I. Tổng quan
Trong bối cảnh phát triển công nghệ thông tin, việc thu thập và lưu trữ dữ liệu ngày càng gia tăng. Tuy nhiên, chỉ một phần nhỏ trong số đó được phân tích, dẫn đến việc khai thác dữ liệu trở thành một nhu cầu cấp thiết. Dự báo chuỗi thời gian là một trong những ứng dụng quan trọng của khai thác dữ liệu, giúp cung cấp thông tin cần thiết cho việc ra quyết định. Các phương pháp dự báo hiện nay được chia thành hai loại chính: định tính và định lượng. Phương pháp định lượng, dựa trên dữ liệu lịch sử, cho phép phát hiện xu hướng và mô hình hóa các biến số trong tương lai. Các phương pháp như ARIMA, ANN, và SVM đã được phát triển để dự đoán chuỗi thời gian. Tuy nhiên, phân tích chuỗi thời gian dựa trên so trùng mẫu vẫn là một lĩnh vực đang được nghiên cứu và cải tiến.
II. Cơ sở lý thuyết
Khái niệm về chuỗi thời gian được định nghĩa là một chuỗi các giá trị số thực được đo tại các thời điểm cách đều nhau. Dữ liệu chuỗi thời gian thường bao gồm bốn thành phần: xu hướng dài hạn, thành phần mùa, thành phần chu kỳ và thành phần bất thường. Mỗi thành phần này có vai trò quan trọng trong việc phân tích và dự báo. Việc sử dụng nhiều độ đo khác nhau trong dự báo chuỗi thời gian có thể giúp khắc phục những nhược điểm của từng độ đo riêng lẻ. Các độ đo như Euclid, DTW, và LCSS đã được áp dụng trong nghiên cứu này để đánh giá hiệu quả của phương pháp dự báo. Sự kết hợp giữa các độ đo này có thể mang lại kết quả dự báo chính xác hơn.
III. Đề xuất phương pháp dự báo
Phương pháp dự báo được đề xuất trong luận văn này dựa trên so trùng mẫu sử dụng nhiều độ đo. Mô hình toán học được xây dựng dựa trên lý thuyết cực tiểu của đại số nhằm ước lượng các tham số ảnh hưởng đến các độ đo. Việc áp dụng các độ đo khác nhau trong dự báo cho phép mô hình có khả năng dự báo đa dạng các loại dữ liệu. Thực nghiệm đã được thực hiện trên ba độ đo: Euclid, DTW và LCSS để so sánh hiệu quả của phương pháp đề xuất. Kết quả cho thấy mô hình sử dụng nhiều độ đo cho kết quả dự báo tốt hơn so với mô hình chỉ sử dụng một độ đo.
IV. Thực nghiệm
Thực nghiệm được tiến hành trên nhiều bộ dữ liệu khác nhau để kiểm tra tính chính xác của mô hình dự báo. Các kết quả cho thấy rằng mô hình dự báo dựa trên so trùng mẫu sử dụng nhiều độ đo có độ chính xác cao hơn so với các phương pháp truyền thống. Việc áp dụng các độ đo khác nhau giúp cải thiện khả năng dự báo trong các tình huống khác nhau, từ đó khẳng định giá trị thực tiễn của nghiên cứu. Các số liệu thực nghiệm cho thấy rằng mô hình đề xuất có thể được áp dụng rộng rãi trong nhiều lĩnh vực khác nhau, từ kinh tế đến khoa học kỹ thuật.
V. Kết luận và hướng phát triển
Luận văn đã đề xuất một phương pháp mới cho dự báo chuỗi thời gian dựa trên so trùng mẫu sử dụng nhiều độ đo. Kết quả thực nghiệm cho thấy mô hình này có khả năng dự báo tốt hơn so với các phương pháp hiện có. Hướng phát triển trong tương lai có thể bao gồm việc mở rộng mô hình để áp dụng cho các loại dữ liệu phức tạp hơn và cải thiện độ chính xác của dự báo. Nghiên cứu này không chỉ có giá trị lý thuyết mà còn có ứng dụng thực tiễn cao trong việc hỗ trợ ra quyết định trong các lĩnh vực khác nhau.
