Thuật toán của Song và Chissom

Một phần của tài liệu (LUẬN văn THẠC sĩ) dự báo chuỗi thời gian mờ dựa trên đại số gia tử với mô hình ngữ nghĩa định lượng tối ưu và ứng dụng (Trang 37 - 38)

Đặc trưng của thuật toán của Song & Chissom sử dụng các phép tính hợp max- min phức tạp trong xử lý mối quan hệ mờ.

Bước 1: Xác định tập nền U trên đó các tập mờ được xác định

Bước 2: Chia các tập nền U thành một số các đoạn bằng nhau

Bước 3: Xác định các biến ngôn ngữ để diễn tả các tập mờ trên khoảng

cách đã chia của tập nền

Các tập mờ Ai i=1,2,...,m được định nghĩa thông qua các hàm thuộc để

đơn giản có dạng hình nón nhận 3 giá trị 0, 0.5 và 1 và được viết như sau: A1 = 1/u1 + 0.5/u2 + 0/u3 +....+ 0/um

A2 = 0.5/u1 + 1/u2 + 0.5/u3 +...+ 0/um

A3 = 0/u1 + 0.5/u2 + 1/u3 + 0.5/u4 +...+ 0/um

... Ai= 0/u1 + 0/u2 +... + 0.5/ui-1 + 1/ui + 0.5/um

Am= 0/u1 + 0/u2 + ...+ 0/ui-1 + 0.5/um-1+ 1/um

Bước 4: Mờ hoá các giá trị lịch sử của chuỗi thời gian

Chia các mối quan hệ logic mờ lấy thành các nhóm dựa trên trạng thái hiện tại của các mối quan hệ logic mờ.

Bước 5: Tính toán các kết quả dự báo : Chọn tham số w >1 thích hợp và

Trong đó F(t) là giá trị dự báo mờ tại thời điểm t còn F(t-1) là giá trị dự báo mờ tại thời điểm t -1. Mối quan hệ mờ được tính như sau:

Rw(t, t - 1) = FT(t – 2) × F(t - 1)FT(t - 3)× F(t - 2)FT(t – w)× F(t- w+ 1) Trong đó T là toán tử chuyển vị, dấu “x” là toán tử tích Cartesian còn w

được gọi là “tham số cơ sở” mô tả số lượng thời gian trước thời điểm t. Phép

hợp được tính bằng phép tính max.

Bước 6:Giải mờ giá trị dự báo mờ: Các phương pháp giải mờ có thể thực

hiện bằng phương pháp trọng tâm như đã đề cập tại phần trước.

Một phần của tài liệu (LUẬN văn THẠC sĩ) dự báo chuỗi thời gian mờ dựa trên đại số gia tử với mô hình ngữ nghĩa định lượng tối ưu và ứng dụng (Trang 37 - 38)

Tải bản đầy đủ (PDF)

(81 trang)