Ngược lại với phương pháp định tính, phương pháp định lượng sử dụng những dữ liệu quá khứ theo thời gian. Nói cách khác, dựa trên những dư liệu lịch sử để phát hiện chiều hướng vận động của đối tượng phù hợp với một mô hình toán học nào đó và đồng thời sử dụng mô hình này là mô hình ước lượng. Tiếp cận định lượng dựa trên giả định rằng giá trị tương lai của biến số dự báo sẽ phụ thuộc vào xu thế vận động của đối tượng đó trong quá khứ. Có một số các loại phương pháp định lượng như sau:
Phương pháp chuỗi thời gian: Dựa trên phân tích chuỗi quan sát của một biến duy nhất theo biến số độc lập là thời gian. Tần suất có thể là ngày, tháng, quý, năm. Cách phổ biến là dựa vào mô hình dự báo mờ, xây dựng lại một mô hình gồm 4 lớp:
Lớp 1: Là lớp nhân gồm N dữ liệu nhập (input)
Lớp 2: Gọi là lớp các hàm thành viên. Các nút trong lớp này thực hiện việc mờ hóa. Lớp này dùng để tính giá trị hàm thành viên theo hàm phân phối Gauss. Só nút trong lớp 2 là N x M, trong đó M là số luật mờ (số nút của lớp 3)
Lớp 3: Lớp các luật mờ. Các nút trong lớp này tạo thành một cơ sở luật mờ gồm M nút. Liên kết giữa lớp 2 và lớp 3 biểu diễn giả thiết của luật mờ. Liên kết giữa lớp 3 và lớp 4 biểu diễn kết luận của lớp mờ.
Lớp 4: Lớp xuất gồm P nút có chức năng giải mờ.
- Mô hình mạng nơron kết hợp với các giải thuật: Có nhiều cách kết hợp giải thuật với mạng nơron. Tuy nhiên sử dụng phương pháp nào còn phải dựa vào yêu cầu của bài toán. Tuy nhiên ta có thể xem đây là phương pháp hiệu quả:
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
o Xem mạng nơron như một cá thể.
o Quần thể bao gồm nhiều cá thể mạng nơron.
o Trước khi chọn ra cá thể tốt thực hiện các pháp toán để sinh ra tập quần thể mới, các cá thể tự tối ưu bằng phương phương pháp backpropation.[1]