Xây dựng mô hình dự báo nhiệt độ hàng ngày sử dụng hệ mờ phức

Bài viết Xây dựng mô hình dự báo nhiệt độ hàng ngày sử dụng hệ mờ phức trình bày việc phát triển hệ thống mờ phức nơron thích nghi để nhằm mục đích cải thiện chất lượng dự báo cho bài toán dự báo trên các dữ liệu chuỗi thời gian đa biến.
Nội dung trích xuất từ tài liệu:
Xây dựng mô hình dự báo nhiệt độ hàng ngày sử dụng hệ mờ phức Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0 XÂY DỰNG MÔ HÌNH DỰ BÁO NHIỆT ĐỘ HÀNG NGÀY SỬ DỤNG HỆ MỜ PHỨC Nguyễn Thọ Thông1, Lương Thị Hồng Lan1 1 Trường Đại học Thủy lợi, email: thongnt@tlu.edu.vn 1. GIỚI THIỆU CHUNG (CFS) ra đời với hàm thuộc bao gồm cả thành phần biên độ và thành phần pha [5]. Khí hậu là một trong những yếu tố quan Ưu điểm của CFS là khả năng mô hình hóa trọng làm ảnh hưởng đến thiên nhiên, đời các hiện tượng và sự kiện theo thời gian, theo sống của con người. Dự báo nhiệt độ không giai đoạn để từ đó có thể cho thấy tổng thể khí là một hoạt động hữu ích để có thể giảm chúng trong một ngữ cảnh nhất định. Các thiểu và ngăn ngừa thiệt hại về nhà và tài sản. nghiên cứu trên tập mờ phức tập trung vào Do đó, các bài toán liên quan đến dự báo việc xây dựng các hệ logic mờ phức [5, 7], nhiệt độ đang là chủ đề thu hút nhiều sự quan mạng Neural mờ phức để nâng cao hiệu năng tâm của các nhà nghiên cứu với nhiều hướng của hệ thống trong các ứng dụng dự báo tiếp cận khác nhau. trong thực tế [8]. Nhiều nghiên cứu sử dụng kĩ thuật cơ bản Bài toán dự báo nhiệt độ hàng ngày nói dựa trên mô hình mạng nơ ron nhân tạo riêng và bài toán dự báo đối với dữ liệu có (ANN) Jallal và cộng sự [3] sử dụng kĩ thuật yếu tố chu kì, có yếu tố định kỳ nói chung có multi-layer perception (MLP) để dự báo nhiệt thể được giải quyết và tiếp cận theo nhiều độ không khí ở Morocco; Suzulmus và cộng phương pháp khác nhau. Trong bài báo này, sự [6] sử dụng các mô hình như MLP, MLR chúng tôi đề xuất biểu diễn nhiệt độ hàng và mạng nơ ron Elman nhằm mục đích dự ngày theo hướng tiếp cận dựa trên lý thuyết báo nhiệt độ ở Thổ Nhĩ Kì. về tập mờ phức và thực nghiệm áp dụng mô Một số các nghiên cứu khác lại sử dụng các hình hệ thống mờ phức nơ ron thích nghi kĩ thuật logic mờ nơron như Mohammadi và ANCFIS (là mô hình kết hợp giữa mô hình cộng sự [4] sử dụng ANFIS để dự báo nhiệt độ ANFIS và tập mờ phức) đối với bài toán dự ở 2 thành phố của IRAN. Daneshmand và báo nhiệt độ hàng ngày ở Melbourne, cộng sự [1] sử dụng kỹ thuật ANFIS để dự Australia để chứng minh hiệu quả của hệ mờ báo các giá trị nhiệt độ tối thiểu hàng tháng ở phức đối với các bộ dữ liệu chuỗi thời gian, Mashhad, Iran. Yakut và cộng sự [9] thực dữ liệu có yếu tố chu kì, định kì. hiện so sánh ANN, ANFIS và SVM (máy vectơ hỗ trợ) đối với dự báo nhiệt độ hàng 2. HỆ THỐNG MỜ PHỨC NƠ RON tháng ở Thổ nhĩ kì. Điều đó có thể cho THÍCH NGHI thấy mô hình ANFIS đã được phát triển ứng dụng trong các bài toán dự báo nói chung và 2.1. Tập mờ phức bài toán dự báo nhiệt độ nói riêng. Tuy nhiên Khái niệm CFS [5] đã được đề xuất bởi các mô hình này chỉ áp dụng đối với tập Ramot và các cộng sự như là một phần mở mờ thường. rộng của lý thuyết tập mờ và logic mờ. Một Cùng với sự gia tăng của các dữ liệu có sự tập mờ phức được đặc trưng bởi một hàm thay đổi về thời gian hay các dữ liệu có yếu thuộc giá trị phức được biểu diễn có dạng: tố chu kì, định kì thì khái niệm tập mờ phức  A  x   rA  x  .e jA  x , j  1 . Trong đó: rA  x  , 92 Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0  A  x  tương ứng là giá trị biên độ và giá trị  n  j   q j ,l xl  rj  O5, j  wSj  wDP (5) pha với điều kiện rA  x    0,1 .  l 1  2.2. Hệ Ancfis Ở đây, wDP j là đầu ra của lớp 4, xl là điểm Hệ ANCFIS [8] là hệ thống phát triển dựa dữ liệu thứ j của vector đầu vào, n là độ dài trên mô hình ANFIS và lý thuyết tập mờ của vector đầu vào và q j ,l , rj là các tham số phức. Kiến trúc của ANCFIS bao gồm 6 lớp của một hàm tuyến tính của x j . cơ bản sau: Lớp 6: Lớp này là tổng hợp tất cả các giá Lớp 1: vector đầu vào là được mờ hóa tới trị thu được và cho đầu ra cuối cùng các tập mờ phức tương ứng trên các kh ...