Chương này của luận án đã hệ thống lại những kiến thức nền tảng về chuỗi thời gian, chuỗi thời gian mờ, các mô hình dự báo chuỗi thời gian mờ nền tảng cùng với một số kỹ thuật tính toán mềm làm cơ sở lý thuyết và công cụ cho việc phát triển các mô hình dự báo FTS trong các chương tiếp theo. Mức độ cần thiết của các kiến thức nền tảng nêu trên đối với luận án như sau:
- Nghiên cứu các khái niệm liên quan đến chuỗi thời gian, các quy trình chung của mô hình dự báo chuỗi thời gian mờ và phân tích các giai đoạn có thể ảnh hưởng đến độ chính xác của các kết quả dự báo làm cở sở cho các đề xuất, cải tiến ở các chương sau.
- Các tiêu chuẩn đánh giá độ chính xác của các mô hình dự báo được sử dụng phổ biến trong cộng đồng nghiên cứu sẽ được áp dụng để đánh giá các mô hình được đề xuất trong tương quan so sánh với các mô hình đã có.
- Nghiên cứu đại số gia tử được áp dụng để phân khoảng và các kỹ thuật tính toán mềm như các thuật toán phân cụm, thuật toán tối ưu bầy đàn, được áp dụng để tối ưu các tham số của các mô hình dự báo chuỗi thời gian mờ được đề xuất ở các chương tiếp theo của luận án.
Các chương tiếp theo của luận án sẽ trình bày các đề xuất và áp dụng chúng để thiết lập mô hình dự báo chuỗi thời gian mờ mới.
��(ℎ��−)f�(ℎ1�−) ��(ℎ−1�−) f� −��(ℎ −) fm(h−qc+) f�(ℎ−1�+) (ℎ +) ( +) f� 1� f� ℎ�� 0 fm(c W −) fm(c+) 1
CHƯƠNG 2. XÂY DỰNG CÁC MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ VỚI NHÓM QUAN HỆ MỜ PHỤ THUỘC THỜI GIAN
Trong Chương 2, các nội dung được trình bày gồm:
- Mở rộng khái niệm nhóm quan hệ mờ cho phù hợp với thực tế qua đó đề xuất khái niệm mới là nhóm quan hệ mờ phụ thuộc thời gian và ứng dụng của nó trong việc xây dựng mô hình dự báo chuỗi thời gian mờ cơ bản.
- Xây dựng mô hình dự báo chuỗi thời gian mờ một nhân tố, hai nhân tố dựa trên nhóm quan hệ mờ phụ thuộc thời gian đề xuất và kỹ thuật giải mờ mới. - Trình bày một số kỹ thuật phân khoảng nhằm tăng tính chính xác của mô
hình dự báo đã xây dựng.
- Tổ chức thực nghiệm cho mô hình dự báo FTS đề xuất trên các tập dữ liệu khác nhau và so sánh, đánh giá hiệu quả dự báo với các mô hình trước đây. Đồng thời cũng đánh hiệu quả của các phương pháp phân khoảng trên cùng mô hình được đề xuất và so sánh với các phương pháp phân khoảng của các mô hình dự báo khác.