Từ định nghĩa nhóm quan hệ logic mờ phụ thuộc thời gian này, TS. Nguyễn Công Điều đƣa ra thuật toán giống nhƣ thuật toán chuỗi thời gian mờ có trọng của Yu nhƣng sử dụng nhóm quan hệ mờ phụ thuộc thời gian thay cho nhóm quan hệ mờ chung của Chen. Thuật toán đó bao gồm các bƣớc sau : 1. Xác định tập nền. Tập nền U đƣợc xác định nhƣ sau: lấy giá trị lớn nhất fmax và nhỏ nhất fmin của chuỗi thời gian và U =[fmin-f1, fmax+f2] trong đó
f1,f2 là những giá trị dƣơng nào đó. Chia đoạn U thành m khoảng con bằng nhau u1, u2,...um.
2. Xây dựng các tập mờ Ai tƣơng ứng với các khoảng con nhƣ trong
trong bƣớc 2 và sử dụng các hàm thuộc tam giác cho mỗi khoảng con của phép chia và mờ hoá các giá trị chuỗi thời gian.
3. Xây dựng mối quan hệ mờ và xác định nhóm các quan hệ logic mờ theo Định nghĩa9.
4. Dự báo chuỗi thời gian mờ theo các luật sau:
Luật 1: Nếu nhóm quan hệ mờ Ai thì giá trị dự báo mờ tại thời điểm t sẽ là Ai
Luật 2: Nếu nhóm quan hệ logic mờ có dạng Ai Ak giá trị dự báo mờ tại thời điểm t sẽ là Ak
Luật3: Nếu nhóm mối quan hệ mờ phụ thuộc thời gian có dạng Ai
1 i A ,Ai2,...,Aip, thì giá trị dự báo sẽ là: 1 i A ,Ai2,...,Aip
5. Giải mờ dựa vào các luật dự báo:
Luật 1: Nếu nhóm quan hệ mờ Ai khi đó giá trị dự báo của F(t)
là giá trị Ai và giải mờ sẽ là điểm giữa của khoảng ui
forecast = mi (2.7) Luật 2: Nếu nhóm quan hệ logic mờ có dạng Ai Akvà nếu điểm giữa của khoảng uk là mk thì
forecast = mk (2.8) Luật3: Nếu mối quan hệ mờ bậc cao có dạng
2 i A 1 i A , 2 i A ,...,Aip, thì giá trị dự báo sẽ là: forecast = (2.9) với 1, 2,..., p i i i
m m m là điểm giữa của các đoạn tƣơng ứng.
1 2 1 2 .... 1 2 ... k i i i m m k m k
CHƢƠNG 3
ỨNG DỤNG NHÓM QUAN HỆ MỜ PHỤ THUỘC THỜI GIAN TRONG DỰ BÁO DÂN SỐ
Trong chƣơng này, em áp dụng mô hình cải biên của TS. Nguyễn Công Điều để dự báo số trẻ em sinh ra tại thành phố Việt Trì và so sánh với các kết quả khi tính bằng mô hình của Chen và Yu. Đồng thời so sánh độ chính xác trong dự báo giữa ba phƣơng pháp chia khoảng của mô hình cải biên để thấy đƣợc tính ƣu việt của phƣơng pháp chia khoảng theo mật độ để thấy đƣợc càng chia nhỏ giá trị thì độ chính xác càng cao, đồng thời khi có nhiều giá trị trong một khoảng thời gian thì ta chia nhỏ khoảng giá trị trong khoảng đó sẽ thu đƣợc độ chính xác cao hơn.
Để xem xét tính hiệu quả của định nghĩa mới về nhóm quan hệ logic mờ, em sử dụng dữ liệu của Trung tâm dân số thành phố Việt trì tỉnh Phú Thọ về số trẻ em sinh ra tại thành phố trong 15 năm trở lại. Số liệu cụ thể nhƣ sau :
Bảng 3. 1. Số lượng trẻ em sinh ra trong các năm
Năm Số trẻ em 2001 1756 2002 1745 2003 2169 2004 2249 2005 2290 2006 2527 2007 3605 2008 3661 2009 3855 2010 3662 2011 3707 2012 4450 2013 3892
Trong bảng thống kê chỉ gồm số liệu của 13 năm trở lại, đó là chuỗi số liệu ngắn nên đối với các phƣơng pháp khác thì không thể dự báo đƣợc, hoặc dự báo với độ chính xác không cao, chính vì vậy ta thấy đƣợc tính ƣu việt của chuỗi thời gian mờ. Đối với phƣơng pháp cải biên này ta sẽ dễ dàng dự báo với độ chính xác tƣơng đối cao. Năm 2012, số liệu nhảy vọt hơn so với những năm khác là do đó là năm đẹp nên số trẻ em đƣợc sinh ra nhiều, khiến cho công tác dự báo trở nên khó khăn hơn.