Luận Văn Thạc Sĩ: Tự Động Hóa Xây Dựng Mô Hình ARIMA Dự Báo Chuỗi Thời Gian

Luận văn thạc sĩ khoa học máy tính tập trung vào tự động hóa xây dựng mô hình ARIMA để dự báo chuỗi thời gian hiệu quả và chính xác.

• Tác giả: Dương Hớn Minh
• Người hướng dẫn: PGS. Dương Tuấn Anh
• Trường học: Đại học Bách Khoa - Đại học Quốc gia TP.HCM
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Tự Động Hóa Xây Dựng Mô Hình ARIMA Để Dự Báo Chuỗi Thời Gian
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Phát Biểu Vấn Đề

Dự báo dữ liệu chuỗi thời gian là một lĩnh vực quan trọng trong nhiều ngành, từ kinh tế đến y tế. Mô hình ARIMA (Autoregressive Integrated Moving Average) là một trong những phương pháp phổ biến nhất để thực hiện dự báo này. Tuy nhiên, việc xây dựng mô hình ARIMA thường yêu cầu nhiều bước thủ công, điều này có thể gây khó khăn và tốn thời gian. Do đó, việc tự động hóa quá trình này là cần thiết để nâng cao hiệu quả và độ chính xác của dự báo. Luận văn này nhằm mục tiêu tự động hóa việc xây dựng mô hình ARIMA để dự báo dữ liệu chuỗi thời gian trong môi trường trực tuyến. Việc này không chỉ giúp tiết kiệm thời gian mà còn giảm thiểu sai sót do yếu tố con người gây ra.

1.1 Dự Báo Dữ Liệu Chuỗi Thời Gian

Dữ liệu chuỗi thời gian được thu thập và lưu trữ theo thời gian, cho phép phân tích xu hướng và dự đoán tương lai. Các phương pháp dự báo có thể chia thành hai loại chính: định tính và định lượng. Phương pháp định lượng, như ARIMA, sử dụng dữ liệu lịch sử để phát hiện xu hướng và đưa ra dự đoán. Mô hình ARIMA có khả năng xử lý dữ liệu không có tính dừng, giúp cải thiện độ chính xác trong dự báo.

1.2 Mục Tiêu Nghiên Cứu

Mục tiêu chính của nghiên cứu là tự động hóa quá trình xây dựng mô hình ARIMA. Điều này sẽ giúp giảm thiểu sự can thiệp của con người trong các bước xây dựng mô hình, từ đó nâng cao tính chính xác và hiệu quả của dự báo. Việc tự động hóa này cũng sẽ tạo điều kiện thuận lợi cho việc áp dụng mô hình ARIMA trong các lĩnh vực khác nhau.

II. Cơ Sở Lý Thuyết

Chương này trình bày các khái niệm cơ bản về dữ liệu chuỗi thời gian và mô hình ARIMA. Dữ liệu chuỗi thời gian có thể phân tích thành nhiều thành phần như xu hướng, mùa, chu kỳ và bất thường. Mô hình ARIMA được phát triển để xử lý các dữ liệu này, giúp dự đoán giá trị tương lai dựa trên các giá trị trong quá khứ. Việc hiểu rõ các thành phần này là rất quan trọng để xây dựng mô hình ARIMA hiệu quả. Mô hình ARIMA yêu cầu các bước như nhận dạng mô hình, ước lượng tham số và kiểm tra độ chính xác của mô hình. Những bước này thường đòi hỏi sự can thiệp của con người, do đó, việc tự động hóa sẽ giúp đơn giản hóa quy trình này.

2.1 Dữ Liệu Chuỗi Thời Gian

Dữ liệu chuỗi thời gian là tập hợp các quan sát được thu thập theo thời gian. Các lĩnh vực như kinh doanh, khí tượng và nông nghiệp đều sử dụng dữ liệu này để phân tích và dự đoán. Việc phân tích dữ liệu chuỗi thời gian giúp nhận diện các xu hướng và mẫu biến động, từ đó đưa ra các quyết định chính xác hơn.

2.2 Các Thành Phần Của Dữ Liệu Chuỗi Thời Gian

Các thành phần của dữ liệu chuỗi thời gian bao gồm xu hướng, mùa, chu kỳ và bất thường. Xu hướng thể hiện sự thay đổi lâu dài, trong khi mùa phản ánh các biến động theo chu kỳ ngắn hạn. Chu kỳ là các biến động dài hạn hơn, và bất thường là những biến động ngẫu nhiên không thể dự đoán. Việc phân tích các thành phần này giúp xây dựng mô hình ARIMA chính xác hơn.

III. Các Công Trình Liên Quan

Nghiên cứu về tự động hóa mô hình ARIMA đã được thực hiện trong nhiều công trình trước đây. Các công trình này thường tập trung vào việc cải thiện độ chính xác của dự báo thông qua việc kết hợp các phương pháp khác nhau như làm trơn hàm mũ Winters và mạng nơron. Việc kết hợp này giúp tối ưu hóa quy trình dự báo và nâng cao khả năng xử lý dữ liệu phức tạp. Các nghiên cứu trước đây đã chỉ ra rằng mô hình ARIMA có thể được cải thiện đáng kể khi được tự động hóa, từ đó mở ra nhiều cơ hội ứng dụng trong thực tiễn.

3.1 Tự Động Xây Dựng Mô Hình ARIMA

Việc tự động hóa xây dựng mô hình ARIMA giúp giảm thiểu thời gian và công sức cần thiết để thực hiện dự báo. Các công trình nghiên cứu đã chỉ ra rằng việc áp dụng các thuật toán tự động có thể cải thiện đáng kể độ chính xác của mô hình. Điều này đặc biệt quan trọng trong môi trường trực tuyến, nơi dữ liệu thay đổi liên tục.

3.2 Các Công Trình Dự Báo Chuỗi Thời Gian Khác

Ngoài mô hình ARIMA, nhiều phương pháp khác cũng được nghiên cứu để dự báo chuỗi thời gian. Phương pháp làm trơn hàm mũ Winters và kết hợp mạng nơron với ARIMA là những ví dụ điển hình. Những phương pháp này không chỉ giúp cải thiện độ chính xác mà còn mở rộng khả năng ứng dụng của mô hình trong các lĩnh vực khác nhau.

IV. Hiện Thực Và Thử Nghiệm

Chương này trình bày quá trình hiện thực hóa chương trình tự động hóa mô hình ARIMA và kết quả thử nghiệm. Các dữ liệu thực nghiệm được sử dụng để đánh giá hiệu quả của mô hình. Kết quả cho thấy rằng mô hình ARIMA tự động hóa có khả năng dự đoán chính xác hơn so với các phương pháp truyền thống. Việc thử nghiệm trong môi trường trực tuyến cũng cho thấy tính khả thi của mô hình trong việc xử lý dữ liệu động. Những kết quả này khẳng định giá trị thực tiễn của nghiên cứu và mở ra hướng đi mới cho việc ứng dụng mô hình ARIMA trong tương lai.

4.1 Quá Trình Hiện Thực

Quá trình hiện thực hóa mô hình ARIMA tự động hóa bao gồm việc phát triển giao diện chương trình và các module chính. Giao diện được thiết kế để dễ sử dụng, cho phép người dùng nhập dữ liệu và nhận kết quả dự đoán một cách nhanh chóng. Các module chính bao gồm nhận dạng mô hình, ước lượng tham số và dự báo, giúp tối ưu hóa quy trình dự báo.

4.2 Kết Quả Thực Nghiệm

Kết quả thực nghiệm cho thấy mô hình ARIMA tự động hóa có độ chính xác cao hơn so với các phương pháp khác. Các bộ dữ liệu thử nghiệm như mực nước hồ, nhiệt độ và sản lượng nông nghiệp đã được sử dụng để đánh giá. Kết quả cho thấy rằng mô hình ARIMA tự động hóa không chỉ cải thiện độ chính xác mà còn giảm thiểu thời gian xử lý dữ liệu.

V. Kết Luận

Luận văn đã thành công trong việc tự động hóa quá trình xây dựng mô hình ARIMA để dự báo chuỗi thời gian. Kết quả nghiên cứu cho thấy rằng việc tự động hóa không chỉ nâng cao độ chính xác mà còn tiết kiệm thời gian và công sức. Những hạn chế của nghiên cứu cũng được chỉ ra, bao gồm việc cần cải thiện hơn nữa khả năng xử lý dữ liệu phức tạp. Hướng phát triển trong tương lai có thể bao gồm việc kết hợp mô hình ARIMA với các phương pháp học máy để nâng cao khả năng dự đoán.

5.1 Đánh Giá Kết Quả

Kết quả nghiên cứu đã chứng minh tính khả thi của việc tự động hóa mô hình ARIMA. Những thành công đạt được trong nghiên cứu này mở ra nhiều cơ hội ứng dụng trong thực tiễn, đặc biệt trong các lĩnh vực cần dự báo chính xác và nhanh chóng.

5.2 Hướng Phát Triển

Hướng phát triển trong tương lai có thể tập trung vào việc cải thiện khả năng xử lý dữ liệu phức tạp và kết hợp mô hình ARIMA với các phương pháp học máy. Điều này sẽ giúp nâng cao độ chính xác và khả năng ứng dụng của mô hình trong nhiều lĩnh vực khác nhau.

Trích đoạn nội dung tài liệu

Chương 1: Phát biểu vấn đề trình bày tổng quan về bài toán dự báo, mục tiêu và phƣơng pháp nghiên cứu của luận văn. Chương 2: Cơ sở lý thuyết giới thiệu về các khái niệm, các thành phần của chuỗi thời gian, các phƣơng pháp đánh giá dự báo, cơ sở lý thuyết về mô hình ARIMA. Chương 3: Các công trình liên quan trình bày về công trình tự động xây dựng mô hình ARIMA để dự báo, dự báo chuỗi thời gian dùng các mô hình của Holt- Winters và công trình lai ghép giữa mạng Nerual nhân tạo và mô hình ARIMA. Chương 4: Hiện thực và thử nghiệm trình bày tổng quan chƣơng trình thực nghiệm, dữ liệu và kết quả thực nghiệm.

Chương 5: Kết luận đánh giá kết quả đạt đƣợc, các mặt hạn chế và hƣớng phát triển của đề tài. 4 CHƢƠNG 2: CƠ SỞ LÝ THUYẾT Trong chƣơng này chúng tôi sẽ trình bày các khái niệm và các thành phần của chuỗi thời gian, các khái niệm về hàm tự tƣơng quan, hàm tự tƣơng quan riêng phần. Ngoài ra, chƣơng này còn trình bày cơ sở lý thuyết của mô hình ARIMA để có thể áp dụng vào bài toán dự báo cũng nhƣ cách đánh giá sai số của mô hình dự báo bất kỳ.1 Dữ liệu chuỗi thời gian Là những tập hợp dữ liệu đƣợc thu thập, lƣu trữ, quan sát và đo đạc theo sự tăng dần của thời gian. Ví du: Trong kinh doanh, tỷ lệ lãi xuất đƣợc lƣu trữ hàng tuần, giá cổ phiếu đóng cửa đƣợc lƣu trữ hàng ngày, doanh số bán hàng đƣợc lƣu trữ hàng năm, hoặc trong khí tƣợng chỉ số lƣợng mƣa, hạn hán đƣợc lƣu trữ hàng năm.

là các dữ liệu chuỗi thời gian.1là biểu đồ thể hiện lƣợng mƣa hàng năm tại Los Angeles- California [8] Hình 2. 1 Biểu đồ thể hiện lƣợng mƣ h ng năm tại Los Angeles- California Ta ký kiệu chuỗi thời gian là {Xt} với t là các số tự nhiên tƣơng ứng với các mốc thời gian mà ta quan sát, đo đạc đƣợc hay còn gọi là độ trễ. Xt là các biến ngẫu nhiên (random variable) rút ra từ một phân bố xác suất (probability distribution) tùy theo nhu cầu của ngƣời muốn phân tích trên dữ liệu chuỗi thời gian này. Vì vậy, ta có thể sử dụng ba loại mô hình khác nhau cho việc dự báo: Mô hình hồi quy (Regression models), mô hình tất định (Deterministic models of time series), mô hình ngẫu nhiên (Stochastic models of time series).2 Các thành phần của dữ liệu chuỗi thời gian Theo lý thuyết, bất kỳ chuỗi thời gian nào cũng có thể phân tích chuỗi thời gian thành bốn thành phần: 2.1 Thành phần xu hướng (Trend component) Giải thích cho việc thay đổi dần dần của chuỗi dữ liệu thời gian, dữ liệu có hƣớng đi lên hoặc đi xuống trong một thời gian dài.

Xu hƣớng thƣờng là kết quả của các yếu tố dài hạn nhƣ thay đổi dân số, công nghệ hoặc sở thích của ngƣời tiêu dùng [11].2minh họa thành phần xu hƣớng [15] Hình 2. 2 Th nh phần u hƣớng 2.2 Thành phần mùa (Seasonal component) Giải thích cho việc các mẫu thức thƣờng xuyên biến đổi trong một khoảng thời gian nhất định nhƣ một năm, hoặc một quý, một tuần,.3minh họa thành phần mùa [15] Hình 2. 3 Thành phần mùa 6 Tính biến động không phải lúc nào cũng tƣơng ứng với các mùa trong năm (nhƣ mùa xuân, mùa h , mùa thu, mùa đông) mà có thể theo ngày, theo tuần.3 Thành phần chu kỳ (Cycial component) Là chuỗi biến đổi dạng sóng lên xuống quanh xu hƣớng. Trong thực tế thành phần này rất khó xác định và ngƣời ta thƣờng xem nó nhƣ là một phần của thành phần xu hƣớng [11].4minh họa thành phần chu kỳ [15] Hình 2.

4 Thành phần chu kỳ 2.4 Thành phần bất thường (Regular component) Là thành phần thể hiện sự biến đổi ngẫu nhiên không thể đoán đƣợc của chuỗi thời gian [11].3 Các phương pháp đánh giá dự báo Có rất nhiều phƣơng pháp đánh giá dự báo ví dụ nhƣ dựa vào trực giác, kinh nghiệm trƣớc đó,. Dữ liệu thƣờng đƣợc chia làm hai phần: phần khởi tạo (initialization part) và phần kiểm tra (test part). Chúng ta dùng các kỹ thuật dự báo để xác định các tham số xấp xỉ cho tập dữ liệu khởi tạo. Sau đó, chúng ta sử dụng các kỹ thuật dự báo để dự báo trên tập dữ liệu kiểm thử và xác định các sai số dự báo để đƣa ra kết luận về độ chính xác của kỹ thuật dự báo này.

Có 3 cách đánh giá tham số xấp xỉ của mô hính: MAPE, MAE, MSE. Đối với ba phƣơng pháp này thì phƣơng pháp nào có sai số nhỏ nhất thì phƣơng pháp đó tốt nhất [1].1 Mean Absolute Error – MAE Phƣơng pháp này đƣợc gọi là sai số tuyệt đối trung bình dùng để đánh giá mức độ chính xác trong một đơn vị dữ liệu, mô tả mức độ chấp nhận đƣợc của số lƣợng lỗi trên tập dữ liệu thực sự đó và nó có công thức nhƣ sau: 7 ∑| | (2.1) Trong đó, tính tại từng thời điểm: - : giá trị thực sự. - : giá trị dự báo tƣơng đƣơng với mỗi giá trị dữ liệu quan sát đƣợc. - : là số lƣợng dữ liệu quan sát đƣợc trong một khoảng thời gian.2 Mean Squared Error – MSE Phƣơng pháp này đƣợc gọi là sai số bình phƣơng trung bình là một phƣơng pháp chính xác hơn MAE dùng để đánh giá mức độ chính xác trong một tập dữ liệu lỗi lớn không bình thƣờng và nó có công thức nhƣ sau: ∑( ) (2.2) Trong đó, tính tại từng thời điểm: - : giá trị thực sự.

- : giá trị dự báo tƣơng đƣơng với mỗi giá trị dữ liệu quan sát đƣợc. - : là số lƣợng dữ liệu quan sát đƣợc trong một khoảng thời gian. Sự lựa chọn chỉ tiêu đánh giá độ chính xác của mô hình dự báo phụ thuộc vào bản chất của dữ liệu. Nếu trong chuỗi dữ liệu chỉ có một vài sai số dự báo có giá trị tuyệt đối lớn thì ta không nên sử dụng MSE.

Bởi vì nếu sử dụng chỉ tiêu này, sai số dự báo sẽ đƣợc bình phƣơng làm cho MSE bị khuyếch đại. Khi có đồng thời MAE; MSE thì việc lựa chọn sẽ căn cứ vào chỉ tiêu nào nhỏ nhất. Các chỉ tiêu trên đều phụ thuộc vào độ đo của biến dự báo. Khi so sánh độ chính xác của các mô hình dự báo chúng ta không nên áp dụng cho những mô hình mà dữ liệu đã đƣợc biến đổi từ dữ liệu gốc.

Chẳng hạn: Một mô hình sử dụng dữ liệu thu thập từ thực tế và một mô hình sử dụng dữ liệu là logarit của những giá trị thực tế đó thì ta không thể dùng các chỉ tiêu trên để so sánh hai mô hình này đƣợc [2]. Để khắc phục nhƣợc điểm trên ngƣời ta còn sử dụng chỉ tiêu không phụ thuộc vào đơn vị đo của biến dự báo [2].3 Mean Absolute Percentage Error – MAPE Phƣơng pháp này đƣợc gọi là sai số phần trăm tuyệt đối trung bình dùng để đánh giá mức độ chính xác đối với từng khoảng giá trị của dữ liệu chuỗi thời gian và nó đƣợc biểu diễn chính xác nhƣ là một tỷ lệ phần trăm có công thức nhƣ sau: ∑ (2.3) Trong đó, tính tại từng thời điểm: - : giá trị thực sự. - : giá trị dự báo tƣơng đƣơng với mỗi giá trị dữ liệu quan sát đƣợc. - : là số lƣợng dữ liệu quan sát đƣợc trong một khoảng thời gian.4 ệ tự tương u n h tự tương u n v h tự tương quan riêng phần 2.1 ệ tự tương u n ut ti n Trong chuỗi thời gian các giá trị ở những thời điểm khác nhau có mối tƣơng quan với nhau.

Sự tƣơng quan này đƣợc đánh giá bằng hệ số tự tƣơng quan. Tự tƣơng quan là sự tƣơng quan của một biến với chính nó theo những độ trễ thời gian khác nhau. Hệ số tự tƣơng quan là đại lƣợng biểu diễn mức độ tự tƣơng quan và đƣợc tính theo công thức sau: [12] [ ] (2.4) √ Ở đây k là hệ số tự tƣơng quan của X ở độ trễ k, là giá trị trung bình của Xt. Ký hiệu E(X) là kỳ vọng của biến ngẫu nhiên X, Var(X) là phƣơng sai của biến ngẫu nhiên X.2 tự tương u n ut ti n un ti n – ACF) Các hệ số tự tƣơng quan của một biến ngẫu nhiên theo các độ trễ khác nhau đƣợc biểu diễn trên một đồ thị có trục hoành là các độ trễ và trục tung là các hệ số tự tƣơng quan làm thành hàm tự tƣơng quan của biến đó.

Hàm tự tƣơng quan là một công cụ quan trọng giúp xác định các thành phần cơ bản của chuỗi thời gian. Hàm tự tƣơng quan (ACF) là một đồ thị biểu diễn các hệ số tự tƣơng quan theo các độ trễ 9 khác nhau. Trong thực tế ta thƣờng không có điều kiện để thu thập các số liệu các số liệu của tổng thể mà chỉ thu thập các số liệu của mẫu. Công thức tính hệ số tự tƣơng quan lấy mẫu: ∑ ̅ ̅ (2.5) ∑ ̅ Với - là hệ số tự tƣơng quan lấy mẫu ở độ trễ - ̅ là trung bình mẫu của - là số phần tử của mẫu.

Để kiểm tra xem hệ số tự tƣơng quan ở độ trễ của một chuỗi thời gian có khác không hay không, ta dùng phép thử .6) √ ∑ Với : - là hệ số tự tƣơng quan mẫu ở độ trễ - là độ trễ - là kích cỡ mẫu Nếu thì sẽ có phân phối student với bậc tự do. Đối với mẫu có kích thƣớc lớn, với mức ý nghĩa 5%, nếu hệ số tự tƣơng quan mẫu nằm trong khoảng √ thì ta có thể kết luận hệ số tự tƣơng quan của đám đông bằng không với mức ý nghĩa 5%. Việc đánh giá các hệ số tự tƣơng quan có ý nghĩa quan trọng trong việc phân tích chuỗi thời gian. Hàm tự tƣơng quan của dữ liệu giúp ta xác định đƣợc các thành phần của chuỗi thời gian từ đó có thể lựa chọn mô hình dự báo hợp lý cũng nhƣ việc đánh giá tính đầy đủ của mô hình.3 Hệ s tự tương u n riêng phần Bởi vì hệ số tƣơng quan dùng để tính độ tƣơng quan giữa và chịu ảnh hƣởng bởi các giá trị.

Do đó, ta cần phân tích thêm hệ số tự tƣơng quan riêng phần. đƣợc ƣớc lƣợng bằng phƣơng pháp tối thiểu lỗi thông qua công thức: (2.7) Tuy nhiên phƣơng pháp này rất tốn chi phí tính toán cho mỗi hệ số. Durbin đã đƣa ra công thức xấp xỉ hệ số hồi quy thông qua hệ số tƣơng quan và các hệ số đã tính trƣớc đó [4]: ∑ ∑ (2.