Bài viết trình bày mô hình chuỗi thời gian mờ dựa trên một khái niệm mới được đề xuất là nhóm quan hệ mờ phụ thuộc thời gian và kỹ thuật tối ưu bầy đàn được phát triển để điều chỉnh độ dài khoảng chia tập nền nhằm tăng độ chính xác dự báo của mô hình. Kết quả thực nghiệm cho thấy mô hình mới này cho độ chính xác dự báo tốt hơn so với một số phương pháp đã đề xuất trước đây. | Kỷ yếu Hội nghị Khoa học Quốc gia lần thứ IX Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR 9 Cần Thơ ngày 4-5 8 2016 DOI DỰ BÁO CHUỖI THỜI GIAN MỜ DỰA TRÊN NHÓM QUAN HỆ MỜ PHỤ THUỘC THỜI GIAN VÀ TỐI ƯU BẦY ĐÀN Nguyễn Công Điều1 Nghiêm Văn Tính2 1 Khoa Toán-Tin Trường Đại học Thăng Long 2 Trường Đại học Kỹ thuật Công nghiệp Đại học Thái Nguyên ncdieu@ nghiemvantinh@ TÓM TẮT Trong thời gian gần đây mô hình chuỗi thời gian mờ đang thu hút sự chú ý của các nhà nghiên cứu và phân tích số liệu. Từ mô hình ban đầu của Song và Chissom đến nay ngày càng nhiều mô hình chuỗi thời gian mờ được đề xuất để nâng cao độ chính xác trong dự báo. Tuy nhiên vẫn tồn tại một số vấn đề chưa được giải quyết một cách tối ưu trong mô hình chuỗi thời gian mờ. Ðó là làm thế nào để phân chia tập nền thành các khoảng có độ dài thích hợp và xây dựng các quan hệ mờ nhóm quan hệ mờ một cách có hiệu quả. Sự kết hợp của các phương pháp tối ưu như giải thuật di truyền kỹ thuật mô phỏng tôi luyện tối ưu đàn kiến hay tối ưu bầy đàn nhằm xác định một cách tốt nhất các khoảng chia đã được đề cập đến. Trong bài báo này mô hình chuỗi thời gian mờ dựa trên một khái niệm mới được đề xuất là nhóm quan hệ mờ phụ thuộc thời gian và kỹ thuật tối ưu bầy đàn được phát triển để điều chỉnh độ dài khoảng chia tập nền nhằm tăng độ chính xác dự báo của mô hình. Kết quả thực nghiệm cho thấy mô hình mới này cho độ chính xác dự báo tốt hơn so với một số phương pháp đã đề xuất trước đây. Từ khóa Dự báo chuỗi thời gian mờ nhóm quan hệ mờ phụ thuộc thời gian tối ưu bày đàn. I. MỞ ĐẦU Nhiều mô hình đã được đề xuất nhằm giải quyết các bài toán dự báo khác nhau để giúp con người đưa ra các quyết định chẳng hạn như dự báo tuyển sinh đại học thị trường chứng khoán dự báo dân số dự báo nhiệt độ. Trong một số trường hợp các phương pháp dự báo truyền thống không giải quyết tốt được đối với chuỗi số liệu biểu diễn bởi giá trị ngữ nghĩa hay với chuỗi số liệu có sự biến thiên mạnh.
