Võ Văn Tài , Nguyễn Huỳnh Luận , Danh Ngọc Thắm , Tăng Minh Khánh Lê Đại Nghiệp *

* Tác giả liên hệ (ldnghiep@nctu.edu.vn)

Abstract

This study proposes a forecasting model for interval time series by splitting it into two point time series. For each point time series, the study normalizes the data, divides it into clusters with the appropriate numbers using the fuzzy clustering technique, establishes fuzzy relationships between elements in the series and clusters, and sets up a forecasting rule. The proposed model details the implementation steps and is illustrated by the numerical example. It is also applied to two real interval series and achieves competitive results compared to other popular models.

Keywords: Interval time series, forecasting model, fuzzy relationship, cluster analysis

Tóm tắt

Nghiên cứu này đề nghị mô hình dự báo cho chuỗi thời gian khoảng bằng cách tách nó thành hai chuỗi thời gian điểm. Với mỗi chuỗi thời gian điểm, nghiên cứu chuẩn hoá dữ liệu, chia nó thành các chùm thích hợp dựa vào kỹ thuật phân tích chùm mờ, xây dựng mối quan hệ mờ giữa các phần tử trong chuỗi với các chùm và thiết lập nguyên tắc dự báo. Mô hình đề nghị được trình bày chi tiết các bước thực hiện và được minh hoạ bởi ví dụ số. Nó cũng được áp dụng cho hai chuỗi khoảng thực tế và nhận được kết quả cạnh tranh so với các mô hình phổ biến khác.

Từ khóa: Chuỗi thời gian khoảng, mô hình dự báo, mối quan hệ mờ, phân tích chùm

Article Details

Tài liệu tham khảo

Abbasov, A. M. & Mamedova, M.H. (2003). Application of fuzzy time series to population forecasting. Vienna University of Technology, 12, 545-552.

Alyousifi, Y., Othman, M., Husin, A., & Rathnayake, U. (2021). A new hybrid fuzzy time series model with an application to predict PM10 concentration. Ecotoxicology and Environmental Safety, 227, 112875.

Cai, Q., Zhang, D., Zheng, W., & Leung, S. C. (2015). A new fuzzy time series forecasting model combined with ant colony optimization and auto-regression. Knowledge-Based Systems, 74, 61-68.

De Lima Silva, P. C., Sadaei, H. J., Ballini, R., & Guimarães, F. G. (2019). Probabilistic forecasting with fuzzy time series. IEEE Transactions on Fuzzy Systems, 28(8), 1771-1784.

Han, A., Hong, Y., Lai, K. K., & Wang, S. (2008). Interval time series analysis with an application to the sterling-dollar exchange rate. Journal of Systems Science and Complexity, 21, 558-573.

Lethikim, N., & Vovan, T. (2022). Fuzzy cluster analysis for interval data based on the overlap distance. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 30(04), 625-648.

Maia, A. L. S., de Carvalho, F. D. A., & Ludermir, T. B. (2008). Forecasting models for interval-valued time series. Neurocomputing, 71(16-18), 3344-3352.

Neto, E. D. A. L., & De Carvalho, F. D. A. (2008). Centre and range method for fitting a linear regression model to symbolic interval data. Computational Statistics & Data Analysis, 52(3), 1500-1515.

Nguyen-Huynh, L., & Vo-Van, T. (2023). A new fuzzy time series forecasting model based on clustering technique and normal fuzzy function. Knowledge and Information Systems, 65(8), 3489-3509.

Pant, M., & Kumar, S. (2022). Particle swarm optimization and intuitionistic fuzzy set-based novel method for fuzzy time series forecasting. Granular Computing, 7(2), 285-303.

Phamtoan, D., Nguyenthihong, D., & Vovan, T. (2022). Improving the ANFIS forecating model for time series based on the fuzzy cluster analysis algorithm. International Journal of Fuzzy System Applications (IJFSA), 11(1), 1-20

Phamtoan, D., & Vovan, T. (2023). The fuzzy cluster analysis for interval value using genetic algorithm and its application in image recognition. Computational Statistics, 38(1), 25-51.

Sulandari, W., Subanar, S., Lee, M. H., & Rodrigues, P. C. (2020). Time series forecasting using singular spectrum analysis, fuzzy systems and neural networks. MethodsX, 7, 101015.

Tinh, N. V. (2020). Enhanced forecasting accuracy of fuzzy time series model based on combined fuzzy C-mean clustering with particle swarm optimization. International Journal of Computational Intelligence and Applications, 19(2), 2050017.

Vovan, T. (2019). An improved fuzzy time series forecasting model using variations of data. Fuzzy Optimization and Decision Making, 18, 151-173.

Vovan, T., & Lethithu, T. (2022). A fuzzy time series model based on improved fuzzy function and cluster analysis problem. Communications in Mathematics and Statistics, 10(1), 51-66.