn bản, suy luận logic ngun thuỷ hay logic rõ với hai giá trị đúng/sai hay 1/0 quen thuộc Tuy nhiên, suy luận khơng đáp ứng đƣợc hầu hết tốn phức tạp nảy sinh thực tế nhƣ toán lĩnh vực điều khiển tối ƣu, nhận dạng hệ thống,… mà liệu không đầy đủ, không đƣợc định nghĩa cách rõ ràng Trong năm cuối thập kỷ 20, ngành khoa học đƣợc hình thành phát triển mạnh mẽ hệ mờ Đây hệ thống làm việc với môi trƣờng khơng hồn tồn xác định, với tham số, tiêu kinh tế kỹ thuật, dự báo mơi trƣờng sản xuất kinh doanh chƣa khó xác định cách thật rõ ràng, chặt chẽ Khái niệm logic mờ đƣợc giáo sƣ Lofti A.Zadeh đƣa lần vào năm 1965 Mỹ Từ lý thuyết mờ đƣợc phát triển ứng dụng rộng rãi Chƣơng tập trung trình bày số kiến thức hệ mờ có liên quan tới mơ hình chuỗi thời gian mờ đƣợc đề cập tới chƣơng sau 1.1 Lý thuyết tập mờ 1.1.1 Tập mờ Định nghĩa: Cho Ω ( Ω ≠ ) không gian nền, tập mờ A Ω đƣợc xác định hàm thuộc (membership function): A: Ω [0,1]  A(x)  A(x): Chỉ độ thuộc (membership degree) phần tử x vào tập mờ A (để cho đơn giản cách viết, sau ta ký hiệu A(x) thay cho hàm A(x) Khoảng xác định hàm A(x) đoạn [0,1], giá trị mức độ khơng thuộc cịn giá trị mức độ thuộc hoàn toàn Nhƣ tập mờ A hoàn toàn xác định tập đơi: A =  (x,A(x))xΩ Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 10 http://www.lrc-tnu.edu.vn 59 05/08/1998 7487 7500 7450 7450 7450 06/08/1998 7462 7472 7500 7500 7450 07/08/1998 7515 7530 7500 7500 7516,67 10/08/1998 7365 7372 7450 7450 7283,33 11/08/1998 7360 7384 7300 7300 7283,33 12/08/1998 7320 7352 7300 7300 7283,33 13/08/1998 7291 7363 7300 7300 7100 14/08/1998 7320 7348 7183.33 7188.33 7283,33 15/08/1998 7300 7372 7300 7300 7283,33 17/08/1998 7219 7274 7300 7300 7100 18/08/1998 7220 7182 7183.33 7100 7100 19/08/1998 7285 7293 7183.33 7300 7100 20/08/1998 7274 7271 7183.33 7188.33 7100 21/08/1998 7225 7213 7183.33 7100 7100 24/08/1998 6955 6958 7183.33 7100 6950 25/08/1998 6949 6908 6850 6850 6950 26/08/1998 6790 6814 6850 6850 6800 27/08/1998 6835 6813 6775 6775 6850 28/08/1998 6695 6724 6850 6750 6650 29/08/1998 6728 6736 6750 6750 6800 31/08/1998 6566 6550 6775 6650 6550 01/09/1998 6409 6335 6450 6450 6450 02/09/1998 6430 6472 6450 6550 6450 03/09/1998 6200 6251 6450 6350 6283,33 04/09/1998 6403,2 6463 6450 6450 6450 05/09/1998 6697,5 6756 6450 6550 6650 07/09/1998 6722,3 6801 6750 6750 6800 08/09/1998 6859,4 6942 6775 6850 6850 09/09/1998 6769,6 6895 6850 6750 6800 10/09/1998 6709,75 6804 6775 6650 6800 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 59 http://www.lrc-tnu.edu.vn 60 11/09/1998 6726,5 6842 6775 6775 6800 14/09/1998 6774,55 6860 6775 6775 6800 15/09/1998 6762 6858 6775 6775 6800 16/09/1998 6952,75 6973 6775 6850 6950 17/09/1998 6906 7001 6850 6850 6950 18/09/1998 6842 6962 6850 6850 6850 19/08/1998 7039 7150 6850 6950 7050 21/09/1998 6861 7029 6850 6850 6850 22/09/1998 6926 7034 6850 6850 6950 23/09/1998 6852 6962 6850 6850 6850 24/09/1998 6890 6980 6850 6850 6850 25/09/1998 6871 6980 6850 6850 6850 28/09/1998 6840 6911 6850 6750 6850 29/09/1998 6806 6885 6850 6850 6850 30/09/1998 6787 6834 6850 6750 6800 9658,10 5426,74 4738,89 MSE Để so sánh kết dự báo theo phƣơng pháp khác nhau, ta sử dụng sai số trung bình bình phƣơng MSE Kết sai số theo phƣơng pháp đƣợc đƣa bảng sau: Algorithms/MSE MSE Thuật toán Thuật toán Thuật toán Chen Huarng bậc cao 9658,10 5426,74 4738,89 Kết tính tốn cho thấy phƣơng pháp bậc cao hai nhân tố có mức độ sai số tốt kết đƣa ba phƣơng pháp Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 60 http://www.lrc-tnu.edu.vn 61 Hình 3.2 Đồ thị so sánh kết dự báo số chứng khoán giá trị thực 3.3.2 Ứng dụng thuật toán hai nhân tố bậc 3.3.2.1 Dự báo nhiệt độ Xét toán dự báo cho chuỗi liệu nhiệt độ (số liệu đƣợc đƣa phần 3.3.1.1) Bước 1, 2, thuật toán tƣơng tự nhƣ trong phần 3.3.1.1 Bước 4: Với hai nhân tố mờ: nhân tố nhân tố thứ hai thu đƣợc bƣớc ta xây dựng mối quan hệ mờ Bảng 3.11 Mối quan hệ mờ hai nhân tố bậc Nhóm 1: (X4, Y5), (X1, Y6), (X7, Y6)  X8 Nhóm 2: (X1, Y6), (X7, Y6), (X8, Y7)  X8 Nhóm 3: (X7, Y6), (X8, Y7), (X8, Y7)  X7 Nhóm 4: (X8, Y7), (X8, Y7), (X7, Y5)  X7 Nhóm 5: (X8, Y7), (X7, Y5), (X7, Y4)  X7 Nhóm 6: (X7, Y5), (X7, Y4), (X7, Y5)  X6 Nhóm 7: (X7, Y4), (X7, Y5), (X6, Y6)  X7 Nhóm 8: (X7, Y5), (X6, Y6), (X7, Y6)  X7 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 61 http://www.lrc-tnu.edu.vn 62 Nhóm 9: (X6, Y6), (X7, Y6), (X7, Y5)  X6 Nhóm 10: (X7, Y6), (X7, Y5), (X6, Y5)  X6 Nhóm 11: (X7, Y5), (X6, Y5), (X6, Y5)  X5 Nhóm 12: (X6, Y5), (X6, Y5), (X5, Y6)  X7 Nhóm 13: (X6, Y5), (X5, Y6), (X7, Y5)  X6 Nhóm 14: (X5, Y6), (X7, Y5), (X6, Y4)  X7 Nhóm 15: (X7, Y5), (X6, Y4), (X7, Y4)  X8 Nhóm 16: (X6, Y4), (X7, Y4), (X8, Y6)  X8 Nhóm 17: (X7, Y4), (X8, Y6), (X8, Y6)  X8 Nhóm 18: (X8, Y6), (X8, Y6), (X8, Y4)  X8 Nhóm 19: (X8, Y6), (X8, Y4), (X8, Y3)  X6 Nhóm 20: (X8, Y4), (X8, Y3), (X6, Y1)  X5 Nhóm 21: (X8, Y3), (X6, Y1), (X5, Y3)  X5 Nhóm 22: (X6, Y1), (X5, Y3), (X5, Y6)  X5 Nhóm 23: (X5, Y3), (X5, Y6), (X5, Y7)  X5 Nhóm 24: (X5, Y6), (X5, Y7), (X5, Y6)  X6 Nhóm 25: (X5, Y7), (X5, Y6), (X6, Y6)  X5 Nhóm 26: (X5, Y6), (X6, Y6), (X5, Y4)  X7 Nhóm 27: (X6, Y6), (X5, Y4), (X7, Y6)  X8 Nhóm 28: (X5, Y4), (X7, Y6), (X9, Y7)  # Bước 5: Giải mờ Tính tốn giá trị dự báo dựa vào nguyên tắc bƣớc thuật toán Kết dự báo cụ thể bảng sau: Bảng 3.12 Kết dự báo nhiệt độ trung bình ngày Ngày 01/06/2012 Giá trị thực Giá trị thực độ Giá trị dự báo nhiệt độ che phủ mây nhiệt độ 26,1 36 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 62 http://www.lrc-tnu.edu.vn 63 02/06/2012 23,3 23 03/06/2012 29,0 23 04/06/2012 30,5 10 30,5 05/06/2012 30,0 13 30,5 06/06/2012 29,5 30 29,5 07/06/2012 29,7 45 29,5 08/06/2012 29,4 35 29,5 09/06/2012 28,8 26 28,5 10/06/2012 29,4 21 29,5 11/06/2012 29,3 43 29,5 12/06/2012 28,5 40 28,5 13/06/2012 28,7 30 28,5 14/06/2012 27,5 29 27,5 15/06/2012 29,5 30 29,5 16/06/2012 28,8 46 28,5 17/06/2012 29,0 55 29,5 18/06/2012 30,3 19 30,5 19/06/2012 30,2 15 30,5 20/06/2012 30,9 56 30,5 21/06/2012 30,8 60 30,5 22/06/2012 28,7 96 28,5 23/06/2012 27,8 63 27,5 24/06/2012 27,4 28 27,5 25/06/2012 27,7 14 27,5 26/06/2012 27,1 25 27,5 27/06/2012 28,4 29 28,5 28/06/2012 27,8 55 27,5 29/06/2012 29,0 29 29,5 30/06/2012 31,6 14 31,2 0,077 MSE Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 63 http://www.lrc-tnu.edu.vn 64 Có thể thấy số MSE phƣơng pháp hai nhân tố bậc ba thấp, thấp phƣơng pháp hai nhân tố bậc hai nghĩa giá trị dự báo gần với giá trị thực tế Điều thể đồ thị dƣới Hình 3.3 Đồ thị so sánh kết dự báo nhiệt độ giá trị thực (bậc 3) 3.3.2.2 Dự báo số chứng khoán Xét toán dự báo số chứng khoán TAIFEX (số liệu đƣợc đƣa phần 3.3.1.2) Bước 1, 2, thuật toán tƣơng tự nhƣ trong phần 3.3.1.2 Bước 4: Với hai nhân tố mờ: nhân tố nhân tố thứ hai thu đƣợc bƣớc ta xây dựng mối quan hệ mờ Bảng 3.13 Mối quan hệ mờ hai nhân tố bậc Nhóm 1: (X14, Y14), (X14, Y14), (X13, Y14)  X13 Nhóm 2: (X14, Y14), (X13, Y14), (X13, Y13)  X14 Nhóm 3: (X13, Y14), (X13, Y13), (X14, Y14)  X12 Nhóm 4: (X13, Y13), (X14, Y14), (X12, Y12)  X12 Nhóm 5: (X14, Y14), (X12, Y12), (X12, Y12)  X12 Nhóm 6: (X12, Y12), (X12, Y12), (X12, Y12)  X11 Nhóm 7: (X12, Y12), (X12, Y12), (X11, Y12)  X12 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 64 http://www.lrc-tnu.edu.vn 65 Nhóm 8: (X12, Y12), (X11, Y12), (X12, Y12)  X12 Nhóm 9: (X11, Y12), (X12, Y12), (X12, Y12)  X11 Nhóm 10: (X12, Y12), (X12, Y12), (X11, Y11)  X11 Nhóm 11: (X12, Y12), (X11, Y11), (X11, Y10)  X11 Nhóm 12: (X11, Y11), (X11, Y10), (X11, Y11)  X11 Nhóm 13: (X11, Y10), (X11, Y11), (X11, Y11)  X11 Nhóm 14: (X11, Y11), (X11, Y11), (X11, Y11)  X8 Nhóm 15: (X11, Y11), (X11, Y11), (X8, Y8)  X8 Nhóm 16: (X11, Y11), (X8, Y8), (X8, Y8)  X6 Nhóm 17: (X8, Y8), (X8, Y8), (X6, Y7)  X7 Nhóm 18: (X8, Y8), (X6, Y7), (X7, Y7)  X5 Nhóm 19: (X6, Y7), (X7, Y7), (X5, Y6)  X6 Nhóm 20: (X7, Y7), (X5, Y6), (X6, Y6)  X4 Nhóm 21: (X5, Y6), (X6, Y6), (X4, Y4)  X3 Nhóm 22: (X6, Y6), (X4, Y4), (X3, Y2)  X3 Nhóm 23: (X4, Y4), (X3, Y2), (X3, Y3)  X1 Nhóm 24: (X3, Y2), (X3, Y3), (X1, Y1)  X3 Nhóm 25: (X3, Y3), (X1, Y1), (X3, Y3)  X5 Nhóm 26: (X1, Y1), (X3, Y3), (X5, Y6)  X6 Nhóm 27: (X3, Y3), (X5, Y6), (X6, Y7)  X7 Nhóm 28: (X5, Y6), (X6, Y7), (X7, Y8)  X6 Nhóm 29: (X6, Y7), (X7, Y8), (X6, Y7)  X6 Nhóm 30: (X7, Y8), (X6, Y7), (X6, Y7)  X6 Nhóm 31: (X6, Y7), (X6, Y7), (X6, Y7)  X6 Nhóm 32: (X6, Y7), (X6, Y7), (X6, Y7)  X6 Nhóm 33: (X6, Y7), (X6, Y7), (X6, Y7)  X8 Nhóm 34: (X6, Y7), (X6, Y7), (X8, Y8)  X8 Nhóm 35: (X6, Y7), (X8, Y8), (X8, Y9)  X7 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 65 http://www.lrc-tnu.edu.vn 66 Nhóm 36: (X8, Y8), (X8, Y9), (X7, Y8)  X9 Nhóm 37: (X8, Y9), (X7, Y8), (X9, Y10)  X7 Nhóm 38: (X7, Y8), (X9, Y10), (X7, Y9)  X8 Nhóm 39: (X9, Y10), (X7, Y9), (X8, Y9)  X7 Nhóm 40: (X7, Y9), (X8, Y9), (X7, Y8)  X7 Nhóm 41: (X8, Y9), (X7, Y8), (X7, Y8)  X7 Nhóm 42: (X7, Y8), (X7, Y8), (X7, Y8)  X7 Nhóm 43: (X7, Y8), (X7, Y8), (X7, Y8)  X7 Nhóm 44: (X7, Y8), (X7, Y8), (X7, Y7)  X6 Nhóm 45: (X7, Y8), (X7, Y7), (X6, Y7)  # Từ bảng 3.13 ta xác định đƣợc nhóm mối quan hệ mờ nhƣ sau: - Group 1: Nhóm 31: (X6, Y7), (X6, Y7), (X6, Y7)  X6 Nhóm 32: (X6, Y7), (X6, Y7), (X6, Y7)  X6 Nhóm 33: (X6, Y7), (X6, Y7), (X6, Y7)  X8 - Group 2: Nhóm 42: (X7, Y8), (X7, Y8), (X7, Y8)  X7 Nhóm 43: (X7, Y8), (X7, Y8), (X7, Y8)  X7 Bước 5: Giải mờ Tính toán giá trị dự báo dựa vào nguyên tắc bƣớc thuật tốn Thí dụ: - Nhóm 1: (X14, Y14), (X14, Y14), (X13, Y14)  X13 Theo nguyên tắc 1, giá trị dự báo số chứng khoán ngày 6/8/1998 là: t13 = 0.5* m12  1* m13  0.5* m14 0.5* 7350  1* 7450  0.5* 7550  0.5   0.5 0.5   0.5 = 7450 Ta có kết dự báo tj (với  j  14) nhƣ sau: t1 = 6283,33 t2 = 6350 t3 = 6450 t4 = 6550 t5 = 6650 t6 = 6750 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 66 http://www.lrc-tnu.edu.vn 67 t7 = 6850 t8 = 6950 t9 = 7050 t10 = 7150 t11 = 7250 t12 = 7350 t13 = 7450 t14 = 7516,67 Với Group bƣớc ta xác định lại đƣợc số giá trị dự báo tj nhƣ sau: t6(kq) = ( n1(X6) * t6 + n2(X8) * t8 ) / (n1(X6) + n2(X8)) = (2 * 6750 + * 6950) / (2 + 1) = 6800 t7(kq) = t7 = 6850 Kết dự báo cụ thể bảng sau: Bảng 3.14 Kết dự báo số chứng khoán TAIFEX Giá trị thực Giá trị thực Giá trị dự báo Ngày tháng TAIFEX TAIEX TAIFEX 03/08/1998 7552 7599 04/08/1998 7560 7593 05/08/1998 7487 7500 06/08/1998 7462 7472 7450 07/08/1998 7515 7530 7516,67 10/08/1998 7365 7372 7350 11/08/1998 7360 7384 7350 12/08/1998 7320 7352 7350 13/08/1998 7291 7363 7250 14/08/1998 7320 7348 7350 15/08/1998 7300 7372 7350 17/08/1998 7219 7274 7250 18/08/1998 7220 7182 7250 19/08/1998 7285 7293 7250 20/08/1998 7274 7271 7250 21/08/1998 7225 7213 7250 24/08/1998 6955 6958 6950 25/08/1998 6949 6908 6950 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 67 http://www.lrc-tnu.edu.vn 68 26/08/1998 6790 6814 6816,67 27/08/1998 6835 6813 6850 28/08/1998 6695 6724 6650 29/08/1998 6728 6736 6816,67 31/08/1998 6566 6550 6550 01/09/1998 6409 6335 6450 02/09/1998 6430 6472 6450 03/09/1998 6200 6251 6283,33 04/09/1998 6403,2 6463 6450 05/09/1998 6697,5 6756 6650 07/09/1998 6722,3 6801 6816,67 08/09/1998 6859,4 6942 6850 09/09/1998 6769,6 6895 6816,67 10/09/1998 6709,75 6804 6816,67 11/09/1998 6726,5 6842 6816,67 14/09/1998 6774,55 6860 6816,67 15/09/1998 6762 6858 6816,67 16/09/1998 6952,75 6973 6950 17/09/1998 6906 7001 6950 18/09/1998 6842 6962 6850 19/09/1998 7039 7150 7050 21/09/1998 6861 7029 6850 22/09/1998 6926 7034 6950 23/09/1998 6852 6962 6850 24/09/1998 6890 6980 6850 25/09/1998 6871 6980 6850 28/09/1998 6840 6911 6850 29/09/1998 6806 6885 6850 30/09/1998 6787 6834 6816,67 996,09 MSE Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 68 http://www.lrc-tnu.edu.vn 69 Kết sai số theo phƣơng pháp đƣợc đƣa bảng sau: Algorithms/MSE MSE Thuật toán Thuật toán Thuật toán Thuật toán Chen Huarng hai nhân tố hai nhân tố bậc hai bậc ba 4738,89 996,09 9658,10 5426,74 Ta thấy kết dự báo với thuật toán hai nhân tố bậc hai tốt, so sánh với kết Chen hay Huarng Kết sử dụng thuật toán hai nhân tố bậc ba tốt nhiều, sai số MSE phƣơng pháp 1/4 sai số theo phƣơng pháp hai nhân tố bậc hai Trong đồ thị dƣới đây, ta nhận thấy giá trị dự báo gần nhƣ trùng khớp hoàn toàn với giá trị thực Hình 3.4 Đồ thị so sánh kết dự báo giá trị thực theo thuật tốn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 69 http://www.lrc-tnu.edu.vn 70 Ta nhận thấy với phƣơng pháp hai nhân tố bậc cao, kết dự báo có nhiều giá trị trùng với giá trị thực Điều chứng tỏ phƣơng pháp đạt hiệu tốt phƣơng pháp đƣợc tính tốn chƣơng Giá trị dự báo đƣa bám sát với giá trị thực tế nên sử dụng phƣơng pháp cải tiến cho dự báo cho số chuỗi thời gian thực tiễn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 70 http://www.lrc-tnu.edu.vn 71 KẾT LUẬN Luận văn chủ yếu giới thiệu khái niệm chuỗi thời gian mơ hình xử lý chuỗi thời gian Từ cơng trình ban đầu chuỗi thời gian mờ đƣợc xuất năm 1993, năm gần đây, số tác giả sử dụng nhiều kỹ thuật khác để tìm mơ hình hữu hiệu cho chuỗi thời gian mờ Một số sử dụng mối quan hệ mờ bậc cao hai nhân tố mơ hình chuỗi thời gian mờ Đây hƣớng phát triển có nhiều triển vọng việc nâng cao độ xác dự báo Chính vậy, em lựa chọn tìm hiểu ứng dụng mơ hình chuỗi thời gian mờ bậc cao hai nhân tố dự báo Trong luận văn em trình bày số mơ hình bậc cao đƣợc sử dụng chuỗi thời gian mờ Đó thuật toán Chen, Huarng, Yu số tác giả khác Các mơ hình đƣợc xét chƣơng mơ hình Song, Chissom, mơ hình Chen cho nhóm quan hệ mờ, mơ hình heuristic Huarng mơ hình có trọng Yu Tập trung ý em vào khái niệm nhƣ nhóm mối quan hệ mờ phụ thuộc thời gian Khái niệm làm tăng độ xác thuật toán so với khái niệm nhóm mối quan hệ mờ thuật tốn kinh điển Chen Kết mơ hình đƣợc đăng báo cáo [5] Trong Chƣơng III Luận văn, em ứng dụng thuật toán chuỗi thời gian mờ bậc cao hai nhân tố dự báo số chứng khoán Đài Loan dự báo nhiệt độ Kết tính tốn cho thấy mức độ phù hợp dự báo so với số liệu thực tế Chính vậy, mơ hình chuỗi thời gian mờ đƣợc nhiều tác giả nghiên cứu có nhiều triển vọng ứng dụng nhiều lĩnh vực khác nhau, trong dự báo chuỗi thời gian kinh tế xã hội Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 71 http://www.lrc-tnu.edu.vn 72 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Bùi Công Cƣờng (2001), N.D Phƣớc, Hệ mờ, Mạng Nơron ứng dụng (Tuyển tập giảng), NXB Khoa học Kỹ thuật [2] Nguyễn Cơng Điều, Một thuật tốn cho mơ hình chuỗi thời gian mờ heuristic dự báo chứng khoán, Tạp chí Khoa học Cơng nghệ, Viện KH&CN Việt Nam , 49 (4) 2011.11-25 [3] Nguyễn Công Điều, Trần Thanh Thƣơng, Cải biên thuật toán bậc cao Singh ứng dụng dự báo chuỗi thời gian, Tạp chí Khoa học Cơng nghệ, Đại học Thái ngun, số 72(10), 2010, 59-65 [4] Nguyễn Công Điều, “Sử dụng chuỗi thời gian mờ bậc cao dự báo”, Kỷ yếu Hội thảo khoa học công nghệ quốc gia lần thứ “Nghiên cứu ứng dụng CNTT” FAIR4, Hà nội, 25-26/12/2009 165-177 [5] Nguyễn Công Điều, Phạm Thị Ngân, “Nhóm quan hệ mờ phụ thuộc thời gian ứng dụng mơ hình chuỗi thời gian mờ có trọng”, Tạp chí Khoa học Cơng nghệ, Đại học Thái Nguyên, tập 95, số 07, 2012 [6] www.thoitiet.net, 6-2012 Tiếng Anh [7] Q Song, B.S Chissom, “Fuzzy Time Series and its Model”, Fuzzy set and system, vol 54, pp 269-277, 1993 [8] Q Song, B.S Chissom, “Forecasting Enrollments with Fuzzy Time Series – Part I,” Fuzzy set and system, vol 54, pp 1-9, 1993 [9] Q Song, B.S Chissom, “Forecasting Enrollments with Fuzzy Time Series – Part II,” Fuzzy set and system, vol 62, pp 1-8, 1994 [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 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 72 http://www.lrc-tnu.edu.vn 73 [12] Hui-Kuang Yu, “Weighted fuzzy time series models for TAIEX forecasting ”, Physica A, (2005) vol 349, pp 609-624 [13] Lee, L W., Wang, L H., Chen, S M., & Leu, Y H (2004) A new method for handling forecasting problems based on two-factors high-order fuzzy time series In Proceedings of the 2004 ninth conference on artificial intelligence and applications, Taipei, Taiwan, Republic of China [14] Lee, L W., Wang, L H., Chen, S M., & Leu, Y H (2004) Handling Forecasting Problems Based on Two-Factors High-Order Fuzzy Time Series IEEE TRANSACTIONS ON FUZZY SYSTEMS, VOL 14, NO 3, JUNE 2006 [15] N.Y Wang, S M Chen, “Temperature prediction and TAIFEX forecasting based on automatic clustering techniques and two-factor hight order fuzzy time series”, Expert Systems with Applications, 36 (2009) 2143–2154 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 73 http://www.lrc-tnu.edu.vn ... Khái niệm chuỗi thời gian mờ bậc cao nhân tố 39 3.1.2 Khái niệm chuỗi thời gian mờ bậc cao hai nhân tố 40 3.2 Thuật tốn mơ hình chuỗi thời gian mờ bậc cao hai nhân tố 40 3.3 Ứng dụng dự... dụng mơ hình chuỗi thời gian mờ dự báo, đặc biệt việc sử dụng mơ hình chuỗi thời gian mờ bậc cao hai nhân tố, em lựa chọn đề tài “Mơ hình chuỗi thời gian mờ bậc cao hai nhân tố ứng dụng? ?? làm đề... Mơ hình chuỗi thời gian mờ bậc cao đƣợc xem xét nhiều đƣợc coi công cụ đắc lực để nâng cao hiệu tính tốn Chƣơng trình bầy mơ hình chuỗi thời gian mờ bậc cao hai nhân tố ứng dụng mơ hình tốn