7. Bố cục luận văn
2.4. Mô hình dự báo kết hợp giữa Arima và mạng nơron
khá nhiều trong dự báo dữ liệu chuỗi thời gian. Nhƣng mỗi mô hình chỉ phù hợp với một số tập dữ liệu nhất định. Mô hình Arima phù hợp với phân tích và dự báo dữ liệu chuỗi thời gian dạng tuyến tính, còn mô hình mạng nơron lại phù hợp với phân tích dự báo dữ liệu chuỗi thời gian dạng phi tuyến tính. Để tăng độ chính xác cao của dự báo trong các ứng dụng thực tế mô hình kết hợp giữa Arima và mạng nơron đã đƣợc đề xuất. G. Peter Zhang đã đƣa ra ý tƣởng và giới thiệu trong nghiên cứu [7]. Kết quả cho thấy mô hình kết hợp tăng độ chính xác và có độ lỗi dự báo ít hơn so với từng mô hình độc lập Arima và mạng nơron.
Việc đƣa ra ý tƣởng của mô hình này là sự kết hợp giữa thành phần tuyến tính và phi tuyến tính. Hai thành phần này đƣợc biểu diễn qua phƣơng trình nhƣ sau:
(2-10) Trong đó: yt là giá trị của chuỗi thời gian.
Lt là thành phần tuyến tính.
Ntlà thành phần phi tuyến tính.
Mô hình Arima đƣợc dùng để dự báo cho thành phần tuyến tính. Những giá trị dự báo lỗi từ mô hình Arima sẽ đƣợc dự báo bằng mạng nơron.
Gọi et là giá trị còn lại sau khi sử dụng mô hình Arima để dự báo, et
đƣợc xác định bởi phƣơng trình:
(2-11)
Trong đó: là giá trị dự báo cho thành phần tuyến tính tại thời điểm t. Mô hình mạng nơron đƣợc dùng để dự báo giá trị còn lại et sau khi dự báo bằng mô hình Arima sẽ đƣợc mô hình hóa bởi một hàm số:
(2-12) Trong đó: f là một hàm phi tuyến đƣợc xác định bằng mạng nơron.
là giá trị ngẫu nhiên tại thời điểm t.
Ký hiệu là giá trị dự báo cho thành phần phi tuyến tính. Kết quả giá trị dự báo tại thời điểm t ( đƣợc tính bởi phƣơng trình [12]:
(2-13)
Mô hình kết hợp Arima và mạng nơron theo hƣớng tiếp cận xây dựng mô hình kết hợp ARIMA_FFNN. Mô hình kết hợp này giống với ý tƣởng của G. Peter Zhang đề xuất, tức là áp dụng mô hình ARIMA để dự báo thành phần tuyến tính, sau đó sử dụng mô hình mạng nơron dự báo lỗi của mô hình (thành phần phi tuyến). Kết quả thực nghiệm trên các tập dữ liệu cho kết quả đều có độ lỗi dự báo thấp hơn mô hình độc lập.