Luận án Tiến sĩ Toán học: Cải tiến phương pháp học máy trong chuỗi thời gian và ứng dụng

Luận án "Cải tiến phương pháp học máy trong chuỗi thời gian và ứng dụng" phân tích một hoặc một vài chuỗi thời gian; đưa ra các mô hình phù hợp để tính các giá trị dự báo trong tương lai của một chuỗi thời gian được chọn tại một thời điểm đã chọn; tối ưu hóa kết quả cho cả dự báo ngắn hạn và dự báo dài hạn (có thể thêm dự báo trung hạn).
Nội dung trích xuất từ tài liệu:
Luận án Tiến sĩ Toán học: Cải tiến phương pháp học máy trong chuỗi thời gian và ứng dụng BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC BÁCH KHOA HÀ NỘI ____________________ Nguyễn Quang ĐạtCẢI TIẾN PHƯƠNG PHÁP HỌC MÁY TRONG CHUỖI THỜI GIAN VÀ ỨNG DỤNG LUẬN ÁN TIẾN SĨ TOÁN HỌC Hà Nội – 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC BÁCH KHOA HÀ NỘI ____________________ Nguyễn Quang ĐạtCẢI TIẾN PHƯƠNG PHÁP HỌC MÁY TRONG CHUỖI THỜI GIAN VÀ ỨNG DỤNG Ngành: Toán học Mã số: 9460101 LUẬN ÁN TIẾN SĨ TOÁN HỌC NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. TS. Nguyễn Thị Ngọc Anh 2. PGS.TS. Nguyễn Ngọc Doanh Hà Nội - 2023 i LỜI CAM ĐOAN Tôi - Nguyễn Quang Đạt - cam kết Luận án là công trình nghiên cứu của bảnthân tôi dưới sự hướng dẫn của TS. Nguyễn Thị Ngọc Anh và PGS.TS. NguyễnNgọc Doanh. Các kết quả nêu trong luận án là trung thực, có trích dẫn nhưngkhông sao chép toàn văn của bất kỳ công trình nào khác. Các kết quả đạt đượctrong Luận án chưa từng được các tác giả khác công bố. Hà Nội, ngày tháng năm 2023 Nghiên cứu sinh Nguyễn Quang Đạt Hà Nội, ngày tháng năm 2023 TM tập thể hướng dẫn ii LỜI CẢM ƠN Em xin trân trọng cảm ơn tập thể giáo viên hướng dẫn, là TS. Nguyễn ThịNgọc Anh và PGS.TS. Nguyễn Ngọc Doanh, đã chỉ dẫn và giúp đỡ em trongcác vấn đề chính của quá trình làm nghiên cứu. Từ dẫn hướng của thầy cô, emđã thu được các kết quả tốt nhất khi hoàn thành luận án này. Hà Nội, ngày tháng năm 2023 Nghiên cứu sinh Nguyễn Quang Đạt iii MỤC LỤC LỜI CẢM ƠN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii MỤC LỤC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT . . . . . vi DANH MỤC CÁC HÌNH VẼ . . . . . . . . . . . . . . . . . . . . . viii DANH MỤC CÁC BẢNG BIỂU . . . . . . . . . . . . . . . . . . . xiiGIỚI THIỆU ĐỀ TÀI 1CHƯƠNG 1. Một số mô hình truyền thống trong dự báo chuỗi thời gian 10 1.1 Autoregressive Integrated Moving Average - ARIMA . . . . . . . . 10 1.2 Seasonal Autoregressive Integrated Moving Average - SARIMA . . 17 1.3 Wavelet Analys - WA . . . . . . . . . . . . . . . . . . . . . . . . . . 23 1.4 Artificial neutral network – ANN . . . . . . . . . . . . . . . . . . . 28 1.5 Recurrent neural network – RNN . . . . . . . . . . . . . . . . . . . 31 1.6 Tiêu chí đánh giá các mô hình . . . . . . . . . . . . . . . . . . . . . 38CHƯƠNG 2. Mô hình học trực tuyến 40 2.1 Dữ liệu thực tế được cập nhật liên tục . . . . . . . . . . . . . . . . 41 2.2 Cơ sở của mô hình trực tuyến . . . . . . . . . . . . . . . . . . . . . 42 2.3 Phương pháp giảm gradient trực tuyến . . . . . . . . . . . . . . . . 45 2.4 Phương pháp trực tuyến ONS . . . . . . . . . . . . . . . . . . . . . 49 2.5 Mô hình trực tuyến cho ARIMA và SARIMA . . . . . . . . . . . . 57 2.5.1 Mô hình ARIMA Online Newton step . . . . . . . . . . . . 57 2.5.2 Mô hình SARIMA Online Newton step . . . . . . . . . . . 60 2.6 Mô hình RNN trực tuyến . . . . . . . . . . . . . . . . . . . . . . . . 71 iv 2.6.1 Một số vấn đề trong mô hình RNN . . . . . . . . . . . . . . 71 2.6.2 Xây dựng cơ sở thuật toán trực tuyến . . . . . . . . . . . . 73 2.6.3 Mô tả thuật toán . . . . . . . . . . . . . . . . . . . . . . . . 79 2.7 Thực nghiệm mô hình SARIMA online với dữ liệu thực tế . . . . 84 2.7.1 Dữ liệu so sánh: dữ liệu Australia . . . . . . . . . . . . . . 84 2.7.2 Dữ liệu phụ tải điện miền bắc Việt Nam . . . . . . . . . . 84 2.8 Kết quả thực nghiệm thực tế . . . . . . . . . . . . . . . . . . . . . 85 2.8.1 Dữ liệu so sánh: dữ liệu Australia . . . . . . . . . . . . . . 85 2.8.2 Dữ liệu phụ tải điện của miền bắc Việt Nam . . . . . . . . 88CHƯƠNG 3. Mô hình lai 93 3.1 Mô hình lai ARIMA và ANN . . . . . . . . . . . . . . . . . . . . ...