Dự báo chuỗi thời gian mờ dựa trên ngữ nghĩa

Bài viết Dự báo chuỗi thời gian mờ dựa trên ngữ nghĩa nêu lên cách tiếp cận mới dựa trên đại số gia tử theo ngữ nghĩa trong bài toán dự báo chuỗi thời gian mờ. Mời các bạn tham khảo bài viết để hiểu rõ hơn về nội dung này.
Nội dung trích xuất từ tài liệu:
Dự báo chuỗi thời gian mờ dựa trên ngữ nghĩaKỷ yếu Hội nghị Quốc gia lần thứ VIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Hà Nội, ngày 9-10/7/2015DỰ BÁO CHUỖI THỜI GIAN MỜ DỰA TRÊN NGỮ NGHĨANguyễn Duy Hiếu1, Vũ Như Lân2,3 , Nguyễn Cát Hồ2,41Trường Đại học Tây Bắc2Viện Công nghệ thông tin, Viên Hàn lâm Khoa học và Công nghệ Việt Nam3Trường Đại học Thăng Long4Trường Đại học Duy Tânhieu3210@gmail.com, vnlan@ioit.ac.vn, ncatho@gmail.comTÓM TẮT - Bài toán dự báo chuỗi thời gian mờ đã được nhiều tác giả quan tâm nghiên cứu như: Song, Chissom, S. M.Chen… Các nghiên cứu tập trung giải quyết việc nâng cao độ chính xác của đầu ra dự báo. Có nhiều phương pháp đã được đưa ranhằm cải tiến mô hình dự báo ban đầu của Song, Chissom, Chen với trung bình sai số bình phương (MSE) ngày càng thấp. Trongvài năm trở lại đây, đại số gia tử đã được ứng dụng có hiệu quả trong nhiều bài toán như điều khiển, phân lớp, tính toán trên từ,…với nhiều kết quả tốt hơn so với tiếp cận mờ. Điểm quan trọng và khác biệt của đại số gia tử là xem xét các biến ngôn ngữ trongquan hệ thứ tự vốn có của chính các giá trị ngữ nghĩa. Bài báo này trình bày về cách tiếp cận mới dựa trên đại số gia tử theo ngữnghĩa trong bài toán dự báo chuỗi thời gian mờ. Mô hình dự báo chuỗi thời gian mờ bằng đại số gia tử sẽ được kiểm định qua cáckết quả tính toán dự báo dựa trên dữ liệu sinh viên nhập học của Trường Đại học Alabama từ năm 1971 đến 1992 mà nhiều tác giảtrên thế giới sử dụng. Qua đó có thể thấy được hiệu quả của mô hình dự báo đề xuất mới.Từ khóa - Chuỗi thời gian, mô hình dự báo chuỗi thời gian mờ, chuỗi thời gian mờ, đại số gia tử, ngữ nghĩa.I. MỞ ĐẦUTrong thực tế, chúng ta gặp rất nhiều các dữ liệu dạng chuỗi thời gian như: nhiệt độ trung bình của một vùngtheo ngày, chỉ số chứng khoán, giá vàng,… Những dữ liệu ấy thường được biểu diễn dạng chuỗi giá trị biến đổi theothời gian. Bài toán dự báo cho dữ liệu chuỗi thời gian luôn là vấn đề được quan tâm của các nhà khoa học trên thế giới.Q. Song và B. S. Chissom lần đầu tiên đưa ra khái niệm về chuỗi thời gian mờ, nghĩa là xem xét giá trị định lượng củacác giá trị trong chuỗi thời gian từ góc độ định tính. Từ đó, chuyển bài toán dự báo về việc dự báo các giá trị ngôn ngữcủa các biến ngôn ngữ. Khi đó có thể sử dụng các luật mờ, các suy luận mờ để có thể đưa ra kết quả dự báo. Đây có thểcoi là quan niệm mới, có tính đột phá. Mô hình dự báo chuỗi thời gian của Q. Song và B. S. Chissom [1, 2, 3] đưa rakhả năng dự báo qua quá trình dự báo lại các dữ liệu lịch sử, tuy nhiên độ chính xác chưa cao. S. Chen trong nhữngnghiên cứu của mình [4, 5, 6, 7] đã thay đổi các tính toán của trong [2, 3] thành các phép tính số học đơn giản hơn.Tiếp nối những nghiên cứu đó, nhiều nghiên cứu khác đã thu những kết quả quan trọng [8, 19, 20, 21] trong việc dựbáo về chuỗi thời gian mờ. Bài báo số [18] là nghiên cứu đầu tiên về dự báo chuỗi thời gian mờ tại Việt Nam.Các nghiên cứu về mô hình dự báo chuỗi thời gian tập trung giải quyết việc nâng cao độ chính xác của kết quảdự báo. Trong chuỗi thời gian mờ có thể thấy hai yếu tố ảnh hưởng tới độ chính xác dự báo:•Mờ hoá dữ liệu.•Giải mờ.Việc mờ hoá dữ liệu đòi hỏi phải có kinh nghiệm và trực giác tốt để có thể mô tả định tính các giá trị định lượngmột cách phù hợp. Tham số quan trọng trong việc mờ hoá đó là số lượng khoảng chia, độ dài khoảng chia và bậc củachuỗi thời gian mờ. Nếu số lượng khoảng chia quá ít, dự báo có thể có độ chính xác thấp do thiếu thông tin. Nếu sốlượng khoảng chia quá lớn, dự báo có thể mất hết ý nghĩa về tính mờ của giá trị ngôn ngữ khi không còn nhóm quan hệmờ vì có thể tạo ra nhiều khoảng không chứa dữ liệu hoặc chỉ chứa một dữ liệu. Việc tìm ra số lượng khoảng chia phùhợp là một vấn đề khó khăn. Ngoài ra, để tăng độ chính xác người ta cũng có thể tăng bậc của chuỗi thời gian mờ. Từđó xây dựng được những nhóm quan hệ mờ phù hợp có lợi cho dự báo sau này.Giải mờ là quá trình dự báo trên cơ sở phép mờ hoá trên đây và cần hướng tới dự báo tối ưu.Những nghiên cứu tập trung giải quyết hai vấn đề trên để nâng cao độ chính xác dự báo. Vấn đề thứ nhất có thểthấy rõ trong các nghiên cứu [5, 6, 7]. Theo đó, các nghiên cứu chỉ rõ rằng: số lượng khoảng, độ dài khoảng và bậc củachuỗi thời gian mờ ảnh hưởng nhiều tới độ chính xác của dự báo. Vấn đề nghiên cứu tìm ra những giá trị đó phù hợpcũng đã có nhiều kết quả. Ngoài ra, các tác giả cũng đưa ra những cách tiếp cận khác như phân cụm, tham số hoá mứcđộ thay đổi của chuỗi thời gian. Vấn đề thứ hai là giải mờ để tìm ra giá trị dự báo. Theo S. Chen [4] thì cần dùng 3 luậtcơ bản để giải quyết vấn đề này. Có thể coi phép giải mờ này dựa trên cơ sở trung bình hoá các trọng số có giá trị ngônngữ trong nhóm quan hệ mờ.Cách tiếp cận theo lý thuyết mờ cho bài toán dự báo chuỗi thời gian đã tìm ra được nhiều cách làm hay, nhiềuphương pháp tốt để có thể ngày một nâng cao kết quả dự báo. Nhưng phương pháp đó cũng ...