Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Qua phân tích các nhân tố ảnh hưởng đến kết quả dự báo như kỹ thuật chia khoảng tập nền, các luật dự báo và kỹ thuật giải mờ, đề tài đề xuất một phương pháp nâng cao độ chính xác của mô hình dự báo chuỗi thời gian mờ trên cơ sở kết hợp tối ưu các khoảng chia tập nền bằng thuật toán tối ưu bầy đàn và kỹ thuật giải mờ mới hiệu quả. Mô hình dự báo được đề xuất được ứng dụng để dự báo số sinh viên nhập học của Trường Đại học Alabama từ năm 1971 đến năm 1992 và cho độ chính xác dự báo tốt đối với cả chuỗi thời gian mờ bậc nhất và chuỗi thời gian mờ bậc cao. | TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI NGHIÊN CỨU MÔ HÌNH CHUỖI THỜI GIAN MỜ VÀ ỨNG DỤNG VÀO DỰ BÁO DỮ LIỆU TUYỂN SINH Giảng viên hướng dẫn TS. Phạm Đình Phong Sinh viên thực hiện Nguyễn Văn Khánh Lớp CNTT2-K59 Tóm tắt Đề tài nghiên cứu các mô hình dự báo chuỗi thời gian mờ được để xuất bởi Song và Chissom năm 1993 Chen đề xuất năm 1996 và các nghiên cứu cải tiến đã được công bố trong những năm gần đây. Qua phân tích các nhân tố ảnh hưởng đến kết quả dự báo như kỹ thuật chia khoảng tập nền các luật dự báo và kỹ thuật giải mờ đề tài đề xuất một phương pháp nâng cao độ chính xác của mô hình dự báo chuỗi thời gian mờ trên cơ sở kết hợp tối ưu các khoảng chia tập nền bằng thuật toán tối ưu bầy đàn và kỹ thuật giải mờ mới hiệu quả. Mô hình dự báo được đề xuất được ứng dụng để dự báo số sinh viên nhập học của Trường Đại học Alabama từ năm 1971 đến năm 1992 và cho độ chính xác dự báo tốt đối với cả chuỗi thời gian mờ bậc nhất và chuỗi thời gian mờ bậc cao. Từ khóa dự báo chuỗi thời gian mờ giải mờ quan hệ logic mờ. 1. ĐẶT VẤN ĐỀ Dự báo được những sự việc hiện tượng xảy ra trong tương lai giúp chúng ta hoạch định và ra quyết định tốt hơn giúp nâng cao hiệu quả công việc tiết kiệm công sức thời gian và chi phí. Có nhiều mô hình dự báo được đề xuất như ARMA ARIMA MA 9 chuỗi thời gian mờ 1 trong đó mô hình dự báo chuỗi thời gian mờ dựa trên lý thuyết tập mờ của Zadeh 10 đã và đang thu hút cộng đồng các nhà khoa học nghiên cứu trong những năm gần đây do có thể dự báo tốt đối với các mẫu dữ liệu có độ biến thiên lớn dữ liệu được ghi nhận dưới dạng nhãn ngôn ngữ như low medium high very high và số mẫu quan sát ít. Mô hình dự báo chuỗi thời gian mờ được Song và Chissom 1 đề xuất năm 1993 và được áp dụng để dự báo số lượng sinh viên nhập học của trường Đại học Alabama 2 3 . Tuy nhiên mô hình dự báo của Song và Chissom sử dụng các phép tính kết hợp max-min phức tạp trong xử lý các quan hệ logic mờ và sẽ tốn nhiều thời gian tính toán khi số lượng các quan hệ logic mờ lớn. Nhằm khắc phục
