Mô hình dự báo cho chuỗi thời gian khoảng dựa vào thuật toán phân tích chùm và LSTM.

Abstract

Nghiên cứu “Mô hình dự báo cho chuỗi thời gian khoảng dựa vào thuật toán phân tích chùm và LSTM” được thực hiện nhằm xây dựng mô hình dự báo cho dữ liệu chuỗi thời gian khoảng bằng cách kết hợp thuật toán phân tích chùm mờ với mạng nơ-ron học sâu LSTM (Long Short-Term Memory). Đề tài tập trung nghiên cứu các khái niệm về dữ liệu khoảng, tập mờ, số mờ, phân tích chùm và chuỗi thời gian; đồng thời xây dựng mô hình FITS phục vụ bài toán dự báo. Mô hình được ứng dụng trên bộ dữ liệu thực tế GEFCom2014 và đánh giá thông qua các chỉ tiêu sai số dự báo. Kết quả nghiên cứu cho thấy mô hình FITS kết hợp LSTM có khả năng dự báo hiệu quả đối với chuỗi thời gian khoảng, cho độ chính xác cao và ổn định, đồng thời đạt kết quả tốt hơn so với một số mô hình dự báo truyền thống. Nghiên cứu góp phần mở rộng hướng ứng dụng của học sâu trong lĩnh vực dự báo chuỗi thời gian khoảng và có tiềm năng áp dụng trong nhiều lĩnh vực thực tiễn.