Luận án tiến sĩ về nâng cao độ chính xác dự báo chuỗi thời gian mờ

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ NGHIÊM VĂN TÍNH MỘT SỐ PHƯƠNG PHÁP NÂNG CAO ĐỘ CHÍNH XÁC DỰ BÁO TRONG MÔ HÌNH CHUỖI THỜI GIAN MỜ LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH HÀ NỘI – 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ NGHIÊM VĂN TÍNH MỘT SỐ PHƯƠNG PHÁP NÂNG CAO ĐỘ CHÍNH XÁC DỰ BÁO TRONG MÔ HÌNH CHUỖI THỜI GIAN MỜ LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH Chuyên ngành: Khoa học máy tính Mã số: 9 48 01 01 Người hướng dẫn khoa học: 1. Nguyễn Công Điều 2. Nguyễn Minh Tuấn Hà Nội – 2022 1 LỜI CAM ĐOAN Tác giả xin cam đoan luận án “Một số phương pháp nâng cao độ chính xác dự báo trong mô hình chuỗi thời gian mờ” là công trình nghiên cứu của bản thân tác giả. Ngoại trừ các trích dẫn từ tài liệu tham khảo được ghi rõ trong luận án, các kết quả nghiên cứu và các kết luận nêu trong luận án là hoàn toàn trung thực, chưa từng được công bố trong các công trình nào khác.

Những đóng góp của luận án đã được công bố trên các tạp chí khoa học chuyên ngành và các hội thảo với sự đồng ý của các đồng tác giả trước khi đưa vào luận án. Những số liệu trong các bảng biểu và hình vẽ phục vụ cho việc phân tích, so sánh, đánh giá do chính tác giả thu thập từ các thử nghiệm. Tác giả của luận án Nghiêm Văn Tính 2 LỜI CẢM ƠN Luận án của tác giả được thực hiện tại Học viện Khoa học và Công nghệ - Viện Hàn lâm Khoa học và Công nghệ Việt Nam, dưới sự hướng dẫn tận tình của thầy TS. Nguyễn Công Điều và TS.

Nguyễn Minh Tuấn. Lời đầu tiên cho phép tôi được bày tỏ lòng kính trọng và biết ơn sâu sắc đến hai Thầy về định hướng khoa học, người đã động viên, trao đổi nhiều kiến thức và hướng dẫn tôi vượt qua những khó khăn để hoàn thành luận án. Tôi cũng xin gửi lời cảm ơn chân thành đến các nhà khoa học, tác giả của các công trình công bố đã được trích dẫn trong luận án, đây là những tư liệu quý báu, kiến thức liên quan làm nền tảng giúp tôi hoàn thành luận án. Tôi xin chân thành gửi lời cảm ơn đến các thầy PGS.

Nguyễn Cát Hồ, TS. Vũ Như Lân, TS. Trần Thái Sơn và các thầy cô trong nhóm Đại số gia tử đã có nhiều ý kiến góp ý về nội dung liên quan đến luận án thông qua các buổi seminar và học thuật chuyên môn. Tôi xin chân thành cảm ơn đến Ban lãnh đạo Học viện Khoa học và Công nghệ, Viện Công nghệ Thông tin, Khoa “Công nghệ thông tin và Viễn thông”, Phòng “Đào tạo sau đại học” đã tạo điều kiện thuận lợi trong quá trình học tập, nghiên cứu và hoàn thành luận án.

Xin trân thành cảm ơn Ban giám hiệu trường Đại học Kỹ thuật công nghiệp – ĐH Thái Nguyên, Khoa Điện tử, Bộ môn Tin học Công nghiệp và các đồng nghiệp đã giúp đỡ và tạo điều kiện thuận lợi để tôi có thể thực hiện kế hoạch nghiên cứu, hoàn thành luận án. Tôi xin được bày tỏ tình cảm và lòng biết ơn vô hạn tới những người thân trong Gia đình, những người luôn dành cho tôi sự động viên, khích lệ, sẻ chia, giúp đỡ trong những lúc khó khăn. 3 MỤC LỤC LỜI CAM ĐOAN. 2 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT.6 DANH MỤC CÁC BẢNG.

7 DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ. NHỮNG KIẾN THỨC LIÊN QUAN. Các khái niêm về chuỗi thời gian. Chuỗi thời gian.

Bài toán dự báo chuỗi thời gian. Chuỗi thời gian mờ và các mô hình dự báo chuỗi thời gian mờ. Một số khái niệm về tập mờ. Chuỗi thời gian mờ và các định nghĩa liên quan.

Các thành phần của mô hình dự báo FTS.1 Giai đoạn huấn luyện (Xây dựng mô hình dự báo).2 Giai đoạn kiểm thử (Giai đoạn dự báo). Một số mô hình chuỗi thời gian mờ cơ bản.1 Mô hình dự báo của Song và Chissom [8,9]. Mô hình dự báo của Chen [10].3 Mô hình dự báo của Yu [13]. Tiêu chuẩn đánh giá độ chính xác của các mô hình dự báo.

Một số phương pháp liên quan đến phân khoảng tập nền. Thuật toán phân cụm K-means. Thuật toán phân cụm mờ Fuzzy C-means. Thuật toán tối ưu bầy đàn (PSO).

Đại số gia tử. Kết luận Chương 1. XÂY DỰNG CÁC MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ VỚI NHÓM QUAN HỆ MỜ PHỤ THUỘC THỜI GIAN. Nhóm quan hệ mờ phụ thuộc thời gian (NQHM-PTTG).

Các định nghĩa về nhóm quan hệ mờ phụ thuộc thời gian. Thuật toán tạo NQHM-PTTG bậc m. Các mô hình chuỗi thời gian mờ một nhân tố và hai nhân tố đề xuất. Mô hình dự báo chuỗi thời gian mờ một nhân tố (FTS-1NT).

Mô hình dự báo chuỗi thời gian mờ hai nhân tố (FTS-2NT). Các phương pháp phân khoảng dữ liệu trong tập nền. Phân khoảng dữ liệu. Các phương pháp phân khoảng dữ liệu.1 Phân khoảng với độ dài bằng nhau.

Phân khoảng với độ dài khác nhau. Các phương pháp phân khoảng đề xuất.1 Phân khoảng sử dụng phân cụm K-means.2 Phân khoảng sử dụng Đại số gia tử. Tổ chức thực nghiệm và so sánh đánh giá cho các mô hình FTS đề xuất và các phương pháp phân khoảng. Mô tả dữ liệu.

Kết quả thực nghiệm của mô hình FTS một nhân tố (FTS-1NT).1 Kết quả thực nghiệm của mô hình FTS-1NT trên tập dữ liệu tuyển sinh .2 Kết quả thực nghiệm của mô hình FTS-1NT trên tập dữ liệu thị trường chứng khoán (TAIFEX). Kết quả thử nghiệm của mô hình FTS hai nhân tố (FTS-2NT). Kết quả thực nghiệm trên mô hình FTS-1NT sử dụng hai phương pháp phân khoảng HA và K-means.1 So sánh đánh giá giữa hai phương pháp phân khoảng HA và K-means với các phương pháp phân khoảng khác trên cùng mô hình FTS-1NT.2 So sánh đánh giá mô hình FTS-1NT sử dụng phương pháp phân khoảng HA và K-means với các mô hình dự báo khác dựa trên QHM bậc 1.3 So sánh đánh giá mô hình FTS-1NT sử dụng phương pháp phân khoảng HA và K-means với các mô hình dự báo khác dựa trên QHM bậc cao 84 2. Kết luận Chương 2.

NÂNG CAO HIỆU QUẢ CỦA MÔ HÌNH DỰ BÁO SỬ DỤNG CÁC KỸ THUẬT TÍNH TOÁN MỀM. Các mô hình dự báo chuỗi thời gian mờ đề xuất. Mô hình chuỗi thời gian mờ một nhân tố (FTS-1NT) kết hợp giữa FCM và PSO 87 3. Mô hình chuỗi thời gian mờ hai nhân tố (FTS-2NT) sử dụng FCM và PSO.

Tổ chức thực nghiệm và đánh giá hiệu quả của các mô hình dự báo được đề xuất. Đánh giá hiệu quả của mô hình FTS một nhân tố FTS1NT-CMPSO.1 Mô tả các chuỗi dữ liệu thời gian.2 Thiết lập các tham số của mô hình FTS1NT-CMPSO cho các tập dữ liệu .3 Áp dụng dự báo tuyển sinh đại học của trường đại học Alabama.4 Áp dụng dự báo thị trường chứng khoán Đài Loan TAIFEX.5 Áp dụng dự báo tai nạn ô tô tại Bỉ. Đánh giá hiệu quả của mô hình FTS hai nhân tố FTS2NT-CMPSO.1 Áp dụng dự báo trên tập dữ liệu nhiệt độ.2 Áp dụng dự báo trên tập dữ liệu thị trường chứng khoán. Kết luận Chương 3.

121 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN.122 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN. 123 TÀI LIỆU THAM KHẢO.124 6 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT 𝘗𝑌 Các ký hiệu: Đại số tuyến tính μ(h) Độ đo tính mờ của gia tử h fm(x) Độ đo tính mờ của từ ngôn ngữ H+ Tập các gia tử dương Tập các gia tử âm à H- Biến ngôn ngữ Các chữ viết tắt: TS Time series Chuỗi thời gian mờ FTS Fuzzy time series Chuỗi thời gian mờ Taiwan capitalization TAIEX weighted stock index Chỉ số chứng khoán Đài Loan TAIFEX Taiwan Stock Index Futures PSO Particle Swam Optimization Tối ưu bầy đàn KM K-means clustering Phân cụm mờ HA Hegde Algeras Đại số gia tử Autoregressive Quá trình trung bình trượt tích ARIMA integrated moving average hợp tự hồi quy FCM Fuzzy C-Means Clustering Phân cụm mờ Mean Absolute Percentage Sai số trung bình phần trăm tuyệt MAPE Error đối MSE Mean square error Sai số bình phương trung bình FTS-1NT Chuỗi thời gian mờ một nhân tố FTS-2NT Chuỗi thời gian mờ hai nhân tố Phân cụm Kmeans kết hợp với KM-FTS-1NT chuỗi thời gian mờ một nhân tố Đại số gia tử kết hợp với chuỗi HA-FTS-1NT thời gian mờ một nhân tố FTS1NT- Chuỗi thời gian mờ một nhân tố CMPSO kết hợp giữa FCM và PSO FTS2NT- Chuỗi thời gian mờ hai nhân tố CMPSO kết hợp giữa FCM và PSO QHM Quan hệ mờ NQHM Nhóm quan hệ mờ Nhóm quan hệ mờ phụ thuộc thời NQHM-PTTG gian 7 DANH MỤC CÁC BẢNG Bảng 1.1: Các nhóm quan hệ mờ từ tập dữ liệu tuyển sinh.2: Một số hạn chế của các mô hình dự báo sử dụng quan hệ mờ.1: Sự khác nhau giữa nhóm quan hệ mờ đề xuất và nhóm quan hệ trong mô hình [10, 13].2: Dữ liệu tuyển sinh thực tế của trường đại học Alabama.3: Kết quả mờ hóa dữ liệu tuyển sinh thành các tập mờ.4: Biểu diễn mối quan hệ mờ bậc 1 và bậc 3 trên tập dữ liệu tuyển sinh.5: Kết quả nhóm quan hệ mờ phụ thuộc thời gian bậc 1 và bậc 3.6: Kết quả dự báo tuyển sinh dựa trên quan hệ mờ bậc 1 và bậc 3.7: Dữ liệu lịch sử về nhiệt độ trung bình hàng ngày và mật độ của mây từ 01/06/1996 đến 30/09/1996 tại Đài Bắc, Đài Loan.8: Kết quả mờ hóa của nhân tố chính “nhiệt độ trung bình hàng ngày” và nhân tố thứ hai “mật độ của mây”.9: Kết quả biểu diễn mối quan hệ mờ bậc 3 hai nhân tố.10: Kết quả tính toán giá trị cho mỗi NQHM-PTTG bậc 3.11: Kết quả dự báo nhiệt độ trung bình hàng ngày trong tháng 6 năm 1996 tại Đài Bắc Đài Loan dựa vào chuỗi thời gian mờ hai nhân tố bậc 3.12: Ánh xạ cơ sở.13: Các mô hình FTS sử dụng PSO để phân khoảng kết hợp với các phương pháp khác.14: Các mô hình FTS sử dụng FCM để phân khoảng kết hợp với các phương pháp khác.15: Ưu và nhược điểm chính của các phương pháp phân khoảng.16: Kết quả phân cụm trên tập dữ liệu tuyển sinh sử dụng K-means.17: Giá trị của các khoảng từ tập dữ liệu tuyển sinh sử dụng K-means.18: Số lượng hạng từ ngôn ngữ.19: So sánh sai số dự báo MSE giữa mô hình FTS-1NT với các mô hình khác trên cùng 7 khoảng.20: Kết quả và sai số dự báo giữa mô hình FTS-1NT với các mô hình khác trên cùng 14 khoảng.