Tiểu mục này, mô hình FTS1NT-CMPSO được áp dụng để dự báo tai nạn xe ô tô ở Bỉ [87] từ năm 1974 đến năm 2004 và so sánh kết quả dự báo với các kết quả đạt được trong công trình [43, 45, 87, 89, 90]. Các kết quả và sai số dự báo RMSE
(1.9) được thể hiện trong Bảng 3.23.
Bảng 3.23: So sánh kết quả và sai số dự báo RMSE giữa mô hình FTS1NT-CMPSO
và các mô hình trước đây với số khoảng chia và bậc khác nhau.
Năm DL thực [89] [90] [45] [87] [43] FTS1NT- CMPSO Bậc 1 Bậc 3 1974 1574 - - - - 1975 1460 1497 - 1506 1458 - 1445 - 1976 1536 1497 - 1453 1467 - 1548 - 1977 1597 1497 1497 1598 1606 1594 1582 1597
1978 1644 1497 1497 1584 1592 1643 1609 1642 1979 1572 1497 1497 1584 1592 1573 1557 1573 1980 1616 1497 1598 1506 1637 1633 1596 1615 1981 1564 1497 1598 1584 1592 1566 1552 1564 2002 1145 1095 1098 1143 1114 1146 1173 1148 2003 1035 995 997 970 1097 1036 1041 1039 2004 953 995 997 970 929 954 954 950 RMSE 83.12 46.78 41.6 37.66 19.2 16.68 1.96
Quan sát Bảng 3.23 thấy rằng mô hình đề xuất thu được kết quả dự báo tốt hơn các mô hình so sánh trong bảng. Cụ thể, với cùng số khoảng 13, mô hình
FTS1NT- CMPSO thu được giá trị RMSE là 1.96 nhỏ hơn hai mô hình [90, 43] dựa trên quan hệ mờ bậc 3. Bên cạnh đó, mô hình đề xuất cũng có giá trị RMSE nhỏ hơn
nhiều so với các mô hình trong công trình [45, 87, 89] dựa trên quan hệ mờ bậc 1 với số khoảng khác nhau.
Sở dĩ có được kết quả tốt hơn như vậy, có thể đánh giá giữa mô hình được đề xuất FTS1NT-CMPSO với các mô hình so sánh ở ba yếu tố sau:
(1) Cách thiết lập nhóm quan quan hệ mờ: các công trình nghiên cứu [88, 89] sử dụng nhóm quan hệ của Chen, các công trình trong [43, 45, 87] sử dụng cách nhóm quan hệ lặp lại của Yu;
(2) Phương pháp xác định độ dài khoảng: các công trình [45, 87] sử dụng thuật toán di truyền để có được các khoảng tối ưu và nghiên cứu [43] áp dụng PSO;
(3) Quy tắc giải mờ đầu ra: Các mô hình so sánh đều sử dụng phương pháp giải mờ trọng tâm dựa trên các quy tắc của Chen và Yu để tính toán giá trị dự báo đầu ra. Trong khi đó, mô hình FTS1NT-CMPSO sử dụng NQHM-PTTG để có được các thông tin đầy đủ hơn, xác định độ dài khoảng tối ưu bằng cách kết hợp 2 kỹ thuật FCM và PSO. Về quy tắc dự báo, ngoài việc chia các khoảng dự báo thành các khoảng con, mô hình đề xuất còn sử dụng thêm một tham số hiệu chỉnh.
Tóm lại, từ các tính toán và phân tích ở trên cho thấy, mô hình đề xuất
FTS1NT-CMPSO đưa ra kết quả dự báo tốt hơn các mô hình hiện có dựa trên cả
QHM bậc 1 và bậc cao với số khoảng khác nhau khi áp dụng trên dữ liệu tai nạn ô- tô tại Bỉ.