Dự báo chuỗi thời gian mờ dựa trên đại số gia tử với mô hình ngữ nghĩa định lượng tối ưu và ứng dụng

i ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG LẠI HỮU DƯƠNG DỰ BÁO CHUỖI THỜI GIAN MỜ DỰA TRÊN ĐẠI SỐ GIA TỬ VỚI MƠ HÌNH NGỮ NGHĨA ĐỊNH LƯỢNG TỐI ƯU VÀ ỨNG DỤNG LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên – 2017 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ ii ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG LẠI HỮU DƯƠNG DỰ BÁO CHUỖI THỜI GIAN MỜ DỰA TRÊN ĐẠI SỐ GIA TỬ VỚI MƠ HÌNH NGỮ NGHĨA ĐỊNH LƯỢNG TỐI ƯU VÀ ỨNG DỤNG 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 DUY MINH (Luận văn sửa theo góp ý hội đồng bảo vệ thử) Thái Nguyên - 2017 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ iii LỜI CẢM ƠN Em xin gửi lời cảm ơn chân thành đến người hướng dẫn khoa học - TS Nguyễn Duy Minh, người định hướng nhiệt tình hướng dẫn, giúp đỡ em trình làm luận văn Em xin gửi lời biết ơn sâu sắc đến quý thầy cô giáo trường Đại học Công nghệ thông tin Truyền thông Thái Nguyên; Viện công nghệ thông tin thuộc Viện hàn lâm Khoa học Công nghệ Việt Nam truyền đạt kiến thức kinh nghiệm quý báu cho chúng em thời gian học tập Xin chân thành cảm ơn bạn bè, đồng nghiệp, ban cán học viên lớp cao học CK14, người thân gia đình động viên, chia sẻ, tạo điều kiện giúp đỡ suốt trình học tập làm luận văn Mặc dù nỗ lực, cố gắng chắn luận văn em nhiều thiếu sót Rất mong nhận ý kiến đóng góp, chia sẻ q thầy bạn Xin chân thành cảm ơn! Thái Nguyên, tháng năm 2017 Tác giả Lại Hữu Dương Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ iv LỜI CAM ĐOAN Tôi xin cam đoan luận văn “Dự báo chuỗi thời gian mờ dựa đại số gia tử với mơ hình ngữ nghĩa đinḥ lươngg̣ tối ưu ứng dụng’’ thực hướng dẫn khoa học TS Nguyễn Duy Minh, số liệu kết nghiên cứu luận văn hoàn toàn trung thực chưa sử dụng để bảo vệ cơng trình khoa học nào, thơng tin, tài liệu trích dẫn luận văn rõ nguồn gốc phía cuối luận văn Mọi giúp đỡ cho việc hoàn thành luận văn cảm ơn Nếu có phát gian lận chép tài liệu, cơng trình nghiên cứu tác giả khác mà không ghi rõ tài liệu tham khảo, tơi hồn tồn chịu trách nhiệm Thái Nguyên, tháng năm 2017 Tác giả Lại Hữu Dương Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ v MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN iv MỤC LỤC v MỤC LỤC HÌNH ẢNH vii MỤC LỤC BẢNG viii MỞ ĐẦU CHƯƠNG 1: CÁC KIẾN THỨC CƠ BẢN 1.1 Những vấn đề sở lý thuyết tập mờ logic mờ 1.1.1 Lý thuyết tập mờ 1.1.2 Định nghĩa logic mờ 1.1.3 Các phép toán tập mờ 1.2 Chuỗi thời gian mờ 11 1.3 Đại số gia tử số tính chất 14 1.3.1 Đại số gia tử biến ngôn ngữ 14 1.3.2 Độ đo tính mờ ánh xạ định lượng ngữ nghĩa 17 1.4 Bài toán tối ưu giải thuật di truyền 23 1.4.1 Bài toán tối ưu 23 1.4.2 Giải thuật di truyền 24 1.5 Kết luận chương 28 CHƯƠNG 2: MƠ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ DỰA TRÊN ĐẠI SỐ GIA TỬ (ĐSGT) 29 2.1 Một số mơ hình chuỗi thời gian mờ 29 2.1.1 Thuật toán Song Chissom 29 2.1.2 Thuật toán Chen 30 2.2 Mô hình tính tốn thuật tốn dự báo mờ dựa đại số gia tử với mơ hình ngữ nghĩa định lượng tối ưu 32 2.2.1 Mơ hình dự báo mờ sử dụng đại số gia tử 32 2.2.2 Thuật toán dự báo mờ dựa đại số gia tử với mơ hình ngữ nghĩa định lượng tối ưu 34 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ vi 2.3 Kết luận chương 40 CHƯƠNG 3: ỨNG DỤNG MƠ HÌNH DỰ BÁO DỰA TRÊN ĐẠI SỐ GIA TỬ VỚI THAM SỐ NGỮ NGHĨA ĐỊNH LƯỢNG TỐI ƯU 41 3.1 Xây dựng mơ hình dự báo chuỗi thời gian mờ 41 3.1.1 Mơ hình dự báo sinh viên nhập học trường đại học Alabama Song Chissom 41 3.1.2 Mơ hình dự báo chuỗi thời gian mờ sinh viên nhập học trường đại học Alabama Chen 47 3.2 Ứng dụng mơ hình dự báo dựa đại số gia tử với tham số ngữ nghĩa định lượng tối ưu 55 3.2.1 Mơ hình dự báo mờ dựa đại số gia tử 55 3.2.2 Mơ hình dự báo mờ dựa Đại số gia tử với ngữ nghĩa định lượng tối ưu 63 3.3 Kết luận chương 70 PHẦN 3: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 71 TÀI LIỆU THAM KHẢO 72 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ vii MỤC LỤC HÌNH ẢNH Hình 1: Giao hai tập mờ Hình 1.2: Phép hợp hai tập mờ Hình 1.3 Minh hoạ lai ghép 26 Hình 3.1: Số sinh viên nhập học thực tế số sinh viên nhập học dự báo 47 Hình 3.2: Dữ liệu tuyển sinh thực tế liệu tuyển sinh dự báo .55 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ viii MỤC LỤC BẢNG Bảng 1.1: Các cặp T - chuẩn T - đối chuẩn Bảng 1.2: Một số phép kéo theo mờ thông dụng 10 Bảng 1.3: Ví dụ tính âm dương gia tử 15 Bảng 3.1: Chuyển đổi giá trị lịch sử thành giá trị ngôn ngữ 43 Bảng 3.2: Xác định quan hệ thành viên 45 Bảng 3.3: Mờ hóa chuỗi liệu 49 Bảng 3.4: Quan hệ logic mờ liệu tuyển sinh 49 Bảng 3.5: Các nhóm quan hệ logic mờ 50 Bảng 3.6: Bảng so sánh phương án dự báo 54 Bảng 3.7: Số sinh viên nhập học trường đại học Alabama từ 1971 đến 1992 56 Bảng 3.8: Giá trị đầu giá trị cuối khoảng giải nghĩa chọn 61 Bảng 3.9: Kết tính tốn dự báo tối ưu số sinh viên nhập học trường đại học Alabama từ 1971 đến 1992 theo tiếp cận ĐSGT 63 Bảng 3.10: So sánh phương pháp dự báo với khoảng chia 67 Bảng 3.11: So sánh kết mơ hình dự báo tối ưu theo tiếp cận ĐSGT kết mơ hình dự báo cải tiến khác 69 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ MỞ ĐẦU Trong năm gần đây, có nhiều tác giả giới quan tâm nghiên cứu mơ hình dự báo chuỗi thời gian mờ Nhiều nghiên cứu ứng dụng dự báo có giá trị thực tế thực sở phương pháp luận dự báo theo mơ hình chuỗi thời gian mờ nêu Vì nay, mơ hình dự báo chuỗi thời gian mờ nhiều chuyên gia giới Việt Nam cải tiến để có kết tốt Dự báo chuỗi thời gian vấn đề nhiều nhà khoa học giới quan tâm nghiên cứu Q.Song B.S Chissom [2] lần đưa quan niệm xem giá trị thực định lượng chuỗi thời gian từ góc độ định tính Từ chuỗi thời gian xem biến ngơn ngữ toán dự báo trở thành vấn đề dự báo giá trị ngôn ngữ biến ngôn ngữ Có thể coi quan niệm chuỗi thời gian có tính đột phá Tuy nhiên mơ hình tính tốn nhóm quan hệ mờ [5] q phức tạp độ xác dự báo khơng cao Chen thay đổi cách tính tốn nhóm quan hệ mờ mơ hình dự báo [6, 7] với phép tính số học đơn giản để thu kết dự báo xác Nhiều nghiên cứu sử dụng phương pháp luận thu nhiều kết quan trọng Các nghiên cứu giới chủ yếu tập trung giải vấn đề nâng cao độ xác dự báo Có thể thấy số vấn đề sau ảnh hưởng đến độ xác dự báo chuỗi thời gian mờ: Mờ hóa liệu: Đây vấn đề địi hỏi phải có trực giác tốt để mơ tả định tính chuỗi thời gian cách hợp lý, từ xây dựng nhóm quan hệ mờ cung cấp thơng tin có giá trị cho q trình dự báo sau Đặc tính quan trọng phép mờ hóa số lượng khoảng chia, độ dài khoảng chia Nếu số Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ lượng khoảng chia q ít, dự báo có độ sai lệch lớn chưa đủ thơng tin Nếu số lượng khoảng chia lớn, dự báo nghĩa tính mờ giá trị ngơn ngữ khơng cịn nhóm quan hệ mờ Trong nghiên cứu [10] số lượng khoảng, độ dài khoảng bậc mơ hình chuỗi thời gian mờ có ảnh hưởng đến độ xác mơ hình dự báo Một số nghiên cứu sâu số lượng khoảng, độ dài khoảng bậc mô hình chuỗi thời gian mờ tối ưu để có dự báo tốt cho liệu nhóm quan hệ mờ Giải mờ: Đây trình dự báo với nhiều kỹ thuật khác sở phép mờ hóa Cách giải mờ phổ biến dựa luật [6], nhiên số tài liệu tìm số tham số định hướng cho trình giải mờ thu số kết tốt Tiếp cận đại số gia tử (ĐSGT) [12] tiếp cận khác biệt so với tiếp cận mờ có số ứng dụng thể rõ hiệu tiếp cận so với tiếp cận mờ truyền thống số lĩnh vực điều, công nghệ thông tin Tiếp tục nghiên cứu ứng dụng đây, tiếp cận ĐSGT cần nghiên cứu thử nghiệm cho lĩnh vực ứng dụng mới, tốn xây dựng mơ hình dự báo chuỗi thời gian mờ nhiều tác giả khác giới quan tâm Đại số gia tử (ĐSGT) tiếp cận tác giả N.C.Ho W Wechler xây dựng vào năm 1990, 1992 đưa mơ hình tính tốn hồn tồn khác biệt so với tiếp cận mờ Những ứng dụng tiếp cận ĐSGT cho số toán cụ thể lĩnh vực công nghệ thông tin điều khiển mang lại số kết quan trọng khẳng định tính ưu việt tiếp cận so với tiếp cận mờ truyền thống Tuy nhiên, để lựa chọn tham số tốt phải cần đến nhiều lớp gia tử tác động lên phần tử sinh ban đầu biến ngơn ngữ thực tế có nhiều lớp gia tử tác động Vì vậy, nhiều giá trị ngơn ngữ biến ngơn Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 63 Bảng 9: Kết tính tốn dự báo tối ưu số sinh viên nhập học trường đại học Alabama từ 1971 đến 1992 theo tiếp cận ĐSGT Năm 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 3.2.2 Mơ hình dự báo mờ dựa Đại số gia tử với ngữ nghĩa định lượng tối ưu Độ xác phương pháp dự báo chuỗi thời gian mờ theo tiếp cận Song & Chisson, Chen nhiều tác giả khác phụ thuộc nhiều vào q trình mờ hóa chuỗi thời gian giải mờ đầu dự báo đặc biệt khó tối ưu hóa đồng thời hai q trình Trong đó, mơ hình tính tốn theo tiếp cận ĐSGT đảm bảo thứ tự ngữ nghĩa đưa cách chọn tham số θ, α hợp lý dễ dàng định hướng đến tối ưu để xây dựng dự báo dựa phép ngữ nghĩa hóa phép giải nghĩa tuyến tính Đây tính chất quan trọng Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 64 tiếp cận ĐSGT sở khoa học cho tính hiệu cao nhiều tốn ứng dụng nói chung tốn dự báo chuỗi thời gian mờ nói riêng Vấn đề dự báo tối ưu chuỗi thời gian mờ theo nghĩa cực tiểu sai số trung bình bình phương MSE thực sở 46 tham số sau: tham số sp phép ngữ nghĩa hóa (3.4), tham số dp phép giải nghĩa (3.8), 21 tham số giá trị đầu, 21 giá trị cuối đoạn giải nghĩa tương ứng với 21 điểm dự báo tham số θ, α ĐSGT Các bước thực sau: Bước 1: Xác định tập vàchia miền xác định tập thành khoảng Bước 2: Xây dựng nhãn ngữ nghĩa (giá trị ngôn ngữ theo tiếp câṇ ĐGST) tập tương ứng với khoảng chia taịBước Bước 3: Xây dưngg̣ khoảng điṇh lươngg̣ ngữ nghĩa tương ứng với nhañ ngữnghia ̃ Bước 4: Xác định quan hệ ngữ nghĩa theo nhãn ngữ nghĩa Bước 5: Tạo lập nhóm quan hệ ngữ nghĩa theo nhãn ngữ nghĩa Bước 6: Giải nghĩa đầu dự báo với giá trị điṇh lươngg̣ ngữnghiã tối ưu nhãn ngữnghiã theo nghiã MSE đaṭgiátri nḥỏnhất Phương pháp mơ hình dự báo mờ dựa đại số gia tử với ngữ nghĩa định lượng tối ưu khác bước bước đến bước tương tự phương pháp mơ hình dự báo mờ dựa đại số gia tử, cụ thể bước sau: Bước 6: Giải nghĩa đầu dự báo với giátri địṇh lươngg̣ ngữnghiã tối ưu nhãn ngữ nghiã theo nghiã MSE đaṭgiátri nḥỏnhất Giả sử số sinh viên nhập học năm (t-1) chuỗi thời gian mờ F(t-1) ngữ nghĩa hóa theo (3.15) SAj, đầu dự báo F(t) hay số sinh viên nhập học dự báo năm t xác định theo nguyên tắc (luật) sau đây: Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 65 (1) Nếu tồn quan hệ 1-1 nhóm quan hệ ngữ nghĩa theo nhãn ngôn ngữ Aj sau: SAj  SAk, đầu dự báo tính theo (2.1a) hoăcg̣ (2.2b): DSAj  Desemantization (SAk) khoảng giải nghĩa uk chọn cho bao khoảng uk thuộc khoảng xác định tập chuỗi thời gian mờ [Dmin−D1, Dmax+D2] (2) Nếu SAk trống, SAj , đầu dự báo tính theo (2.2a) hoăcg̣ (2.2b): DSAj  Desemantization () khoảng giải nghĩa chọn cho bao khoảng uj thuộc khoảng xác định tập chuỗi thời gian mờ [Dmin−D1, Dmax+D2] (3) Nếu tồn quan hệ 1-nhiều nhóm quan hệ ngữ nghĩa (kể quan hệ trùng) theo nhãn ngôn ngữ Aj: SAj  (SAi, SAk,…, SAr), đầu dự báo xác định theo (1.2a) hoăcg̣ (1.2b) cho liệu lịch sử nhóm quan hệ ngữ nghĩa: DSAj  Desemantization (WSAiAj * SAi+ WSAkAj * SAk+…+ WSArAj * SAr) khoảng giải nghĩa chọn cho bao khoảng ui, uk… ur thuộc khoảng xác định tập chuỗi thời gian mờ [Dmin−D1, Dmax+D2] Trong WSAiAj, WSAkAj…, WSArAj trọng số ngữ nghĩa thành phần NQHNN theo nhãn ngữ nghĩa Aj tính tỷ số số liệu thuộc khoảng ui tổng số liệu thuộc khoảng ui, uk,…, ur NQHNN Như tính chuẩn hóa trọng số đảm bảo: WSAiAj + WSAkAj +…+ WSArAj = Tóm lại, mơ hình dự báo dựa ĐSGT với 1gia tử dương gia tử âm se ̃hoạt động với giá trị ngữ nghiã đinḥ lươngg̣ cấc nhañ ngữnghiã Taịbước xây dưngg̣ NQHNN, đócó6 biến sốcần tối ưu theo nghiã MSE nhỏnhất Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 66 Trong toán dự báo số sinh viên nhập học trường đại học Alabama, chọn khoảng giải nghĩa theo (2.2a) hoăcg̣ (2.2b) với giá trị đầu, giá trị cuối Bảng 3.8 trên: Chương trình tính tốn sở sử dụng phần mềm tối ưu hóa GA MATLAB R2013a Kết mơ hình dự báo dựa ĐSGT với tham số θ, α, sp, dp 42 giá trị đầu, giá trị cuối đoạn giải nghĩa tìm tối ưu theo nghĩa cực tiểu hàm MSE kết mô tả Bảng 3.11, MSE có dạng: 21 MSE = ((SSVNHTTi  SSVNHDBi)) / 21 i1 Ở đây: MSE (Mean Square Error) sai số trung bình bình phương; SSVNHTT i số sinh viên nhập học thực tế năm i; SSVNHDB i số sinh viên nhập học dự báo năm i, i = (1972), (1973), …, 21 (1992) Vấn đề dự báo tối ưu chuỗi thời gian mờ theo nghĩa cực tiểu sai số trung bình bình phương MSE thực sở phép ngữ nghĩa hóa (2.1a) hoăcg̣ (2.1b) phép giải nghĩa (2.2a) (2.2b) với khoảng giải nghĩa chọn biến sốcần tối ưu Chương trình tính tốn sử dụng phần mềm tối ưu hóa GA Matlab, xác định tham số tối ưu nhận được: θ* = 0.298; α* =0.312; sp* = 0.365 dp* = 0.448 với giá trị ngữ nghĩa định lươṇg tối ưu (lưu ýrằng SA5 = 0.625) SA1 = 0.1815201791697217; SA2 = 0.3465991199102879; SA3 = 0.37415423402091175; SA4 = 0.6009736687271362; SA6 = 0.7547775046081667; Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 67 SA7 = 0.7857793203108009 giátri ṭối ưu MSE = 36128 So sánh kết mơ hình dự báo chuỗi thời gian mờ Dưạ số liêụ sinh viên nhập học từ 1971 đến 1992 vàtrên sở bước theo tiếp cận ĐSGT đây, xây dựng mơ hình dự báo cho năm 1971  1972 , 1972  1973, 1973  1974,… , 1991  1992 Chương trình tính toán dư g̣ báo sử dụng đaịsốgia tử xây dưngg̣ MATLAB Kết mơ hình dự báo sử dụng ĐSGT mô tả Bảng 3.9 để so sánh với kết số mô hình dự báo bâcg̣ khác có với khoảng chia Trong Bảng 3.10 So sánh kết dự báo theo tiếp cận ĐSGT với ngữ nghĩa định lượng tối ưu mơ hình dự báo Chen [4], Huarng [9] sử dụng chuỗi thời gian mờ với khoảng chia Bảng 10: So sánh phương pháp dự báo với khoảng chia Năm 1971 1972 1973 1974 1975 1976 1977 1978 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 68 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 Mô hiǹ h dự báo chuỗi thời gian mờ tối ưu theo tiếp cận ĐSGT ứng dụng cho toán dự báo số sinh viên nhập học trường đại học Alabama so sánh với mô hiǹ h dự báo khác theo tiếp câṇ mờsử dụng bậc cao, số khoảng lớn 7, Bảng 3.11 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 69 Bảng 111: So sánh kết mơ hình dự báo tối ưu theo tiếp cận ĐSGT kết mơ hình dự báo cải tiến khác Phương pháp Uslu [11] tối ưu DEA (2010) Egrioglu [11] (2010) Tiếp cận ĐSGT với mô hình ngữ nghĩa định lượng tối ưu sp* = 0.448 ds* = 0.365 θ* = 0.298; α* =0.312 So sánh đánh giá kết quả: Phương pháp dự báo chuỗi thời gian mờ dựa đại số gia tử với tham số ngữ nghĩa định lượng tối ưu cho liệu sinh viên nhập học từ 1971 đến 1992 cho kết dự báo xác nhiều mơ hình dự báo có (Bảng 3.12) Mơ hình tính tốn theo tiếp cận ĐSGT đảm bảo thứ tự ngữ nghĩa đưa cách chọn tham số θ, α , s p,dp hợp lý dễ dàng định hướng đến tối ưu để xây dựng mô hình dự báo dựa phép ngữ nghĩa hóa phép giải nghĩa phi tuyến Đây tính chất quan trọng tiếp cận ĐSGT sở khoa học cho tính hiệu cao nhiều tốn ứng dụng nói chung tốn dự báo chuỗi thời gian mờ nói riêng Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 70 3.3 Kết luận chương Chương luận văn cài đặt thử nghiệm phương pháp dự báo chuỗi thời gian mờ dựa đại số gia tử với tham số ngữ nghĩa định lượng tối ưu mơ hình dự báo chuỗi thời gian mờ dự báo số sinh viên nhập học trường Đại học Alabama Kết phương pháp so sánh với phương pháp khác tài liệu [9, 11] thể bảng 3.12 Sự khác biệt thể phương pháp sử dụng phép ngữ nghĩa hóa thay cho phép mờ hóa, nhóm quan hệ ngữ nghĩa thay cho nhóm quan hệ mờ, phép giải nghĩa thay cho phép giải mờ đăcg̣ biệt ĐSGT cóthểxây dưngg̣ giátri g̣ ngữ nghĩa điṇh lươngg̣ tối ưu dưạ khảnăng thay đổi ngữnghiã đinḥ lươngg̣ nhañ ngữ nghiã cho MSE nhỏ Các giá tri ngg̣ữnghiã tối ưu đa ̃ cho kết dư g̣báo tốt nhiều so với chinh́ mơ hiǹ h mờ khác Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 71 PHẦN 3: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Luận văn đưa số thông tin chuỗi thời gian mờ mơ hình xử lý chuỗi thời gian mờ Phương pháp dự báo chuỗi thời gian đa ̃ tác giả xây dựng từ kỷ trước áp dụng cho trường Đại học Alabama từ năm 1971 đến năm 1992 Từ mơ hình tơi tiến hành nghiên cứu xây dựng chương trình dự báo chuỗi thời gian mờ dựa ĐSGT với khoảng giải nghĩa tối ưu Với mơ hình tơi xây dựng chương trình tính tốn sở sử dụng thuật toán dựa ĐSGT dự báo liệu tuyển sinh Đại học Alabama từ năm 1971 đến năm 1992 Đây dữliệu đươcg̣ nhiều tác giả giới Việt Nam sử dungg̣ đểthử nghiêṃ 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 nhiều tác giả nghiên cứu có nhiều triển vọng ứng dụng công nghệ thông tin với liệu thực tế Tuy nhiên điều kiện thời gian trình độ cịn hạn chế khơng thể tránh khỏi thiếu sót q trình xây dựng Nếu điều kiêṇ cho phép, se ̃ tiếp tucg̣ nghiên cứu mởrôngg̣ ứng dungg̣ mô hình dư g̣báo dựa ĐSGT cho chuỗi dữliệu nước nhiều nước khác thếgiới với chuỗi dữliêụ vềnhiêṭđô,g̣môi trường… để phát triển tiếp luận văn hướng đến mục tiêu thực tiễn, thiết thực Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 72 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Nguyễn Cơng Điều: Một thuật tốn cho mơ hình chuỗi thời gian mờ Tạp chí KHOA HỌC VÀ CÔNG NGHỆ, Tâp 49, Số 4, 11-25, 2011 Tiếng Anh [2] Song Q, Chissom B.S Fuzzy time series and its models Fuzzy Sets and Syst 54 269–277, 1993 [3] Song Q, Chissom B.S, Forecasting enrollments with fuzzy time series – part Fuzzy Sets and Syst 54, 1–9, 1993 [4] Chen, S.M, Forecasting Enrollments Based on Fuzzy Time Series Fuzzy Sets and Syst 81, 311–319, 1996 [5] Chen S M and Wang N Y, Fuzzy Forecasting Based on Fuzzy-Trend Logical Relationship Groups IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS—PART B: CYBERNETICS, VOL 40, NO 5, 1343-1358, 2010 [6] Chen S.M, Chen C D, Handling forecasting problems based on high- order fuzzy logical relationships Expert Systems with Applications 38, 3857– 3864, 2011 [7] Chen S.M and Chung N.Y, Forecasting enrollments using high-order fuzzy time series and genetic algorithms, Int Journal of Intelligent Systems 21, 485-501 2006 [8] Lee M H, Efendi R, Ismad Z, Modified Weighted for Enrollments Forecasting Based on Fuzzy Time Series MATEMATIKA, 25(1), 67-78, 2009 [9] Huarng K, Effective lengths of intervals to improve forecasting in fuzzy time series Fuzzy Sets and Systems 123 387–394, 2001 [10] Ozdemir O, Memmedli M, Optimization of Interval Length for Neural Network Based Fuzzy Time Series IV International Conference “Problems of Cybernetics and Informatics”, September 12-14, 104-105, 2012 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ 73 [11] Egrioglu E, Aladag C H, Yolcu U, Uslu V R, Basaran M A, Finding an optimal interval length in high order fuzzy time series Expert Systems with Applications 37 5052–5055, 2010 [12] Ho N C and Wechler W, Hedge algebras: An algebraic approach to structures of sets of linguistic domains of linguistic truth variable, Fuzzy Sets and Systems, Vol 35,3, 281-293, 1990 [13] Zadeh L A (1965), “Fuzzy sets”, Inform and Control 8, pp 338– 353 Số hóa Trung tâm Học liệu - ĐHTN http://www lrc.tnu.edu.vn/ ... nghĩa định lượng tối ưu Trên sở mơ hình ngữ nghĩa định lượng tối ưu ứng dụng cho toán dự báo chuỗi thời gian mờ dựa Đại số gia tử Vì vậy, để tài ? ?Dự báo chuỗi thời gian mờ dựa đại số gia tử với. .. Mơ hình tính tốn thuật toán dự báo mờ dựa đại số gia tử với mơ hình ngữ nghĩa định lượng tối ưu 32 2.2.1 Mơ hình dự báo mờ sử dụng đại số gia tử 32 2.2.2 Thuật toán dự báo mờ dựa. .. 2: Mơ hình Dự báo chuỗi thời gian mờ dựa ĐSGT Chương 3: Ứng dụng dự báo chuỗi thời gian mờ sử duṇg ĐSGT với ngữ nghĩa điṇh lươngg̣ tối ưu; so sánh kết mơ hình dự báo chuỗi thời gian mờ Trong