12/2012

ỨNG DỤNG MẠNG NEURON NHÂN TẠO TRONG VIỆC DỰ BÁO DỮ LIỆU CHUỖI THỜI GIAN CÓ TÍNH XU HƯỚNG VÀ

TÍNH MÙA

GVHD: PGS.TS Dương Tuấn AnhSVTH 1: Đoàn Ngọc Bảo 50800107SVTH 2: Ngô Duy Khánh Vy 50802706

Luận văn tốt nghiệp

Nội dung

12/2012

• Đặt vấn đề• Giới thiệu mạng Neuron nhân tạo• Mô hình lai• Mô hình khử mùa, khử xu hướng• Thực nghiệm• Kết luận

12/2012

Đặt vấn đề

12/2012

Giới thiệu mạng Neuron nhân tạo

Mạng neuron truyền thẳng Mạng neuron hồi quy

12/2012

Mô hình lai (Hybrid Model)

12/2012

Mô hình lai (Hybrid Model)

Gồm ba môđun• Môđun mạng Neuron nhân tạo• Môđun làm trơn lũy thừa• Mođun lai

12/2012

Môđun làm trơn lũy thừa(Exponential Smoothing)

Mô hình nhân

12/2012

Môđun làm trơn lũy thừa(Exponential Smoothing)

Mô hình cộng

12/2012

Môđun làm trơn lũy thừa(Exponential Smoothing)

Ước lượng ba hệ số α, β, γ

• Vét cạn (Brute Force)• Sử dụng giải thuật leo đồi (Hill Climbing)

Leo đồi dốc nhất (Steepest Ascent Hill Climbing) Tôi luyện mô phỏng (Simulated Annealing)

• Sử dụng kết hợp hai phương pháp trên• Sử dụng phần mềm R (thông qua phần mềm RAndFriend)

12/2012

Môđun mạng Neuron nhân tạo(Neuron Network)

• Cấu trúc mạng: Mạng Neuron truyền thẳng Số node nhập bằng số node ẩn và bằng chuk kì của chuỗi dữ liệu

• Giải thuật huấn luyện: Giải thuật lan truyền ngược (Back Propagation) Giải thuật RPROP (Resilient Propagation)

12/2012

Môđun lai (Hybrid Module)• Giá trị đầu vào của môđun lai là giá trị đầu ra của hai môđun: làm trơn lũy

thừa và mạng neuron nhân tạo.• Giá trị đầu ra được tính theo công thức

Trong đó: được gọi là trọng số lai• Ước lượng giá trị của trọng số lai bằng cách tối thiểu hóa giá trị bình

phương sai số lỗi:MSE =

12/2012

Mô hình khử xu hướng, khử mùa

Module Khử Mùa Và Xu Hướng

Mạng Neuron nhân tạo

Input Dữ liệu học

Dữ liệu đã khử mùa và xu hướng

Output Giá trị dự đoán do mạng neuron sinh

raGiá trị dự đoán

sau cùng

12/2012

Mô hình khử xu hướng, khử mùa

Gồm hai môđun:• Môđun mạng Neuron nhân tạo (hiện thực như mô hình lai)• Môđun khử mùa và khử xu hướng

12/2012

Môđun khử mùa và khử xu hướng

Hiện thực các kĩ thuật sau:• Khử xu hướng

Kỹ thuật khử xu hướng tuyến tính Kỹ thuật khử xu hướng bằng lấy hiệu

• Khử mùa Kỹ thuật khử mùa bằng lấy hiệu Kỹ thuật khử mùa bằng RTMA

12/2012

Thực nghiệm

• Số bộ dữ liệu thực tế: 5• Cách thức thực nghiệm:

Mạng Neuron nhân tạo:o Hai giải thuật RPROP – BPo Số lượng tối đa epoches

Kỹ thuật làm trơn lũy thừao Ước lượng: sử dụng R, phương pháp kết hợp vét cạn và leo đồio Mô hình: mô hình cộng và mô hình nhân

Kỹ thuật khử xu hướng, khử mùao Khử xu hướng: tuyến tính và lấy hiệuo Khử mùa: lấy hiệu và RTMA

• Số lần chạy: mỗi trường hợp chạy ba lần và lấy kết quả trung bình• Phương thức đánh giá: MAPE, MSE, MAE

12/2012

Thực nghiệm

Lượng khách hàng đặt chỗ hàng tháng của hãng hàng không Pan Am từ năm 1946 đến năm 1960

12/2012

Thực nghiệm

(b) Kết quả dự đoán của mô hình lai giữa mạng neuron và làm trơn lũy thừa

(a) Kết quả dự đoán của mạng neuron nhân tạo

(c ) Kết quả dự đoán của mạng neuron kết hợp với khử mùa và xu hướng.

12/2012

Thực nghiệm

Số người chết trung bình hàng tháng vì bệnh phổi ở Anh

12/2012

Thực nghiệm

(a) Kết quả dự đoán của mạng neuron (b) Kết quả dự đoán của mô hình lai giữa mạng neuron và làm trơn lũy thừa

(c) Kết quả dự đoán của mạng neuron kết hợp với với khử mùa

12/2012

Kết luận