Luận văn thạc sĩ: Ứng dụng mô hình ANFIS vào bài toán dự báo trên dữ liệu chuỗi thời gian

Khám phá ứng dụng mô hình ANFIS trong dự báo chuỗi thời gian qua luận văn thạc sĩ, mang lại hiểu biết sâu sắc về phân tích dữ liệu.

• Tác giả: Hoàng Thăng Long
• Người hướng dẫn: TS. Đàng Tráng Háp
• Trường học: Trường Đại Học Công Nghiệp Hà Nội
• Chuyên ngành: Ngành Hệ Thống Thông Tin
• Đề tài: Ứng Dụng Mô Hình ANFIS Trong Dự Báo Chuỗi Thời Gian
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH
• 1. CHƯƠNG 1: TỔNG QUAN LOGIC MỜ VÀ MẠNG NƠ- RON NHÂN TẠO
• 1.1. TỔNG QUAN LOGIC MỜ
• 1.1.1. Tập mờ (Ying, 2000)
• 1.1.2. Các phép toán trên tập mờ (Ying, 2000)
• 1.1.3. Logic mờ (Jang, 1997)
• 1.1.4. Kiến trúc của hệ mờ
• 1.1.5. Các khái niệm cơ bản
• 1.1.6. Ứng dụng của Logic mờ
• 1.2. TỔNG QUAN MẠNG NƠ- RON NHÂN TẠO
• 2. CHƯƠNG 2: THUẬT TOÁN ANFIS VÀ BÀI TOÁN DỰ BÁO DỮ LIỆU CHUỖI THỜI GIAN
• 2.1. THUẬT TOÁN ANFIS
• 2.1.1. Giới thiệu sơ lược và mô hình nơron - mờ (Jang, 1993)
• 2.1.2. Luật mờ if-then và hàm suy diễn mờ (Jang, 1993)
• 2.1.3. Mạng thích nghi
• 2.1.4. Cấu trúc của ANFIS (Jang, 1993)
• 2.1.5. Thuật toán huấn luyện hàm ANFIS
• 2.1.6. Ứng dụng của thuật toán ANFIS
• 2.2. DỮ LIỆU CHUỖI THỜI GIAN
• 2.2.1. Giới thiệu dữ liệu chuỗi thời gian
• 2.2.2. Một số phương pháp dự báo chuỗi thời gian đơn giản
• 2.3. ỨNG DỤNG THUẬT TOÁN ANFIS VÀO BÀI TOÁN DỰ BÁO DỮ LIỆU CHUỖI THỜI GIAN
• 2.3.1. Mô tả bài toán (El-Shafie, A.)
• 2.3.2. Xây dựng mô hình (Bằng, 2018)
• 2.3.2.1. Lựa chọn biến đầu vào
• 2.3.2.2. Cấu trúc mô hình dự báo
• 2.3.3. Thu thập dữ liệu
• 2.3.4. Chỉ số đánh giá
• 2.3.5. Kết quả thí nghiệm
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về mô hình ANFIS

Mô hình ANFIS (Adaptive-Network-based Fuzzy Inference System) là một phương pháp mạnh mẽ trong việc dự báo chuỗi thời gian. ANFIS kết hợp giữa lý thuyết tập mờ và mạng nơron, giúp tối ưu hóa khả năng dự đoán thông qua việc học từ dữ liệu. Mô hình này có khả năng xử lý các biến đầu vào không chắc chắn, đồng thời cung cấp các kết quả đầu ra chính xác hơn so với các phương pháp truyền thống. Theo Jang (1993), ANFIS sử dụng các quy tắc if-then để xây dựng mô hình mờ, cho phép nó học hỏi từ dữ liệu và tự động điều chỉnh các tham số để cải thiện độ chính xác của dự đoán. Điều này đặc biệt hữu ích trong các lĩnh vực như tài chính, khí tượng và sản xuất, nơi mà việc dự đoán chính xác là cực kỳ quan trọng.

1.1. Cấu trúc của mô hình ANFIS

Cấu trúc của ANFIS bao gồm ba thành phần chính: lớp đầu vào, lớp ẩn và lớp đầu ra. Lớp đầu vào nhận dữ liệu từ môi trường, lớp ẩn thực hiện các phép toán mờ và lớp đầu ra cung cấp kết quả dự đoán. Các quy tắc mờ được áp dụng để xử lý thông tin từ lớp đầu vào, cho phép mô hình phản ánh các mối quan hệ phức tạp giữa các biến. ANFIS cũng sử dụng thuật toán huấn luyện để tối ưu hóa các trọng số trong mạng, từ đó cải thiện khả năng dự đoán. Điều này giúp ANFIS trở thành một công cụ mạnh mẽ trong việc phân tích và dự đoán chuỗi thời gian.

II. Ứng dụng của ANFIS trong dự báo chuỗi thời gian

ANFIS đã được áp dụng rộng rãi trong việc dự báo chuỗi thời gian, từ dự báo thời tiết đến dự báo tài chính. Việc sử dụng ANFIS cho phép các nhà nghiên cứu và chuyên gia có thể khai thác dữ liệu một cách hiệu quả hơn. Theo nghiên cứu của El-Shafie (2021), ANFIS có thể đạt được độ chính xác cao trong việc dự báo giá cả hàng hóa và xu hướng thị trường. Khả năng của ANFIS trong việc xử lý các biến đầu vào không chắc chắn và mờ giúp cho nó trở thành một công cụ lý tưởng để dự đoán các hiện tượng phức tạp. Thực tế, ANFIS đã được chứng minh là có khả năng vượt trội hơn so với các phương pháp truyền thống như hồi quy tuyến tính và mạng nơron đơn giản trong nhiều bài toán dự báo.

2.1. Dự báo thời tiết

Một trong những ứng dụng nổi bật của ANFIS là trong lĩnh vực dự báo thời tiết. Việc dự đoán chính xác các yếu tố như nhiệt độ, độ ẩm và lượng mưa là rất quan trọng đối với nhiều ngành, từ nông nghiệp đến du lịch. ANFIS có khả năng tích hợp nhiều nguồn dữ liệu khác nhau, từ dữ liệu lịch sử đến các chỉ số thời tiết hiện tại, để tạo ra các mô hình dự đoán chính xác. Nghiên cứu cho thấy rằng ANFIS có thể cải thiện đáng kể độ chính xác của các dự báo thời tiết so với các phương pháp truyền thống.

III. Phân tích và đánh giá hiệu quả của ANFIS

Phân tích hiệu quả của ANFIS trong dự báo chuỗi thời gian cho thấy rằng mô hình này không chỉ mang lại độ chính xác cao mà còn có khả năng học hỏi từ dữ liệu mới. Việc áp dụng ANFIS giúp giảm thiểu sai số trong dự đoán, từ đó nâng cao hiệu quả trong các quyết định quản lý và kinh doanh. Theo nghiên cứu của Bằng (2018), ANFIS đã cho thấy khả năng tối ưu hóa các tham số mô hình, giúp cải thiện đáng kể kết quả dự báo. Thêm vào đó, ANFIS cũng có thể dễ dàng điều chỉnh và mở rộng để phù hợp với các bài toán khác nhau, tạo điều kiện thuận lợi cho việc áp dụng trong thực tiễn.

3.1. Đánh giá độ chính xác

Đánh giá độ chính xác của ANFIS thường được thực hiện thông qua các chỉ số như RMSE (Root Mean Square Error) và CORR (Correlation Coefficient). Các nghiên cứu đã chỉ ra rằng ANFIS có thể đạt được các chỉ số này tốt hơn so với nhiều phương pháp khác. Sự kết hợp giữa khả năng học hỏi và xử lý thông tin không chắc chắn giúp ANFIS trở thành một lựa chọn ưu việt trong việc dự đoán chuỗi thời gian. Việc sử dụng ANFIS không chỉ giúp cải thiện độ chính xác mà còn tiết kiệm thời gian và nguồn lực trong quá trình phân tích dữ liệu.

Trích đoạn nội dung tài liệu

Bä CÔNG TH£¡NG TR£àNG Đ¾I HàC CÔNG NGHIàP HÀ NâI --------------- HOÀNG THĂNG LONG NGUYÊN CĀU ĀNG DĀNG MÔ HÌNH ANFIS VÀO BÀI TOÁN DĄ BÁO TRÊN DĂ LIàU CHUàI THàI GIAN Đ ÁN TàT NGHIàP TH¾C S) Hà THàNG THÔNG TIN Hà Nåi – 2024 Bä CÔNG TH£¡NG TR£àNG Đ¾I HàC CÔNG NGHIàP HÀ NâI --------------- HOÀNG THĂNG LONG NGUYÊN CĀU ĀNG DĀNG MÔ HÌNH ANFIS VÀO BÀI TOÁN DĄ BÁO TRÊN DĂ LIàU CHUàI THàI GIAN Ngành Há tháng thông tin Mã sá: 8480104 Đ ÁN TàT NGHIàP TH¾C S) Hà THàNG THÔNG TIN NG£èI H£æNG DÀN KHOA HàC: 1. ĐÀNG TRàNG HĀP Hà Nåi – 2024 i MĀC LĀC MĂC LĂC. i LèI CAM ĐOAN. iii DANH MĂC CÁC KÝ HIàU, CÁC CHĂ VIÀT TÄT.

iv DANH MĂC CÁC BÀNG. vi Mê ĐÀU. TàNG QUAN LOGIC Mè VÀ M¾NG N¡-RON NHÂN T¾O .1 TàNG QUAN LOGIC Mè .2 Các phép toán đ¿i sá trên tÃp mé (Ying, 2000) .3 Logic mé (Jang, J.2 TàNG QUAN M¾NG N¡-RON NHÂN T¾O .2 Các lo¿i mô hình c¿u trúc m¿ng n¢-ron .3 Các tính ch¿t cÿa m¿ng n¢-ron .5 ThuÃt toán lan truyÃn ng¤āc. THUÂT TOÁN ANFIS VÀ BÀI TOÁN DĄ BÁO DĂ LIàU CHUâI THèI GIAN.3 Các ph¤¢ng pháp.2 THUÂT TOÁN ANFIS .1 Giçi thiáu s¢ l¤āc và mô hình n¢ron - mé (Jang, 1993) .2 LuÃt mé if-then và há suy dißn mé (Jang, 1993) .3 M¿ng thích nghi .4 C¿u trúc cÿa ANFIS (Jang, J.5 ThuÃt toán hu¿n luyán há ANFIS .6 Āng dăng cÿa thuÃt toán ANFIS .3 DĂ LIàU CHUâI THèI GIAN .1 Giçi thiáu dă liáu chuãi théi gian .2 Måt sá ph¤¢ng pháp dą báo chuãi théi gian đ¢n giÁn.

ĀNG DĂNG THUÂT TOÁN ANFIS VÀO BÀI TOÁN DĄ BÁO DĂ LIàU CHUâI THèI GIAN .1 MÔ TÀ BÀI TOÁN (El-Shafie, A.2 XÂY DĄNG MÔ HÌNH (Bằng, 2018) .2 Ląa chán biÁn đÁu vào .3 C¿u trúc mô hình dą báo .3 THU THÂP DĂ LIàU .4 CHâ Sà ĐÁNH GIÁ .5 KÀT QUÀ THĀ NGHIàM. 58 TÀI LIàU THAM KHÀO. 59 iii LàI CAM ĐOAN Tôi xin cam đoan rằng đà án th¿c s* Há tháng thông tin <Nghiên cāu āng dăng thuÃt toán ANFIS vào bài toán dą báo trên dă liáu chuãi théi gian= là công trình nghiên cāu cÿa tôi d¤çi są h¤çng dÁn cÿa TS. ĐÁng Tráng Hāp.

Toàn bå nåi dung đ¤āc trình bày trong đà án này hoÁc là đÁn tÿ są tìm hiểu nghiên cāu cÿa tôi hoÁc là táng hāp, thu thÃp tÿ các tài liáu khác nhau đÃu đ¤āc trích dÁn đÁy đÿ trong phÁn tài liáu tham khÁo. Các tài liáu tham khÁo này đ¤āc sā dăng måt cách hāp lý và minh b¿ch. Tôi xin cam đoan rằng không có b¿t cā vi ph¿m nào đái vçi các quy đßnh đ¿o đāc nghiên cāu khoa hác trong quá trình thąc hián dą án. Tôi xin hoàn toàn chßu trách nhiám và chßu mái hình thāc kỷ luÃt theo quy đßnh và tính chính xác và trung thąc cÿa đà án nghiên cāu này.

Hà Nåi, ngày tháng năm 2024 Tác giÁ đà án iv DANH MĀC CÁC KÝ HIàU, CÁC CHĂ VI¾T TÂT Vi¿t tÃt Ti¿ng Anh Ti¿ng Viát AI Artificial Intelligence Trí tuá nhân t¿o ANN Artificial Neural Network M¿ng N¢-ron nhân t¿o Adaptive-Network-based M¿ng thích nghi dąa trên c¢ së ANFIS Fuzzy Inference System há suy luÃn mé BP Back Propagation Lan truyÃn ng¤āc MIMO Multi Input Multi Output NhiÃu đÁu vào – nhiÃu đÁu ra MISO Multi Input Single Output NhiÃu đÁu vào – måt đÁu ra RMSE Root mean square error Sai sá dą đoán CORR Correlation Coefficient Há sá t¤¢ng quan v DANH MĀC CÁC BÀNG BÁng 1.1 So sánh bå não con ng¤éi vçi ph¤¢ng pháp hác cÿa m¿ng n¢ron nhân t¿o.1 So sánh m¿ng n¢ron và logic mé .1 KÁt quÁ chã sá đánh giá l¤āng m¤a vă 1 tháng .2 KÁt quÁ chã sá đánh giá l¤āng m¤a vă 3 tháng .3 KÁt quÁ chã sá đánh giá l¤āng m¤a vă 6 tháng. 56 vi DANH MĀC CÁC HÌNH Hình 1.1 Hāp cÿa hai tÃp mé A và B.2 Giao cÿa hai tÃp mé A và B .3 PhÁn bù cÿa tÃp hāp A .4 KiÁn trúc cÿa há mé táng quát .5 Há mé nhiÃu đÁu vào – måt đÁu ra .6 TÁ bào n¢ron sinh hác .7 M¿ng n¢ron nhân t¿o .8 TÁ bào n¢ron nhân t¿o .9 Các d¿ng hàm tác đång thông dăng .10 Mô hình tÁ bào n¢ron .12 Các lo¿i m¿ng n¢ron nhân t¿o thông dăng .16 S¢ đß táng quát måt tÁ bào n¢ron nhân t¿o trong hu¿n luyán.17 KiÁn trúc cÿa m¿ng n¢ron lan truyÃn ng¤āc .1 Dą báo đßnh tính và dą báo đßnh l¤āng.2 Há tháng suy luÃn mé .3 M¿ng thích nghi.4 C¿u trúc thuÃt toán ANFIS .5 Phân lo¿i các ph¤¢ng pháp dą báo chuãi théi gian .2 KÁt quÁ dą báo l¤āng m¤a vă 1 tháng cÿa M1-M5 .3 KÁt quÁ dą báo l¤āng m¤a vă 3 tháng cÿa M1-M5 .4 KÁt quÁ dą báo l¤āng m¤a vă 6 tháng cÿa M1-M5. Lý do chán đề tài Khai thác dă liáu tÿ quá khā để dą báo dă liáu t¤¢ng lai vçi đå chính xác cao là v¿n đà thā thách trong nghiên cāu hián nay. M¿ng n¢ron nhân t¿o nói chung và há suy dißn mé- n¢ron thích nghi (ANFIS - Adaptive-Network- based Fuzzy Inference System) nói riêng là måt trong các kỹ thuÃt để dą báo dă liáu chuãi théi gian.

Các dă liáu chuãi théi gian nh¤ théi tiÁt, chāng khoán, l¤āng đián tiêu thă, l¤āng m¤a,. cÁn đ¤āc dą báo để phân tích, đánh giá, đ¤a ra quyÁt đßnh quÁn lý kßp théi. Trong nhăng năm gÁn đây, dißn biÁn và théi tiÁt r¿t phāc t¿p đ¤āc quan tâm và nghiên cāu nhiÃu trong đó có l¤u l¤āng m¤a các khu vąc phăc vă cho các ho¿t đång phát triển kinh tÁ nh¤: kÁ ho¿ch sÁn xu¿t nông nghiáp, du lßch, đánh bÅt và nuôi trßng thÿy sÁn, quÁn lý, khai thác ngußn tài nguyên n¤çc,… Viác dą đoán l¤āng m¤a trong khu vąc cho phép tính toán l¤āng n¤çc để t¤çi tiêu, lÃp kÁ ho¿ch cho các hß chāa n¤çc bên c¿nh đó phòng tránh giÁm nhẹ thiên tai do l¤āng m¤a lçn nÁu có,. Viác áp dăng thuÃt toán ANFIS cho các v¿n đà dą án trên dă liáu chuãi théi gian đã trë thành måt chÿ đà quan tráng ngày nay.

ĐiÃu này là do są phát triển cÿa các tÃp dă liáu lçn và nhu cÁu đ¤a ra dą đoán chính xác trong các l*nh vąc nh¤ tài chính, kinh tÁ, y tÁ và kỹ thuÃt. ThuÃt toán ANFIS r¿t thích hāp để phân tích dă liáu chuãi théi gian do khÁ năng mô hình hóa mái quan há phi tuyÁn phāc t¿p giăa các biÁn đÁu vào và đÁu ra. Māc đích nghiên cāu Dă liáu chuãi théi gian là måt lo¿i dă liáu xÁy ra tuÁn tą theo théi gian. Phân tích dă liáu chuãi théi gian r¿t quan tráng để đ¤a ra dą đoán, xác đßnh xu h¤çng và hiểu đ¤āc các mô hình.

Há tháng suy luÃn mé thích nghi Neuro- Fuzzy (ANFIS) là måt công că m¿nh m¿ để phân tích dă liáu chuãi théi gian. 2 ANFIS là måt mô hình lai kÁt hāp các điểm m¿nh cÿa logic mé và m¿ng n¢- ron, làm cho nó trë thành måt mô hình hiáu quÁ để dą đoán và phân tích dă liáu chuãi théi gian. ThuÃt toán ANFIS đã đ¤āc áp dăng cho nhiÃu v¿n đà phân tích dă liáu chuãi théi gian trong quá khā. Måt sá āng dăng phá biÁn bao gßm dą báo giá cá phiÁu, dą đoán l¤u l¤āng giao thông và phân tích các mô hình théi tiÁt.

Tuy nhiên, vÁn còn r¿t nhiÃu tiÃm năng để khám phá cÿa thuÃt toán ANFIS trong phân tích dă liáu chuãi théi gian. Viác nghiên cāu āng dăng thuÃt toán ANFIS trong phân tích dă liáu chuãi théi gian là r¿t quan tráng trong nhiÃu l*nh vąc. Vçi są phát triển cÿa các công nghá thông tin, viác phân tích dă liáu chuãi théi gian đã trë nên quan tráng h¢n. Viác sā dăng thuÃt toán ANFIS s¿ giúp cho viác phân tích và dą đoán dă liáu chuãi théi gian trë nên chính xác h¢n, đßng théi cũng có thể giúp giÁm thiểu các sai sá và tái ¤u hóa kÁt quÁ.

Tóm l¿i, đà tài "Nghiên cāu āng dăng thuÃt toán ANFIS vào bài toán dą báo trên dă liáu chuãi théi gian" s¿ tÃp trung vào viác phân tích và dą đoán dă liáu chuãi théi gian bằng cách sā dăng thuÃt toán ANFIS. Đây là måt chÿ đà quan tráng và đÁy tiÃm năng trong nghiên cāu khoa hác và cũng có tÁm quan tráng lçn trong các l*nh vąc thąc tißn nh¤ tài chính, kinh tÁ, y tÁ và kỹ thuÃt. Tính c¿p thi¿t cÿa đề tài Dą báo là måt l*nh vąc kÁt hāp giăa khoa hác và nghá thuÃt, nhằm tiên đoán nhăng są kián s¿ xÁy ra trong t¤¢ng lai dąa trên phân tích các dă liáu thu thÃp đ¤āc. Có hai lo¿i c¢ bÁn cÿa kỹ thuÃt dą báo: - Kỹ thuÃt dą báo đßnh tính: Dąa trên các ý kiÁn, đánh giá, quan điểm, trąc giác hay kinh nghiám cÿa chuyên gia để đ¤a ra dą báo và các są kián, kÁt 3 quÁ, hoÁc tr¿ng thái có tính ch¿t đßnh tính, chẳng h¿n nh¤ dą báo xu h¤çng, dą báo thß tr¤éng, hoÁc dą báo và są thành công cÿa måt dą án.

- Kỹ thuÃt dą báo đßnh l¤āng: Dąa trên các ph¤¢ng pháp tháng kê để phân tích dă liáu lßch sā và đ¤a ra dą báo và các giá trß că thể hoÁc các biÁn sá có tính ch¿t đßnh l¤āng, chẳng h¿n nh¤ dą báo doanh sá bán hàng, dą báo sÁn l¤āng, hoÁc dą báo giá cÁ. Kỹ thuÃt đßnh tính đ¤āc sā dăng khi dă liáu quá khā không đÁy đÿ hay đái t¤āng dą báo bß Ánh h¤ëng bëi nhăng nhân tá không thể l¤āng hóa. Kỹ thuÃt dą báo đßnh l¤āng dąa trên viác phân tích dă liáu lßch sā để xây dąng và mô hình hóa đång thái dißn biÁn cÿa đái t¤āng theo måt mô hình toán hác, tÿ đó sā dăng mô hình này để dą báo xu h¤çng t¤¢ng lai cÿa đái t¤āng đó. Các nghiên cāu xây dąng mô hình dąa trên luÃt mé (hay còn gái là mô hình mé - fuzzy models) là måt trong nhăng ph¤¢ng pháp tiÁp cÃn đ¤āc sā dăng để xây dąng các há tháng hã trā dą báo và dą báo điÃu khiển.

Trong sá đó, thuÃt toán ANFIS (Adaptive-Network-based Fuzzy Inference System) là måt trong nhăng mô hình mé đ¤āc nghiên cāu và āng dăng m¿nh m¿, đã đ¿t đ¤āc nhiÃu kÁt quÁ tát. HÁu hÁt các ngußn cung c¿p dă liáu trên toàn cÁu đÃu là dă liáu chuãi théi gian, và l¤āng dă liáu này đang tăng dÁn theo c¿p sá nhân. Bài toán dą báo dă liáu chuãi théi gian đ¤āc sā dăng rång rãi trong nhiÃu l*nh vąc khác nhau, bao gßm dą báo théi tiÁt, dą báo giá cá phiÁu, dą báo sÁn l¤āng sÁn xu¿t và tiêu thă, dą báo l¤āng đián cÁn tÁi cho thành phá, dą báo są biÁn đái cÿa năng l¤āng mÁt tréi, và nhiÃu l*nh vąc khác.