Một phương pháp nâng cao hiệu quả dự báo dữ liệu tuyển sinh dựa trên chuỗi thời gian mờ

Trong vài thập kỷ gần đây, nhiều nghiên cứu về mô hình dự báo dựa trên chuỗi thời gian mờ đã được đề xuất. Có nhiều nhân tố ảnh hưởng đến kết quả dự báo đã được nhiều tác giả tập trung nghiên cứu như kỹ thuật chia khoảng tập nền, các luật dự báo và kỹ thuật giải mờ. Tuy nhiên, các kết quả nghiên cứu vẫn còn nhiều hạn chế và chưa làm hài lòng người sử dụng. Trong bài báo này, chúng tôi đề xuất một phương pháp nâng cao hiệu quả của mô hình dự báo chuỗi thời gian mờ trên cơ sở kết hợp tối ưu các khoảng chia tập nền bằng thuật toán tối ưu bầy đàn và kỹ thuật giải mờ mới hiệu quả. Mô hình dự báo được đề xuất được ứng dụng để dự báo số sinh viên nhập học của Trường Đại học Alabama từ năm 1971 đến năm 1992. Kết quả thực nghiệm cho thấy, mô hình dự báo được đề xuất hiệu quả hơn các mô hình dự báo hiện có đối với cả chuỗi thời gian mờ bậc nhất và chuỗi thời gian mờ bậc cao.