Chương 3 PHƯƠNG PHÁP ĐỀ XUẤT
3.1. Hạn chế của trung bình di động và đề xuất phương pháp khắc phục
Trung bình di động là kỹ thuật dùng để làm trơn dữ liệu. Trong các phương pháp phân rã chuỗi thời gian có điều chỉnh mùa như X-11, X-11-ARIMA, X-12-ARIMA sử dụng kỹ thuật trung bình di động để giữ lại thành phần xu thế, loại bỏ thành phần mùa và làm giảm nhiễu. Kỹ thuật này có ưu điểm về thực hành thì dễ hiểu, dễ tính tốn. Tuy nhiên, cũng tồn tại một số hạn chế.
3.1.1. Hạn chế của trung bình di động
- Để có thể giữ lại thành phần xu thế hay loại bỏ thành phần mùa trong chuỗi thời gian, điều quan trọng là xây dựng được hàm gain. Đối với dữ liệu có tính tuyến tính, hay đa thức thì việc xây dựng hàm gain cịn đơn giản, nhưng với những dữ liệu có tính phi tuyến cao thì việc xây dựng hàm gain không đơn giản.
- Kết quả chuỗi thu được sau khi tính trung bình di động bị mất một số dữ liệu đầu và cuối. Điều này gây khó khăn khi tiếp tục sử dụng kết quả này, để khắc phục hạn chế này người ta phải xây dựng trung bình bất đối xứng hay một số trường hợp cụ thể người ta phải sử dụng kỹ thuật riêng để bổ sung dữ liệu bị mất.
Ví dụ: Bảng 3.2 bên dưới: Cột thứ 3 tính trung bình di động 3x3 của dữ liệu gốc (cột 2) bị thiếu 2 giá trị đầu và 2 giá trị cuối, giá trị bị thiếu được bổ sung ở cột 4 bằng cách sử dụng trung bình di động bất đối xứng (Asymmetric) [6] theo Bảng 3.1:
Bảng 3.1. Hệ bất đối xứng của 3x3 MA STT Dữ liệu gốc STT Dữ liệu gốc S1 3x3 MA (S1) 3x3 MA (S1) có bổ sung thành phần thiếu 1 103.375 x 102.516 2 100.396 x 103.032 3 105.291 104.253 104.253 4 105.749 105.305 105.305 5 106.742 105.993 105.993 6 106.039 105.492 105.492 7 104.841 x 104.728 8 102.392 x 104.065
Bảng 3.2. Minh họa tính 3x3 MA có sử dụng hệ bất đối xứng
3.1.2. Ứng dụng RVM/SVM vào các thuật toán phân rã chuỗi thời gian
(1). Phương pháp phân rã cổ điển (mục 2.3.5.):
Bước 1: Ước lượng xu thế, tính trung bình di động thay bởi RVM/SVM.
Bước 3: Tách phần mùa mỗi tháng, tính trung bình di động mỗi tháng thay bởi SVM.
(2). Phương pháp phân rã X-12-ARIMA (mục 2.3.6.):
Bước 1, 9: Ước lượng xu thế, tính trung bình di động thay bởi RVM/SVM.
Bước 3, 7: Ước lượng mùa, tính trung bình di động theo tháng thay bởi SVM.
Bước 5: Điều chỉnh 𝐸𝑡, tính độ lệch chuẩn thay bởi SVM.
(3). Phương pháp phân rã STL (mục 2.3.7):
Bước 2: Làm trơn theo mùa, dùng kỹ thuật Loess thay thế bởi SVM.
Bước 3: Làm trơn chuỗi thu được ở bước 2, dùng kỹ thuật Loess thay thế bởi RVM/SVM.
3.1.3. Đề xuất hướng khắc phục hạn chế của trung bình di động
Với những mặt cịn hạn chế của trung bình di động được trình bày ở trên, luận văn đề xuất hướng khắc phục như sau: Với mơ hình RVM/SVM có khả năng học phi tuyến rất cao và đó cũng là tính chất làm trơn dữ liệu của RVM/SVM, nên luận văn đề xuất sử dụng RVM/SVM để thay thế kỹ thuật tính trung bình di động, nó cũng khắc phục được hạn chế mất một số dữ liệu đầu và cuối trong kỹ thuật tính trung bình di động.