Một phương pháp cải tiến để dự đoán số lượng sinh viên dựa trên chuỗi thời gian mờ và tối ưu bầy đàn

Nhiều mô hình dự đoán dựa trên khái niệm chuỗi thời gian mờ đã được đề xuất trong vài thập kỷ qua. Hai yếu tố chính, đó là độ dài của các khoảng và nội dung của các quy tắc dự đoán, có ảnh hưởng đến độ chính xác dự đoán của các mô hình. Việc tìm ra nội dung phù hợp của các yếu tố chính để cải thiện độ chính xác dự đoán đã trở thành một chủ đề nghiên cứu thú vị. Một số mô hình dự đoán kết hợp các phương pháp heuristics hoặc thuật toán tiến hóa (chẳng hạn như thuật toán di truyền và làm mát mô phỏng) với chuỗi thời gian mờ đã được đề xuất nhưng kết quả của chúng không đạt yêu cầu. Trong bài báo này, chúng tôi sử dụng tối ưu bầy đàn để tìm ra nội dung phù hợp của các yếu tố chính. Một mô hình dự đoán lai mới kết hợp tối ưu bầy đàn với chuỗi thời gian mờ được đề xuất nhằm cải thiện độ chính xác dự đoán. Kết quả thực nghiệm dự đoán số lượng sinh viên của Đại học Alabama cho thấy mô hình mới tốt hơn bất kỳ mô hình nào hiện có, và nó có thể thu được giải pháp chất lượng tốt hơn dựa trên chuỗi thời gian mờ bậc nhất và bậc cao, tương ứng.