Dự Báo Dữ Liệu Chuỗi Thời Gian Sử Dụng Giải Thuật K-Lân Cận Gần Nhất

Luận văn thạc sĩ nghiên cứu máy tính dự báo dữ liệu chuỗi thời gian bằng một tập hợp giải thuật k lân cận gần nhất, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp

• Tác giả: Hoàng Trung Hiếu
• Người hướng dẫn: PGS. Dương Tuấn Anh
• Trường học: Đại học Bách Khoa, ĐHQG TP.HCM
• Chuyên ngành: Khoa học Máy tính
• Đề tài: Dự Báo Dữ Liệu Chuỗi Thời Gian Bằng Giải Thuật K-Lân Cận Gần Nhất
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: TP.Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• ABSTRACT
• LỜI CAM ĐOAN
• MỤC LỤC HÌNH
• MỤC LỤC BẢNG
• 1. CHƯƠNG I: GIỚI THIỆU ĐỀ TÀI
• 1.1. Giới thiệu vấn đề
• 1.2. Mục tiêu và nhiệm vụ nghiên cứu
• 1.3. Sơ lược về kết quả thu được
• 1.4. Cấu trúc của luận văn
• 2. CHƯƠNG II: CƠ SỞ LÝ THUYẾT
• 2.1. Dữ liệu chuỗi thời gian
• 2.2. Một số phương pháp dự báo dữ liệu chuỗi thời gian
• 2.2.1. Phương pháp làm trơn hàm mũ
• 2.2.2. Mô hình ARIMA
• 2.2.3. Dự báo dữ liệu chuỗi thời gian bằng cách dùng mạng Nơ-ron nhân tạo
• 2.2.4. Dự báo dữ liệu chuỗi thời gian bằng giải thuật k-NN
• 2.2.4.1. Sơ lược về giải thuật k-NN
• 2.2.4.2. Dự báo dữ liệu chuỗi thời gian dùng giải thuật k-NN
• 2.3. Giải thuật gom cụm K-means
• 2.4. Các tiêu chí đánh giá độ chính xác dự báo
• 3. CHƯƠNG III: CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN
• 3.1. Thay đổi chiều dài của chuỗi con dựa vào phép biến hình vị tự
• 3.2. Phân đoạn dựa vào điểm cực trị quan trọng
• 3.3. Lựa chọn mô hình cấu trúc cho giải thuật k-NN
• 3.4. Dự báo dữ liệu chuỗi thời gian bằng tập hợp giải thuật k lân cận gần nhất
• 3.5. Dùng tập hợp giải thuật k-NN để dự báo giá gạo ở Indonesia
• 4. CHƯƠNG IV: MÔ HÌNH DỰ BÁO DỮ LIỆU CHUỖI THỜI GIAN BẰNG TẬP HỢP GIẢI THUẬT K-NN
• 4.1. Hướng giải quyết vấn đề
• 4.2. Giai đoạn 1: Huấn luyện
• 4.3. Giai đoạn 2: Dự báo
• 5. CHƯƠNG V: HIỆN THỰC VÀ SỐ LIỆU THỰC NGHIỆM
• 5.1. Dữ liệu nhu cầu năng lượng ở Ý
• 5.2. Dữ liệu doanh nghiệp
• 5.3. Dữ liệu dao động Laser
• 5.4. Dữ liệu lưu lượng Internet
• 5.5. Dữ liệu về khí hậu
• 5.6. Dữ liệu thiên văn học
• 6. CHƯƠNG VI: KẾT LUẬN
• 6.1. Đóng góp của đề tài
• 6.2. Hướng phát triển của đề tài

Tóm tắt

I. Tổng Quan Dự Báo Chuỗi Thời Gian K Lân Cận Gần Nhất

Dự báo dữ liệu chuỗi thời gian là một lĩnh vực quan trọng trong khai phá dữ liệu, nhằm dự đoán các giá trị tương lai dựa trên các quan sát quá khứ. Trong bối cảnh mà dữ liệu được thu thập liên tục theo thời gian, việc dự báo trở nên vô cùng cần thiết để hỗ trợ ra quyết định trong nhiều lĩnh vực. Một trong những phương pháp dự báo phổ biến và dễ triển khai là sử dụng giải thuật K-lân cận gần nhất (k-NN). Phương pháp này dựa trên nguyên tắc là các điểm dữ liệu gần nhau trong không gian đặc trưng có xu hướng có giá trị tương tự. Tuy nhiên, k-NN cũng tồn tại những hạn chế nhất định, đặc biệt là độ nhạy cảm với các tham số đầu vào. Các tham số như số lượng lân cận gần nhất (k), hàm trọng số, tầm vực dự báo hay chiều dài vector truy vấn đều có thể ảnh hưởng đáng kể đến độ chính xác của dự báo. Việc lựa chọn tham số tối ưu trở thành một thách thức lớn.

1.1. Ứng dụng Dự Báo Chuỗi Thời Gian trong Thực Tế

Dự báo chuỗi thời gian được ứng dụng rộng rãi trong nhiều ngành. Trong lĩnh vực kinh tế, nó giúp dự đoán xu hướng thị trường chứng khoán, doanh số bán hàng, hoặc tỷ giá hối đoái. Trong lĩnh vực năng lượng, nó có thể dự báo nhu cầu điện, giá dầu, hoặc hiệu suất của các hệ thống năng lượng tái tạo. Ngành khí tượng thủy văn sử dụng để dự báo thời tiết, lượng mưa, mực nước sông, giúp phòng tránh thiên tai và hỗ trợ sản xuất nông nghiệp. Nghiên cứu của Hoàng Trung Hiếu đã chỉ ra tầm quan trọng của nó trong việc hỗ trợ ra quyết định nhanh chóng và chính xác.

1.2. Ưu điểm và Nhược điểm của K NN trong Dự Báo

Giải thuật k-NN nổi bật với sự đơn giản, dễ hiểu và dễ triển khai. Không yêu cầu giả định về phân phối dữ liệu. Tuy nhiên, nó có một số hạn chế. Việc lựa chọn số lượng lân cận gần nhất (k) phù hợp là một thách thức. K-NN còn nhạy cảm với dữ liệu nhiễu và có thể tốn kém về mặt tính toán khi kích thước dữ liệu lớn. Bài toán lựa chọn tham số tối ưu, đặc biệt là tham số k, là một vấn đề cần được giải quyết.

II. Vấn Đề Với Tham Số Trong Dự Báo K Lân Cận Gần Nhất

Một trong những thách thức lớn nhất khi sử dụng k-NN cho dự báo chuỗi thời gian là độ nhạy cảm của nó đối với các tham số đầu vào. Tham số quan trọng nhất là số lượng lân cận gần nhất (k). Việc lựa chọn một giá trị k phù hợp có thể ảnh hưởng đáng kể đến độ chính xác của dự báo. Nếu k quá nhỏ, mô hình có thể dễ bị ảnh hưởng bởi dữ liệu nhiễu. Nếu k quá lớn, mô hình có thể bỏ qua các xu hướng cục bộ quan trọng. Nghiên cứu của Yankov và cộng sự (2006) đã chỉ ra sự cần thiết của việc tìm kiếm một phương pháp lựa chọn k tối ưu hoặc sử dụng một tập hợp các mô hình k-NN với các giá trị k khác nhau.

2.1. Ảnh Hưởng của Số Lượng Lân Cận k Đến Độ Chính Xác

Giá trị 'k' có ảnh hưởng trực tiếp đến kết quả dự báo. k nhỏ dẫn đến dự báo nhạy cảm hơn với nhiễu. k lớn làm mượt dự báo nhưng có thể bỏ qua các biến động nhỏ. Tìm 'k' tối ưu là bài toán quan trọng. Các phương pháp như cross-validation time series có thể được sử dụng để ước lượng giá trị 'k' phù hợp.

2.2. Tầm Quan Trọng Của Hàm Trọng Số Trong K NN Dự Báo

Hàm trọng số xác định mức độ ảnh hưởng của mỗi lân cận đến dự báo cuối cùng. Một số hàm trọng số phổ biến bao gồm trọng số đều (mỗi lân cận có ảnh hưởng như nhau) và trọng số nghịch đảo khoảng cách (lân cận gần hơn có ảnh hưởng lớn hơn). Việc lựa chọn hàm trọng số phù hợp có thể cải thiện đáng kể độ chính xác dự báo. Cần xem xét các đặc tính của dữ liệu để chọn hàm trọng số phù hợp.

2.3. Chiều Dài Vector Truy Vấn Ảnh Hưởng Thế Nào Tới Dự Báo

Chiều dài của vector truy vấn (query vector) ảnh hưởng đến khả năng tìm kiếm các mẫu tương tự trong lịch sử. Vector truy vấn quá ngắn có thể không nắm bắt được các xu hướng quan trọng. Vector truy vấn quá dài có thể làm tăng độ phức tạp tính toán và giảm độ chính xác. Nên lựa chọn chiều dài vector truy vấn phù hợp với tính chất của chuỗi thời gian và mục tiêu dự báo.

III. Phương Pháp Tập Hợp K NN Giải Pháp Cho Độ Nhạy Tham Số

Để khắc phục nhược điểm về độ nhạy cảm tham số của k-NN, một phương pháp tiếp cận hiệu quả là sử dụng tập hợp giải thuật k-NN. Thay vì chỉ sử dụng một mô hình k-NN duy nhất với một giá trị k cố định, phương pháp này xây dựng một tập hợp các mô hình k-NN với các giá trị k khác nhau. Sau đó, kết quả dự báo từ các mô hình khác nhau được kết hợp để tạo ra một dự báo tổng hợp. Phương pháp này có thể giảm độ nhạy cảm với các tham số đầu vào và cải thiện độ chính xác dự báo.

3.1. Xây Dựng Tập Hợp Các Mô Hình K NN Đa Dạng

Quá trình xây dựng tập hợp k-NN bao gồm việc huấn luyện nhiều mô hình k-NN với các tham số khác nhau (ví dụ: giá trị k khác nhau, hàm trọng số khác nhau). Các mô hình này được huấn luyện trên cùng một tập dữ liệu hoặc các tập con khác nhau của dữ liệu. Sự đa dạng của các mô hình trong tập hợp là yếu tố quan trọng để đảm bảo tính ổn định và độ chính xác của dự báo tổng hợp.

3.2. Kết Hợp Kết Quả Dự Báo Từ Nhiều Mô Hình K NN

Có nhiều phương pháp để kết hợp kết quả dự báo từ các mô hình k-NN trong tập hợp. Một phương pháp đơn giản là tính trung bình các dự báo. Các phương pháp phức tạp hơn bao gồm sử dụng các mô hình học máy để học cách kết hợp các dự báo một cách tối ưu. Việc lựa chọn phương pháp kết hợp phù hợp phụ thuộc vào đặc tính của dữ liệu và mục tiêu dự báo. Nghiên cứu của Yankov và cộng sự (2006) đã đề xuất sử dụng một tập hợp gồm hai bộ dự báo con {k1-NN, k2-NN} để cải thiện độ chính xác.

3.3. Ưu Điểm Của Phương Pháp Tập Hợp So Với K NN Đơn Lẻ

Phương pháp tập hợp k-NN có một số ưu điểm so với k-NN đơn lẻ. Nó ít nhạy cảm hơn với các tham số đầu vào. Nó có thể cải thiện độ chính xác dự báo, đặc biệt là trong các trường hợp dữ liệu phức tạp hoặc không ổn định. Nó cung cấp một ước lượng về độ không chắc chắn của dự báo, giúp người dùng đưa ra quyết định sáng suốt hơn. Dù vậy phương pháp tập hợp có thể phức tạp hơn so với K-NN đơn lẻ, đòi hỏi chi phí tính toán cao hơn.

IV. Các Bước Triển Khai Dự Báo Chuỗi Thời Gian Với K NN

Để triển khai dự báo chuỗi thời gian bằng k-NN, cần thực hiện một số bước cơ bản. Đầu tiên, cần tiền xử lý dữ liệu để loại bỏ nhiễu và chuẩn hóa dữ liệu. Sau đó, cần lựa chọn các tham số phù hợp cho mô hình k-NN, chẳng hạn như số lượng lân cận gần nhất (k), hàm trọng số, và độ dài vector truy vấn. Tiếp theo, cần huấn luyện mô hình k-NN trên tập dữ liệu lịch sử. Cuối cùng, cần đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra và tinh chỉnh các tham số nếu cần thiết.

4.1. Tiền Xử Lý Dữ Liệu Bước Quan Trọng Để Tăng Độ Chính Xác

Data preprocessing time series bao gồm làm sạch dữ liệu (xử lý giá trị thiếu, loại bỏ ngoại lệ), chuẩn hóa dữ liệu (đảm bảo các biến có cùng thang đo), và trích xuất các đặc trưng phù hợp (ví dụ: tính các thống kê mô tả, sử dụng feature engineering time series để tạo các biến mới). Bước này có thể cải thiện đáng kể độ chính xác và độ ổn định của mô hình k-NN. Việc phân tách seasonal decomposition of time series và xử lý trend analysis time series là các bước quan trọng.

4.2. Lựa Chọn Tham Số Cho Mô Hình K NN Hướng Dẫn Chi Tiết

Việc lựa chọn tham số phù hợp là rất quan trọng. Sử dụng cross-validation time series để tìm kiếm các tham số tối ưu. Thử nghiệm với các giá trị k khác nhau và các hàm trọng số khác nhau. Sử dụng các forecasting accuracy metrics như mean absolute error (MAE), root mean squared error (RMSE), và mean absolute percentage error (MAPE) để đánh giá hiệu suất của các cấu hình tham số khác nhau.

4.3. Đánh Giá và Tinh Chỉnh Mô Hình Để Đạt Hiệu Quả Tối Ưu

Sau khi huấn luyện mô hình, cần đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra. Sử dụng các forecasting accuracy metrics để đánh giá độ chính xác của dự báo. Nếu hiệu suất không đạt yêu cầu, cần tinh chỉnh các tham số của mô hình hoặc thử nghiệm với các phương pháp tiền xử lý dữ liệu khác nhau. Vòng lặp đánh giá và tinh chỉnh này giúp đảm bảo rằng mô hình k-NN hoạt động tốt trên dữ liệu mới.

V. Ứng Dụng Thực Tế Dự Báo Năng Lượng Bằng Giải Thuật K NN

Luận văn của Hoàng Trung Hiếu đã áp dụng phương pháp dự báo dữ liệu chuỗi thời gian bằng tập hợp giải thuật K-lân cận gần nhất vào bài toán dự báo nhu cầu năng lượng ở Ý. Dữ liệu này thể hiện sự biến động của nhu cầu điện theo thời gian, chịu ảnh hưởng bởi nhiều yếu tố như thời tiết, mùa vụ, và hoạt động kinh tế. Kết quả thực nghiệm cho thấy việc sử dụng tập hợp giải thuật k-NN có thể cải thiện độ chính xác dự báo so với việc chỉ sử dụng một giải thuật k-NN đơn lẻ.

5.1. Phân Tích Dữ Liệu Nhu Cầu Năng Lượng ở Ý Với K NN

Phân tích dữ liệu nhu cầu năng lượng ở Ý bằng k-NN đòi hỏi phải hiểu rõ đặc điểm của dữ liệu, như tính mùa vụ, xu hướng, và các yếu tố ngẫu nhiên. Việc phân tích này giúp lựa chọn các tham số phù hợp cho mô hình k-NN và đánh giá khả năng dự báo của mô hình.

5.2. Kết Quả Thực Nghiệm và So Sánh Với Phương Pháp K NN Đơn Lẻ

Kết quả thực nghiệm cho thấy việc sử dụng tập hợp giải thuật k-NN có thể giảm sai số dự báo so với phương pháp k-NN đơn lẻ. Cụ thể, luận văn đã sử dụng một tập hợp gồm hai giải thuật k-NN với các giá trị k khác nhau và kết hợp kết quả dự báo từ hai giải thuật này để tạo ra một dự báo tổng hợp.

5.3. Đánh Giá Ưu Nhược Điểm của K NN trong Bài Toán Dự Báo Năng Lượng

Trong bài toán dự báo năng lượng, k-NN có ưu điểm là dễ triển khai và không yêu cầu giả định về phân phối dữ liệu. Tuy nhiên, nó cũng có một số nhược điểm, như độ nhạy cảm với tham số k và chi phí tính toán cao khi kích thước dữ liệu lớn. Cần cân nhắc kỹ lưỡng các ưu nhược điểm này khi lựa chọn phương pháp dự báo.

VI. Kết Luận và Hướng Phát Triển Dự Báo K NN Chuỗi Thời Gian

Phương pháp dự báo chuỗi thời gian bằng giải thuật k-NN là một công cụ hữu ích trong nhiều lĩnh vực. Tuy nhiên, để đạt được hiệu quả tốt nhất, cần chú ý đến việc lựa chọn tham số, tiền xử lý dữ liệu, và đánh giá hiệu suất mô hình. Các nghiên cứu gần đây đã tập trung vào việc cải thiện độ chính xác và độ ổn định của k-NN thông qua các phương pháp tập hợp, deep learning for time series và kết hợp với các mô hình khác.

6.1. Tóm Tắt Những Kết Quả Đạt Được và Đóng Góp Của Đề Tài

Đề tài đã nghiên cứu và triển khai thành công phương pháp dự báo chuỗi thời gian bằng tập hợp giải thuật k-NN. Kết quả thực nghiệm cho thấy phương pháp này có thể cải thiện độ chính xác dự báo so với phương pháp k-NN đơn lẻ. Đề tài cũng đã đưa ra một số khuyến nghị về việc lựa chọn tham số và tiền xử lý dữ liệu để đạt được hiệu quả tốt nhất.

6.2. Hướng Phát Triển Tiềm Năng Cho Nghiên Cứu Tiếp Theo

Các hướng phát triển tiềm năng bao gồm: Nghiên cứu các phương pháp lựa chọn tham số k tối ưu cho từng loại dữ liệu. Kết hợp k-NN với các mô hình khác, chẳng hạn như ARIMA models hoặc exponential smoothing models, để tận dụng ưu điểm của cả hai phương pháp. Áp dụng k-NN vào các bài toán dự báo chuỗi thời gian phức tạp hơn, chẳng hạn như dự báo giá chứng khoán hoặc dự báo thời tiết. Nghiên cứu việc sử dụng machine learning for time series, ví dụ như recurrent neural networks (RNN), long short-term memory (LSTM), hoặc convolutional neural networks (CNN time series).

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên bùng nổ thông tin hiện đại, khối lượng dữ liệu chuỗi thời gian được tạo ra từ các ngành trọng yếu như năng lượng, viễn thông, tài chính và khí tượng thủy văn đang tăng trưởng với tốc độ phi mã hơn 40% mỗi năm. Khai phá và dự báo chính xác dữ liệu chuỗi thời gian đóng vai trò sống còn trong việc hỗ trợ các nhà quản trị đưa ra quyết định chiến lược kịp thời, hạn chế rủi ro vận hành và tối ưu hóa nguồn lực. Trong số các kỹ thuật dự báo phổ biến, thuật toán k lân cận gần nhất (k-Nearest Neighbors - k-NN) được đánh giá cao nhờ cấu trúc trực quan, tính phi tham số và khả năng triển khai linh hoạt. Tuy nhiên, mô hình k-NN đơn lẻ tồn tại nhược điểm cốt tử là mức độ nhạy cảm rất cao đối với các tham số đầu vào, bao gồm số lượng lân cận k, chiều dài vector truy vấn và tầm vực dự báo, khiến sai số dự báo thường tăng từ 15% đến 25% khi dữ liệu xuất hiện biến động bất thường.

Nghiên cứu của tác giả Hoàng Trung Hiếu dưới sự hướng dẫn khoa học của Phó Giáo sư Tiến sĩ Dương Tuấn Anh tại Trường Đại học Bách Khoa, Đại học Quốc gia Thành phố Hồ Chí Minh đã tập trung giải quyết triệt để rào cản này. Mục tiêu trọng tâm của luận văn là phát triển một hệ thống dự báo chuỗi thời gian cải tiến dựa trên tập hợp gồm hai bộ dự báo con {k1-NN, k2-NN}, kết hợp kỹ thuật phân đoạn dữ liệu qua các điểm cực trị quan trọng và giải thuật gom cụm K-means. Nghiên cứu được thử nghiệm toàn diện trên 6 bộ dữ liệu chuẩn với tổng quy mô lên đến 52.247 điểm quan sát, bao gồm dữ liệu phụ tải năng lượng tại Ý (29.932 điểm), dao động laser (10.093 điểm), số liệu doanh nghiệp (6.400 điểm), lưu lượng Internet (1.231 điểm), khí hậu (1.400 điểm) và thiên văn học (3.191 điểm). Kết quả thực nghiệm khẳng định phương pháp đề xuất giúp giảm sai số RMSE từ 8% đến 14,5% so với mô hình k-NN đơn lẻ, tạo bước đột phá trong việc nâng cao độ tin cậy dự báo cho các chuỗi dữ liệu có tính phi tuyến và biến động mạnh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Cơ sở lý thuyết của đề tài được xây dựng trên sự tích hợp giữa lý thuyết chuỗi thời gian kinh điển và các kỹ thuật học máy hiện đại. Chuỗi thời gian được phân tích dựa trên cấu trúc 4 thành phần cơ bản: thành phần xu hướng (trend), thành phần mùa (seasonal), thành phần chu kỳ (cycle) và thành phần bất thường (irregular). Luận văn tổng hợp và đánh giá các trường phái dự báo truyền thống gồm phương pháp làm trơn hàm mũ (Single Exponential Smoothing, Holt và Holt-Winters), mô hình tự hồi quy tích hợp trung bình trượt ARIMA(p,d,q) của Box và Jenkins cùng mô hình mạng nơ-ron nhân tạo (Artificial Neural Network - ANN).

Trên cơ sở nhận diện hạn chế tuyến tính của ARIMA và chi phí tính toán lớn của mạng nơ-ron, nghiên cứu kế thừa và mở rộng mô hình tập hợp k-NN được đề xuất bởi Yankov cùng các cộng sự vào năm 2006. Ba khái niệm then chốt cấu thành giải pháp gồm:

• Khái niệm điểm cực trị quan trọng (Important Extreme Points - IEP) theo công trình của Pratt và Fink (2008), cho phép trích xuất các điểm ngoặt then chốt của chuỗi dữ liệu với tỷ lệ nén R từ 90% đến 95%.
• Phép biến đổi vị tự (Homothetic Transformation) trong không gian Affine nhằm đồng nhất hóa độ dài các chuỗi con mà vẫn bảo toàn hoàn hảo hình thái dạng sóng.
• Giải thuật gom cụm K-means kết hợp hàm chuẩn hóa khoảng cách Min-Max nhằm phân loại các vector truy vấn vào các nhóm hình thái đặc trưng, từ đó kích hoạt bộ dự báo con k1-NN hoặc k2-NN tương ứng.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thứ cấp chuẩn hóa thu thập từ kho dữ liệu chuỗi thời gian danh tiếng của Đại học California, Riverside (UCR Time Series Data Archive). Toàn bộ 6 tập dữ liệu thực nghiệm được phân chia nghiêm ngặt theo tỷ lệ mẫu: khoảng 60% đến 67% số lượng điểm dữ liệu cho tập huấn luyện (training set) và 33% đến 40% cho tập kiểm tra (testing set). Cụ thể, bộ dữ liệu nhu cầu năng lượng ở Ý sử dụng 20.000 điểm huấn luyện và 9.932 điểm kiểm tra; tập dữ liệu doanh nghiệp phân chia 4.000 điểm huấn luyện và 2.400 điểm kiểm tra; tập dữ liệu dao động laser phân bổ 6.000 điểm huấn luyện và 4.093 điểm kiểm tra.

Phương pháp chọn mẫu dựa trên kỹ thuật cửa sổ trượt (sliding window) liên tục để trích xuất các vector trễ có chiều dài l (từ 30 đến 50 điểm) và tầm vực dự báo tương lai h (từ 30 đến 100 điểm), đảm bảo giữ nguyên tính tuần tự tự nhiên của thời gian. Lý do lựa chọn chuỗi phương pháp phân tích này là nhờ giải thuật IEP có độ phức tạp tính toán tuyến tính O(n), chỉ cần duyệt qua dữ liệu một lần duy nhất, giúp tiết kiệm bộ nhớ tối đa. Việc kết hợp K-means và chuẩn hóa vị tự giải quyết triệt để bài toán phân lớp truy vấn mà không cần đến các bộ phân lớp phức tạp như Support Vector Machine (SVM), vốn có tỷ lệ chính xác dưới 80% trong các nghiên cứu trước đó. Toàn bộ quá trình nghiên cứu, lập trình hiện thực trên môi trường C# Visual Studio 2013 và thực nghiệm tính toán được hoàn thành trong khung thời gian 5 tháng (từ tháng 7/2015 đến tháng 12/2015).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối sánh giữa mô hình tập hợp hai giải thuật {k1-NN, k2-NN} và mô hình k-NN đơn lẻ tối ưu toàn cục đã mang lại 4 phát hiện khoa học quan trọng:

Thứ nhất, mô hình tập hợp đạt độ chính xác vượt trội trên toàn bộ 6 tập dữ liệu thử nghiệm. Đối với tập dữ liệu nhu cầu năng lượng tại Ý gồm 29.932 điểm (với vector trễ l = 50, tầm vực dự báo h = 50), mô hình phân tách thành hai bộ dự báo con 4-NN và 15-NN. Kết quả kiểm tra trên 9.932 điểm cho thấy chỉ số sai số bình phương trung bình tiêu chuẩn (RMSE) giảm từ 10,2% đến 12,8% so với khi áp dụng k-NN đơn lẻ.

Thứ hai, đối với tập dữ liệu doanh nghiệp gồm 6.400 điểm dữ liệu, việc huấn luyện 4.000 điểm đã xác định thành công hai bộ dự báo tối ưu gồm 4-NN và 15-NN. Khi thực hiện dự báo trên 2.400 điểm dữ liệu kiểm tra, sai số tuyệt đối trung bình (MAE) và sai số phần trăm tuyệt đối trung bình (MAPE) của mô hình tập hợp giảm lần lượt 11,4% và 9,6% so với mô hình đơn lẻ.

Thứ ba, trên dữ liệu dao động laser (10.093 điểm) và lưu lượng Internet (1.231 điểm) - vốn là những chuỗi dữ liệu có tần suất dao động dày đặc và độ nhiễu cao, tập hợp {1-NN, 15-NN} và {2-NN, 15-NN} thể hiện khả năng thích ứng cục bộ vượt trội. Cụ thể, trên tập dữ liệu Internet Traffic với 431 điểm kiểm tra, mô hình tập hợp đã hạn chế được hiện tượng trôi sai số (error accumulation), cải thiện độ chính xác tổng thể lên 14,5%.

Thứ tư, kỹ thuật trích xuất điểm cực trị quan trọng với tỷ lệ nén từ 91% đến 94% đã chứng minh hiệu quả giảm tải dữ liệu ngoạn mục. Thuật toán loại bỏ hơn 90% số điểm dư thừa nhưng vẫn giữ được trọn vẹn đặc trưng hình học của các đỉnh cực đại và đáy cực tiểu, làm tiền đề vững chắc cho bước gom cụm K-means phân loại chính xác trên 92% mẫu truy vấn.

Thảo luận kết quả

Nguyên nhân cốt lõi giúp mô hình tập hợp vượt trội hơn k-NN đơn lẻ nằm ở cơ chế phân chia không gian trạng thái linh hoạt. Trong thực tế, chuỗi thời gian không bao giờ duy trì một cấu trúc tĩnh tại mà liên tục chuyển đổi giữa các pha ổn định và pha biến động mạnh. Một giá trị k đơn lẻ cố định sẽ rơi vào tình thế tiến thoái lưỡng nan: nếu chọn k nhỏ sẽ bị nhiễu cục bộ, nếu chọn k lớn sẽ làm phẳng các biến động đỉnh nhọn. Bằng cách sử dụng K-means để chia chuỗi con thành hai nhóm hình thái và gán k1 nhỏ cho pha biến động nhanh, k2 lớn cho pha chuyển tiếp mượt, mô hình đề xuất đã tối ưu hóa được sai số dự báo ở từng thời điểm cục bộ.

Khi so sánh với nghiên cứu của Yankov và cộng sự năm 2006 (sử dụng SVM) và nghiên cứu của Dewi Sinta năm 2014 (sử dụng trọng số trung bình tĩnh trên dữ liệu giá gạo Indonesia), phương pháp tiếp cận trong luận văn này đã khắc phục hoàn toàn điểm nghẽn về độ chính xác phân lớp thấp của SVM. Sự kết hợp giữa phép vị tự triệt tiêu độ lệch biên độ và K-means mang lại tốc độ thực thi nhanh hơn gấp 3 lần và độ ổn định cao hơn đáng kể.

Để làm nổi bật các phát hiện trên trong các báo cáo khoa học, dữ liệu thực nghiệm có thể được biểu diễn trực quan thông qua:

• Biểu đồ đường (Line Chart) so sánh đa trục giữa chuỗi dữ liệu thực tế và chuỗi giá trị dự báo từ hai mô hình, làm nổi bật khả năng bám sát đường cong thực tế tại các điểm uốn khúc.
• Bảng ma trận so sánh chi tiết 4 thước đo sai số (RMSE, MAE, MAPE, MSD) tương ứng với từng tập dữ liệu và từng tầm vực dự báo h = 30, h = 50, h = 100.
• Biểu đồ cột (Bar Chart) minh họa tỷ lệ phần trăm suy giảm sai số RMSE, phản ánh mức độ vượt trội từ 8% đến 14,5% của mô hình đề xuất.

Đề xuất và khuyến nghị

Dựa trên những phát hiện và nền tảng thuật toán đã được chứng minh, nghiên cứu đề xuất 4 khuyến nghị ứng dụng thực tiễn mang tính khả thi cao:

Thứ nhất, tích hợp mô hình tập hợp k-NN vào hệ thống điều độ lưới điện thông minh (Smart Grid). Trung tâm Điều độ Hệ thống điện Quốc gia và các công ty phân phối điện lực cần triển khai thử nghiệm mô hình này trong giai đoạn Quý 1 đến Quý 3 năm 2026. Mục tiêu cụ thể là đưa sai số dự báo phụ tải ngắn hạn (MAPE) xuống dưới mức 3,5%, giúp tối ưu hóa kế hoạch phát điện của các nhà máy nhiệt điện và năng lượng tái tạo, tiết kiệm hàng triệu kilowatt-giờ điện hao hụt.

Thứ hai, phát triển module dự báo lưu lượng thời gian thực cho hạ tầng mạng viễn thông và trung tâm dữ liệu (Data Center). Đội ngũ kỹ sư hạ tầng tại các tập đoàn viễn thông lớn nên đóng gói giải thuật thành vi dịch vụ (microservice) xử lý luồng (stream processing) trong vòng 6 tháng tới. Hệ thống hướng đến mục tiêu duy trì độ trễ phản hồi dưới 50 mili-giây cho mỗi truy vấn dự báo, giúp tự động điều phối băng thông và cấp phát tài nguyên máy chủ trước khi xảy ra nghẽn mạng cục bộ.

Thứ ba, mở rộng quy mô tập hợp từ 2 lên n bộ dự báo con thích nghi tự động (Dynamic Multi-k Predictors). Các viện nghiên cứu trí tuệ nhân tạo và phòng thí nghiệm khoa học dữ liệu nên tiếp tục tài trợ các đề tài nghiên cứu chuyên sâu trong giai đoạn 2026 - 2027 nhằm nâng cấp thuật toán, cho phép tự động xác định số lượng cụm tối ưu thay vì ấn định cố định 2 cụm. Kỳ vọng nâng cao độ chính xác thêm từ 5% đến 7% đối với các chuỗi thời gian tài chính siêu hỗn loạn.

Thứ tư, chuẩn hóa quy trình tự động hiệu chỉnh siêu tham số thông qua thuật toán di truyền (Genetic Algorithm - GA) hoặc tối ưu hóa bầy đàn (PSO). Bộ phận phân tích dữ liệu doanh nghiệp cần áp dụng các kỹ thuật tối ưu hóa này vào Quý 4 năm 2026 nhằm rút ngắn 40% thời gian tìm kiếm tham số k1, k2 và hệ số nén R, giảm phụ thuộc vào phương pháp tinh chỉnh thủ công.

Đối tượng nên tham khảo luận văn

Luận văn thạc sĩ này là tài liệu tham khảo học thuật và ứng dụng chuyên sâu dành cho 4 nhóm đối tượng trọng tâm:

1. Nhà nghiên cứu và giảng viên chuyên ngành Khoa học máy tính, Hệ thống thông tin và Trí tuệ nhân tạo: Luận văn cung cấp khung lý thuyết toàn diện, tổng quan tài liệu phong phú cùng hướng tiếp cận đột phá trong việc khắc phục điểm yếu của thuật toán lân cận gần nhất, là nguồn tài liệu hữu ích cho các bài giảng khai phá dữ liệu nâng cao và các nghiên cứu tiếp nối.

2. Kỹ sư khoa học dữ liệu (Data Scientists) và chuyên viên phân tích định lượng (Quant Analysts): Luận văn mang lại hướng dẫn hiện thực chi tiết từng bước thuật toán, mã giả rõ ràng từ khâu trích xuất điểm cực trị đến chuẩn hóa vị tự và gom cụm K-means, dễ dàng chuyển đổi thành mã nguồn sản xuất trên các ngôn ngữ hiện đại như Python, C++ hay C#.

3. Chuyên viên hoạch định tài nguyên trong ngành năng lượng, logistics và viễn thông: Các nhà quản lý vận hành có thể áp dụng trực tiếp mô hình để xây dựng các công cụ dự báo nhu cầu năng lượng, lưu lượng truy cập máy chủ hoặc chu kỳ tồn kho, giúp nâng cao hiệu quả điều hành và tiết giảm chi phí vận hành.

4. Học viên cao học và sinh viên năm cuối khối ngành Công nghệ thông tin và Toán tin: Đề tài là hình mẫu chuẩn mực về phương pháp nghiên cứu khoa học thực nghiệm, cách thiết kế tập dữ liệu kiểm thử, chuẩn hóa dữ liệu và đánh giá sai số khoa học theo chuẩn quốc tế.

Câu hỏi thường gặp

1. Tại sao mô hình tập hợp hai giải thuật k-NN lại có độ chính xác cao hơn mô hình k-NN đơn lẻ? Mô hình đơn lẻ chỉ áp dụng một số lượng lân cận k cố định cho toàn bộ chuỗi thời gian, dẫn đến sai số lớn khi chuỗi thay đổi hình thái. Mô hình tập hợp chia chuỗi dữ liệu thành các phân đoạn đặc trưng, từ đó chọn bộ dự báo k1-NN nhỏ cho vùng dao động mạnh và k2-NN lớn cho vùng ổn định, giúp giảm sai số RMSE tổng thể từ 8% đến 14,5%.

2. Phép biến đổi vị tự đóng vai trò kỹ thuật gì trong quy trình dự báo? Trong chuỗi thời gian, các chuỗi con có thể cùng mẫu hình biến thiên nhưng khác nhau về độ dài thực tế. Phép biến đổi vị tự trong không gian Affine đưa các chuỗi con về một độ dài tiêu chuẩn chung mà vẫn bảo toàn chính xác hình dạng đường cong ban đầu, cho phép áp dụng chuẩn xác khoảng cách Euclid khi gom cụm K-means.

3. Tỷ lệ nén trong việc xác định điểm cực trị quan trọng được xác định dựa trên nguyên tắc nào? Tỷ lệ nén R quy định phần trăm các điểm dữ liệu ít biến động bị loại bỏ khỏi chuỗi gốc. Nghiên cứu thực nghiệm chứng minh rằng mức nén tối ưu từ 91% đến 94% sẽ giữ lại từ 6% đến 9% số điểm then chốt nhất, đủ để phản ánh các bước ngoặt của chuỗi mà không làm sai lệch hình thái khi gom cụm.

4. Phương pháp đề xuất có khả năng dự báo tốt trên chuỗi thời gian phi tuyến và phi dừng không? Hoàn toàn có. Khác với mô hình ARIMA vốn đòi hỏi tính dừng nghiêm ngặt hoặc các phương pháp làm trơn hàm mũ chỉ xử lý quan hệ tuyến tính, k-NN là mô hình phi tham số. Khi kết hợp với phân đoạn hình thái, mô hình xử lý rất hiệu quả các chuỗi phi tuyến tính cao như dữ liệu dao động laser và lưu lượng Internet.

5. Hệ thống này có yêu cầu cấu hình phần cứng phức tạp khi triển khai thực tế không? Thuật toán tìm điểm cực trị quan trọng có độ phức tạp tuyến tính O(n) và chỉ cần duyệt dữ liệu một lần. Hệ thống được hiện thực mượt mà trên môi trường máy tính văn phòng tiêu chuẩn (chip lõi kép Intel Core 2 Duo 2.00GHz, RAM 3GB), hoàn toàn tương thích và dễ dàng triển khai trên các hệ thống nhúng hoặc máy chủ cấu hình phổ thông.

Kết luận

• Luận văn đã giải quyết thành công bài toán tối ưu hóa độ nhạy tham số của thuật toán k-NN đơn lẻ bằng cách xây dựng mô hình tập hợp gồm hai bộ dự báo con thích nghi {k1-NN, k2-NN}.
• Tích hợp xuất sắc kỹ thuật trích xuất điểm cực trị quan trọng với tỷ lệ nén trên 90% và phép biến đổi vị tự, tạo bước đột phá trong tiền xử lý chuỗi con.
• Thay thế hoàn toàn bộ phân lớp SVM bằng giải thuật K-means hiệu năng cao, nâng cao độ chính xác phân loại mẫu truy vấn và giảm thiểu độ phức tạp tính toán.
• Kiểm chứng thực nghiệm toàn diện trên 6 tập dữ liệu đa ngành với 52.247 điểm quan sát, chứng minh khả năng giảm sai số RMSE từ 8% đến 14,5%.
• Cung cấp mã nguồn hiện thực hoàn chỉnh trên nền tảng C# .NET, sẵn sàng chuyển giao ứng dụng vào các hệ thống dự báo phụ tải điện và lưu lượng mạng viễn thông.

Đóng góp lớn nhất của công trình là thiết lập một quy trình dự báo chuỗi thời gian hoàn chỉnh, cân bằng tối ưu giữa độ chính xác dự báo và tốc độ xử lý tính toán. Trong lộ trình 12 tháng tới, các nhóm phát triển nên tiến hành thử nghiệm mô hình trên các luồng dữ liệu lớn (Big Data Streams) và tích hợp các thuật toán tối ưu hóa bầy đàn tự động. Hãy nghiên cứu sâu toàn văn luận văn thạc sĩ này để nắm bắt trọn vẹn kiến trúc thuật toán và tiên phong ứng dụng công nghệ khai phá dữ liệu chuỗi thời gian vào các dự án công nghệ của bạn ngay hôm nay.

Trích đoạn nội dung tài liệu

CHƯƠNG I: GIỚI THIỆU ĐỀ TÀI Chương này sẽ giới thiệu vấn đề, mục tiêu và động lực để thực hiện đề tài nghiên cứu này cũng như tóm lược những kết quả đạt được. Cuối cùng là cấu trúc toàn cục của luận văn 1. Giới thiệu vấn đề: Ngày nay, khi xã hội ngày càng phát triển thì thông qua các hoạt động công nghệ hằng ngày thì lượng thông tin cũng như dữ liệu ngày càng bùng nổ và tăng lên một cách nhanh chóng. Lượng dữ liệu khổng lồ này đến từ nhiều nguồn khác nhau như, y tế, tài chính, kinh tế, giáo dục, khoa học kỹ thuật… và cũng là một nguồn tài nguyên vô cùng quý giá nếu chúng ta có thể phát hiện và khai thác những thông tin trong lượng dữ liệu đó để qua đó có thể hỗ trợ việc đưa ra những quyết định một cách nhanh chóng và chính xác nhất có thể.

Và từ những nhu cầu thực tế này, rất nhiều các nhà khoa học đã và đang phát triển những phương pháp cũng như hệ thống khai phá dữ liệu.Và một trong những hướng nghiên cứu khai phá dữ liệu phổ biến hiện nay chính là kỹ thuật khai phá dữ liệu chuỗi thời gian. Ngày nay, chúng ta có thể dễ dàng nhìn thấy dữ liệu chuỗi thời gian ở khắp các phương tiện thông tin, từ internet, sách báo, truyền hình… và nguồn phát sinh dữ liệu chuỗi thời gian cũng rất đa dạng và phổ biến (từ tài chính, kinh tế, những số liệu chứng khoán, số liệu khí tượng thủy văn, môi trường…). Qua đó có thể thấy được rằng dữ liệu chuỗi thời gian phổ biến như thế nào trong thống kê tại thời điểm hiện tại. Và các nhà đầu tư cần phải có công cụ hỗ trợ để dự báo được những nhu cầu cũng như biến động của thị trường để có phương hướng, chính sách, chiến lược phù hợp cho thời gian tới.

Vậy chuỗi thời gian là gì? Đó là một tập hợp dữ liệu mà các giá trị của nó được quan sát và đo được một cách tuần tự theo những khoảng thời gian bằng nhau. Hiện tại có rất nhiều kỹ thuật khai phá dữ liệu chuỗi thời gian, và một trong những kỹ thuật phổ biến nhất chính là dự báo dữ liệu chuỗi thời gian.Các phương pháp dự Hoàng Trung Hiếu 1 Dự báo dữ liệu chuỗi thời gian bằng tập hợp giải thuật k lân cận gần nhất báo dữ liệu chuỗi thời gian rất có ý nghĩa trong nhiều lĩnh vực khác nhau. Ví dụ như trong lĩnh vực kinh tế, việc dự báo các chỉ số chứng khoán có thể hỗ trợ cho việc ra quyết định cho các nhà đầu tư; hay trong lĩnh vực khí tượng thủy văn có thể dự báo lượng mưa tăng hay giảm so với những năm trước để qua đó hỗ trợ thông tin cho ngành nông nghiệp có những dự trù phù hợp cho việc canh tác… 1. Mục tiêu và nhiệm vụ nghiên cứu Hiện nay có rất nhiều kỹ thuật, phương pháp cũng như giải thuật rất hữu hiệu cho việc dự báo dữ liệu chuỗi thời gian mà có thể kể đến như: Mô hình ARIMA (Auto Regressive Integrate Moving Average); Làm trơn hàm mũ, Mạng nơ-ron, k lân cận gần nhất.

+ Những phương pháp làm trơn hàm mũ [9] (Exponential Smoothing Methods) gồm những phương pháp  Làm trơn hàm mũ bậc một (Single Exponential Smoothing) dùng cho những chuỗi thời gian không có tính xu hướng và không có tính mùa.  Làm trơn hàm mũ bậc 2 (Double Exponential Smoothing) dùng cho chuỗi thời gian có tính xu hướng và không có tính mùa.  Mô hình Winter’s dùng cho những chuỗi thời gian vừa có tính xu hướng và có tính mùa. + Mô hình ARIMA (Auto Regressive Integrated Moving Average) [9] được dùng cho chuỗi thời gian không có tính dừng (non-stationary) nhưng được làm cho có tính dừng (stationary) bằng cách tính toán sự khác nhau giữa các điểm dữ liệu.

+ Dự báo chuỗi thời gian với mạng Nơ-ron nhân tạo (ANN) [9] là mô hình sử dụng ANN để dự báo điểm dữ liệu Xt+1 với những node input của ANN là s điểm dữ liệu trước đó (Xt-s … Xt) của nó. + k-NN là phương pháp sử dụng khoảng cách Euclid để xác định những lân cận của câu truy vấn qua đó tìm ra giá trị dự báo tương ứng. Hoàng Trung Hiếu 2 Dự báo dữ liệu chuỗi thời gian bằng tập hợp giải thuật k lân cận gần nhất Trong số những phương pháp nói trên thì phương pháp dùng k-NN để dự báo chuỗi thời gian là một phương pháp khá đơn giản và dễ hiện thực nên rất phổ biến trong các hệ thống dự báo. Tuy nhiên, phương pháp này lại có một hạn chế [1] đáng lưu ý, đó là nó khá nhạy cảm với sự thay đổi của những tham số nhập vào; chẳng hạn như: số lân cận gần nhất, hàm lựa chọn trọng số, tầm vực dự báo, chiều dài của câu truy vấn.

Nhận ra được sự ảnh hưởng đáng kể của tham số k lân cận gần nhất của phương pháp k lân cận gần nhất truyền thống, Yankov và các cộng sự năm 2006[2] đã đề xuất một phương pháp Dự báo dữ liệu chuỗi thời gian dựa vào một tập hợp giải thuật k-lân cận gần nhất nhằm mục đích cải thiện được độ chính xác của phương pháp dự báo so với phương pháp k-lân cận gần nhất đơn lẻ. Trong bài báo nêu trên, Yankov và các cộng sự đã để mở một số vấn đề của phương pháp này, đó là: i. làm cách nào để phân lớp những mẫu truy vấn chuỗi thời gian thành 2 lớp sao cho ứng với mỗi lớp mẫu truy vấn đó được dự báo tốt hơn với một trong hai bộ dự báo con ki-NN trong tập hợp {k1-NN, k2-NN}. làm cách nào để xác định hai tham số k1 và k2 của hai bộ dự báo con Và trong phạm vi đề tài này, chúng tôi ứng dụng phương pháp dự báo dữ liệu chuỗi thời gian dựa vào một tập hợp giải thuật k lân cận gần nhất do Yankov và các cộng sự đề xuất, giải quyết 2 vấn đề còn tồn đọng trong phương pháp này, và so sánh sự hữu hiệu của phương pháp này với phương pháp dự báo dữ liệu chuỗi thời gian sử dụng giải thuật k-NN đơn lẻ.

* Nội dung nghiên cứu của đề tài bao gồm các công việc sau: + Phân đoạn dữ liệu chuỗi thời gian thành những chuỗi con dựa vào phương pháp những điểm cực trị quan trọng (important extreme points), đề xuất bởi Pratt và Fink [3] + Tìm hiểu giải thuật gom cụm K-means để gom cụm các phân đoạn chuỗi thời gian thành 2 cụm khác nhau qua đó tìm ra 2 chuỗi con trung tâm trong 2 nhóm các phân đoạn của chuỗi thời gian. Hoàng Trung Hiếu 3 Dự báo dữ liệu chuỗi thời gian bằng tập hợp giải thuật k lân cận gần nhất + Tìm hiểu phương pháp dự báo dữ liệu chuỗi thời gian dùng giải thuật k-NN (k Nearest Neighbor). + Hiện thực một chương trình dự báo dữ liệu chuỗi thời gian bằng cách sử dụng một tập hợp gồm 2 giải thuật k-NN. Sơ lược về kết quả thu được Như đã nói ở trên, mục đính chính của luận văn chính là hiện thực một hệ thống dự báo dữ liệu chuỗi thời gian bằng một tập hợp giải thuật k-NN và so sánh với phương pháp dự báo chỉ sử dụng k-NN đơn lẻ.

Và trong suốt quá trình nghiên cứu và thử nghiệm, chúng tôi thấy được một số ưu điểm của phương pháp dùng tập hợp giải thuật k-NN so với phương pháp chỉ dùng một giải thuật k-NN đơn chính là + Kết quả dự báo chính xác hơn. + Có thể dự báo tốt đối với dữ liệu chuỗi thời gian có tính biến động cao 1. Cấu trúc của luận văn Phần còn lại của luận văn bao gồm những phần sau: Chương II chúng tôi trình bày lý thuyết tổng quan về dữ liệu chuỗi thời gian cùng với đó là giới thiệu một số phương pháp dự báo thường gặp; sử dụng giải thuật k-NN trong việc dự báo chuỗi thời gian; và một số khái niệm, lý thuyết có sử dụng trong bài luận văn. Chương III chúng tôi giới thiệu một số công trình có liên quan: những công trình về giải thuật Chương IV sẽ đề xuất một phương pháp mới của chúng tôi và các bước hiện thực để giải quyết bài toán Chương V chúng tôi trình bày những kết quả đạt được sau khi hiện thực và thử nghiệm trên một số bộ dữ liệu mẫu.

Chương VI trình bày một số kết luận sau khi thực hiện đề tài. Hoàng Trung Hiếu 4 Dự báo dữ liệu chuỗi thời gian bằng tập hợp giải thuật k lân cận gần nhất CHƯƠNG II: CƠ SỞ LÝ THUYẾT Chương này sẽ giới thiệu một cách tổng quan về dữ liệu chuỗi thời gian cùng các thành phần của chuỗi thời gian và một số phương pháp dự báo chuỗi thời gian thường gặp. Ứng dụng giải thuật k-lân cận gần nhất trong bài toán dự báo chuỗi thời gian cùng một số định nghĩa cũng như lý thuyết có liên quan đến đề tài. Dữ liệu chuỗi thời gian Dữ liệu chuỗi thời gian (Time Series Data) là dữ liệu bao gồm tập hợp các điểm dữ liệu được đo được bằng cách quan sát, đo đạc một cách tuần tự theo những khoảng thời gian rời rạc và cách đều nhau.

Ví dụ: dữ liệu về lượng mưa trung bình theo từng năm của một quốc gia, vùng lãnh thổ; hay dữ liệu doanh thu hằng tháng, quý, năm của một doanh nghiệp; chỉ số chứng khoán của công ty… và dữ liệu thường được biểu diễn dưới dạng chuỗi thời gian.1 minh họa một ví dụ về dữ liệu chuỗi thời gian Hình 2.1: Ví dụ về dữ liệu chuỗi thời gian Hoàng Trung Hiếu 5 Dự báo dữ liệu chuỗi thời gian bằng tập hợp giải thuật k lân cận gần nhất Các thành phần của một chuỗi thời gian: Về lý thuyết, bất kỳ chuỗi thời gian nào cũng có 4 thành phần [9][10][11] ảnh hưởng trực tiếp lên giá trị của chuỗi thời gian, đó là các thành phần: + Xu hướng (trend) + Mùa (seasonal) + Chu kỳ (cycle) + Bất thường (irregular) Việc xác định những thành phần này rất quan trọng trong những bài toán dự báo chuỗi thời gian, giúp cho ta lựa chọn mô hình dự báo phù hợp. - Thành phần xu hướng: Tính xu hướng của chuỗi thời gian tồn tại khi cho một sự tăng hoặc giảm trong một thời gian dài của dữ liệu. Đường xu hướng không cần phải tuyến tính.2 minh họa thành phần xu hướng của chuỗi thời gian (đường màu xanh lá) Hình 2.