Nghiên cứu mô hình chuỗi thời gian mờ và ứng dụng vào dự báo dữ liệu tuyển sinh

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.
Nội dung trích xuất từ tài liệu:
Nghiên cứu mô hình chuỗi thời gian mờ và ứng dụng vào dự báo dữ liệu tuyển sinh 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 nhược điểm này, Chen [4] đã đề xuất phương pháp hiệu quả hơn trong dự báo số lượng sinh viên nhập học bằng việc sử dụng các nhóm Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 21 TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI quan hệ logic mờ và giải mờ bằng phép tính số học đơn giản. Để giải quyết tình trạng lặp lại của các quan hệ logic mờ và phản ánh được tầm quan trọng của thứ tự xuất hiện của chúng, Yu đã gán cho chúng các trọng số theo thứ xuất hiện trong nhóm quan hệ logic mờ [11]. Các nghiên cứu trên đặt nền móng cho lĩnh vực nghiên cứu dự báo chuỗi thời gian mờ với các đề xuất cải tiến cả về phương pháp luận và nghiên cứu ứng dụng. Các cải tiến về phương pháp luận chủ yếu tập chung cải tiến mô hình dự báo chuỗi thời gian mờ được đề xuất bởi Chen dựa trên ba yếu tố chính ảnh hưởng đến kết quả dự báo. Thứ nhất, tối ưu độ dài các khoảng chia tập nền bằng các các thuật toán tối ưu như thuật toán di truyền [12, 14], thuật toán tối ưu bầy đàn [7], tìm kiếm Tabu, phân cụm, … Thứ hai, sử dụng các mô hình chuỗi thời gian mờ bậc cao [14], mô hình chuỗi thời gian mờ đa nhân tố (thường là hai nhân tố) [15] thay vì mô hình chuỗi thời gian mờ bậc nhất, áp dụng mô hình dự báo chuỗi thời gian mờ phụ thuộc thời gian [8, 20]. Thứ ba, áp dụng các phương pháp giải mờ hiệu quả nhằm tăng độ chính xác của kết quả dự báo [11, 7]. Các nghiên cứu ứng dụng chuỗi thời gian mờ trong giải quyết các bài toán dự báo trong thực tế bao gồm bài toán dự báo số sinh viên nhập học (the enrollment forecasting) [2-8], dự báo nhiệt độ (temperature forecasting) [15], dự báo chỉ số chứng khoán (stock index forecasting) [7], dự báo nhu cầu du lịch, dự báo tai nạn xe hơi (car road accident forecasting), ... Trên cơ sở các phân tích trên, chúng tôi thấy rằng đây là hướng nghiên cứu vẫn đang được quan tâm và thu hút nhiều nhà khoa học quan tâm nghiên cứu. Do vậy, đề tài có tính khoa học và ứng dụng thực tiễn. Đề tài đề xuất áp dụng mô hình chuỗi thời gian mờ không phụ thuộc thời gian có sử dụng thuật toán tối ưu bầy đàn PSO để chia các khoảng dữ liệu hợp lý hơn và sử dụng các quan hệ logic mờ bậc nhất, quan hệ logic mờ bậc cao cộng thêm kĩ thuật giải mờ được đề xuất. Các kết quả thực nghiệm cho số liệu sinh viên nhập học của trường đại học Alabama trên mô hình được đề xuất cho kết quả khá tốt so với những phương pháp khác khi sử dụng mô hình dự báo chuỗi thời gian mờ dừng kết hợp với tối ưu bầy đàn hay giải thuật di truyền. 2. CÁC NỘI DUNG CHÍNH 2.1. Tiếp cận nghiên cứu 2.1.1. Lý do lựa chọn đề tài Chuỗi thời gian đang được sử dụng như một công cụ hữu hiệu để phân tích số liệu trong kinh tế, xã hội cũng như trong nghiên cứu khoa học. Chính do tầm quan trọng của Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 22 TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI các lĩnh vực này, đặc biệt đối với bài toán dữ liệu tuyển sinh chúng tôi đề xuất một thuật toán mới đem lại kết quả cao cho việc dự báo. 2.1.2. Phương pháp nghiên cứu Các phương pháp chính được sử trọng trong quá trình thực hiện đề tài nghiên cứu bao gồm: - Phương pháp phân tích và tổng hơp lý thuyết: nghiên cứu các lý thuyết trong các báo cáo về mô hình chuỗi thời gian mờ đã công bố, đặc biệt quan tâm đến kĩ thuật giải mờ và chia khoảng tập mờ. - Sử dụng phương pháp thực nghiệm: dùng bộ số liệu sinh viên nhập học của trường đại học Alabama để đánh giá các mô hình chuỗi thời gian mờ. Cơ sở là các thuật toán với chuỗi thời gian mờ đã công bố và nghiên cứu đề xuất thuật toán mới, so sánh các kết quả thực nghiệm. 2.1.3. Phạm vi nghiên cứu Phạm vi nghiên cứu là tập trung nghiên cứu ...