ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ

Đỗ Văn Bình

MỘT SỐ MÔ HÌNH DỰ BÁO
VÀ ÁP DỤNG VÀO NGÀNH ĐIỆN

LUẬN VĂN THẠC SĨ


Hà Nội - 2007
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ

Đỗ Văn Bình

MỘT SỐ MÔ HÌNH DỰ BÁO
VÀ ÁP DỤNG VÀO NGÀNH ĐIỆN

Ngành: Công Nghệ Thông Tin
Chuyên ngành: Công Nghệ Thông Tin
Mã số: 1.01.10

LUẬN VĂN THẠC SĨ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TS Đỗ Trung Tuấn

Hà Nội - 2007

1.2.1. Các phương pháp dự báo dựa vào sự phán đoán (Methods Based on Judgment) 10
1.2.2. Các phương pháp yêu cầu thông tin định lượngError! Bookmark not defined.
1.3. Lựa chọn phương pháp (Selecting methods) .............. Error! Bookmark not defined.

1.3.1. Chọn một phương pháp dựa vào dấu hiệu (Choosing a method based on evidence)
Error! Bookmark not defined.
1.3.2. Kết hợp các dự báo (Combining forecasts)Error! Bookmark not defined.
1.4. Sự không chắc chắn (uncertainty) .............................. Error! Bookmark not defined.

1.4.1. Sự không chắc chắn trong dự báo bằng phán đoánError! Bookmark not defined.
1.4.2. Sự không chắc chắn trong các dự báo bằng phương pháp định lượngError!
Bookmark not defined.
1.5. Đạt được sự chấp nhận của dự báo ............................ Error! Bookmark not defined.
Chƣơng 2................................................................................. Error! Bookmark not defined.
CHUỖI THỜI GIAN VÀ ỨNG DỤNG ............................... Error! Bookmark not defined.
2.1. Chuỗi thời gian, các đại lượng đặc trưng ................... Error! Bookmark not defined.

2.1.1. Định nghĩa chuỗi thời gian ......................Error! Bookmark not defined.
2.1.2. Dự báo chuỗi thời gian ............................Error! Bookmark not defined.
2.1.3.Các đại lượng đặc trưng của chuỗi thời gianError! Bookmark not defined.
2.2. Một số mô hình dự báo giản đơn ................................ Error! Bookmark not defined.

2.2.1. Mô hình nhân ...........................................Error! Bookmark not defined.
2.2.2. Mô hình cộng ...........................................Error! Bookmark not defined.
2.3. Mô hình ARIMA thường ............................................. Error! Bookmark not defined.

2.3.1. Toán tử trễ ................................................Error! Bookmark not defined.
2.3.2. Chuỗi thời gian dừng ...............................Error! Bookmark not defined.
2.3.3. Quá trình tuyến tính .................................Error! Bookmark not defined.
2.3.4. Quá trình tự hồi qui - AR(p) ....................Error! Bookmark not defined.

defined.
KẾT LUẬN ............................................................................. Error! Bookmark not defined.
TÀI LIỆU THAM KHẢO ................................................................................................. 13


DANH SÁCH CÁC HÌNH VẼ
Hình 1: Cây phân loại các phương pháp dự báo............................................................8
Hình 2: Cây lựa chọn các phương pháp dự báo……………………………………....18
Hình 3: Mô tả đồ thị dự báo theo mô hình nhân và mô hình cộng…………….……..27
Hình 4: Đồ thị chuỗi số liệu điện thương phẩm Việt Nam (theo quý)………………..28
Hình 5: So sánh giữa đồ thị điện thương phẩm dự báo theo mô hình cộng với số liệu thực
tế…………………………………………………………………………………36
Hình 6: So sánh giữa đồ thị điện thương phẩm dự báo theo mô hình nhân với số liệu thực
tế…………………………………………………………………………………37
Hình 7: Đồ thị chuỗi số liệu điện thương phẩm Việt Nam (theo quý) sau khi sử dụng hàm
biến đổi log...…………………...………………………………………………..69
Hình 8: ACF và PACF của chuỗi DTP_Log sử dụng phần mềm Eviews…………....70
Hình 9: Kiểm định DF của chuỗi DTP_Log sử dụng phần mềm Eviews…………....71
Hình 10: ACF và PACF của chuỗi DTP1 sử dụng phần mềm Eviews……………....72
Hình 11: ACF và PACF của chuỗi DTP2 sử dụng phần mềm Eviews…………........73
Hình 12: Kiểm định DF của chuỗi DTP2 sử dụng phần mềm Eviews………............74
Hình 13: Đồ thị chuỗi số liệu DTP2……………………………………...…………..74
Hình 14: Ước lượng mô hình sử dụng phương pháp bình phương nhỏ nhất bằng phần mềm
Eviews………………………………………………………………..................75
Hình 15: ACF và PACF của chuỗi phần dư - sử dụng phần mềm Eviews………..…77
Hình 16: Đồ thị chuỗi dự báo DTP2…………………………………………….........78
Hình 17: Đồ thị chuỗi dự báo so với đồ thị của chuỗi số liệu thực…………….…..…80


DANH SÁCH CÁC TỪ VIẾT TẮT

Tiêu chuẩn thông tin AIC/SIC

4

APE

Absolute Percent Error

Sai số phần trăm tuyệt đối

5

AR

AutoRegression

Tự hồi quy

6

ARIMA

AutoRegressive Integrated Moving
Average

Tích hợp trung bình trượt tự hồi quy

7

ARMA


PACF

Partial Auto Correllation Function

Hàm tự tương quan từng phần

RBF

Rule-based forecasting

Dự báo dựa trên quy luật

13

SAR

Seasonal AutoRegressive

Tự hồi quy theo mùa vụ

14

SARIMA

Seasonal AutoRegressive Integrated
Moving Average

Tích hợp trung bình trượt tự hồi quy
theo mùa vụ

dân cũng như phòng tránh được thiệt hại to lớn do thiên nhiên gây ra.
Trong lĩnh vực tài chính, nếu ai biết trước được xu hướng tăng giảm của một loại tiền tệ
hay giá cổ phiếu thì chắc chắn mang lại nhiều lợi ích cho người đó v.v..
Những lĩnh vực có nhu cầu dự báo rất rộng lớn. Có những dự báo mang tính chất định
tính như màu sắc, bản chất con người và có những dự báo mang tính chất định lượng như
lượng mưa, sức gió, mực nước về ở sông hồ, tốc độ phát triển dân số. Song với sự phát triển
của kỹ thuật số, tất cả các tính chất định tính đều có thể lượng hóa. Thí dụ một màu sắc có
thể đồng nhất với chỉ thị màu của nó.
“Dự báo” và “đoán mò” là hai khái niệm khác hẳn nhau. Trong khi “đoán mò” mang tính
chất của công việc của một thầy bói thì dự báo phải căn cứ trên những thông tin có được,
thiết lập các mô hình, các thuật toán để chỉ ra giá trị cần “dự đoán”. Nói cách khác đi, dự báo
là các “dự đoán” mang tính chất khoa học, tiếp cận với các phương pháp khoa học để dự báo
một cách có cơ sở.
Trong khuôn khổ một khoá luận tốt nghiệp học viên không có tham vọng nghiên cứu
toàn diện tất cả các mô hình dự báo, mà chỉ tìm hiểu, so sánh một số mô hình. Đồng thời tập
trung giải bài toán dự báo bằng việc áp dụng mô hình chuỗi thời gian. Hy vọng trong thời
gian tới, lĩnh vực này tiếp tục được nghiên cứu và phát triển để có thể thực sự trở thành một
công cụ ứng dụng có hiệu quả.
Bố cục của luận văn chia làm 3 chương
 Chương 1: Các phương pháp dự báo nhu cầu
 Chương 2: Chuỗi thời gian và ứng dụng
 Chương 3: Nhu cầu sử dụng điện năng và mô hình nhiều biến


Chƣơng 1
CÁC PHƢƠNG PHÁP DỰ BÁO NHU CẦU
1.1. Giới thiệu
Chúng ta phải nhìn vào thực tế để xác định các phương pháp, xem phương pháp nào có
ích cho việc dự báo nhu cầu trong những tình huống khác nhau và để cảnh báo không nên sử
dụng phương pháp nào. Nhìn chung, nên sử dụng các phương pháp đã thiết kế, tránh tư

bằng sự phân biệt quan trọng nhất giữa các phương pháp dựa vào sự phán đoán và các
phương pháp đòi hỏi dữ liệu định lượng.


Hình 1: Cây phân loại các phương pháp dự báo
Cây phân loại này có thể phân loại tất cả các loại phương pháp dự báo có thể thành nhiều
loại và chỉ ra chúng quan hệ với nhau như thế nào. Đường gạch đứt thể hiện sự liên hệ có thể
.

1.2.1. Các phương pháp dự báo dựa vào sự phán đoán (Methods Based on Judgment)
1.2.1.1. Sự phán đoán không có cơ sở (Unaided judgment)
Thường thì các chuyên gia sẽ trả lời điều gì sẽ xảy ra, đây là một cách tốt để sử dụng khi
mà:
- Các chuyên gia không có sự thiên vị
- Những biến đổi lớn không chắc chắn xảy ra
- Mối quan hệ được hiểu rõ bởi các chuyên gia
- Các chuyên gia có trong tay những thông tin mật
- Các chuyên gia nhận được những phản hồi chính xác và cô đọng về dự báo
của họ.
Đáng tiếc là sự phán đoán không có cơ sở thường được sử dụng trong khi các điều kiện
nêu trên không có. Ví dụ, Green và Amstrong thấy rằng việc dự báo của các chuyên gia lại
không tốt bằng dự báo của người dân trong các tình huống xung đột. Nếu điều này làm bạn
ngạc nhiên thì bạn nên nghĩ rằng các chương trình tin tức sự kiện mà các nhà sản xuất tạo ra


lại có thể tập hợp được những chuyên gia có khả năng, họ đưa ra dự báo một cách tin cậy về
một tình huống sẽ xảy ra như thế nào.
1.2.1.2. Thị trường dự báo (Prediction markets)
Các thị trường dự báo cũng được xem là các công ty dự báo, thị trường thông tin và các
thị trường dự báo tương lai có lịch sử lâu đời. Giữa thời kì chấm dứt cuộc nội chiến của nước


Mọi người thường sử dụng các phương pháp loại suy để dự báo, tuy nhiên thì họ lại
không làm như vậy trong một phương pháp có cấu trúc. Ví dụ họ có thể nghiên cứu một
phương pháp phân tích phù hợp với lập luận của mình hoặc họ có thể dừng việc nghiên cứu
khi đã xác định được phương pháp phân tích dự báo phù hợp. Phương pháp phân tích có cấu
trúc sử dụng quá trình cân đối để khắc phục việc sử dụng thông tin từ các tình huống tương
tự một cách không hiệu quả và thiên vị (sai lệch).
Để sử dụng phương pháp phân tích có cấu trúc thì nhà quản lí cần chuẩn bị một sự mô tả
về tình huống mục tiêu và lựa chọn các chuyên gia có kiến thức về các tình huống tương tự,
ưu tiên những người có kinh nghiệm trực tiếp. Các chuyên gia xác định và mô tả các tình
huống đó, đánh giá sự tương đồng của chúng với tình huống mục tiêu và phù hợp các kết quả
phân tích của họ với các kết quả tiềm năng trong tình huống, mục tiêu. Sau đó nhà quản lí sẽ
đưa ra dự báo dựa trên thông tin mà các chuyên gia cung cấp.
Có rất ít nghiên cứu về dự báo có sử dụng phương pháp loại suy, tuy nhiên thì các kết quả
đạt được lại rất khả quan. Green và Arstrong phát hiện ra rằng các phương pháp loại suy thì
có kết quả chính xác hơn sự phán đoán không có cơ sở trong việc đưa ra 8 kết quả dự báo trái
ngược nhau. (Có thể truy cấp trang web conflictforcasting.com để biết thêm thông tin chi tiết
về các phương pháp loại suy).
1.2.1.5. Lý thuyết trò chơi (Game theory)
Lý thuyết trò chơi đã được giới thiệu trong nhiều cuốn sách và tài liệu nghiên cứu. Nó
là một biện pháp để đạt được kết quả dự báo chuẩn hơn trong các tình huống có liên quan
đến các cuộc đàm phán hoặc các cuộc xung đột khác. Có khoảng 147.300 địa chỉ tìm kiếm
“game theory” và “forcasting” hoặc “prediction” trên Google. Mặc dù đã có nhiều nỗ lực
nghiên cứu nhưng vẫn không có nghiên cứu nào kiểm tra được khả năng dự báo của lý thuyết
trò chơi một cách trực tiếp. Tuy nhiên thì Green (2002 và 2005) đã kiểm tra khả năng của các
học giả viết thuyết trò chơi, những học giả này đã sử dụng lý thuyết trò chơi để dự báo 8 tình
huống thực tế. Trong nghiên cứu đó thì họ đã không chính xác hơn các sinh viên đại học.
1.2.1.6. Sự phân tích mang tính phán đoán (Judgmental Decomposition)
Ý tưởng chính đằng sau phương pháp phân tích mang tính phán đoán này là nhằm
phân chia vấn đề dự báo thành nhiều phần nhỏ để việc dự báo được dễ dàng hơn. Sau đó sẽ

quan trọng khi mà các thông tin trước đó không đủ để dự báo.
1.2.1.8. Hệ chuyên gia (Expert systems)

TÀI LIỆU THAM KHẢO
1. Tiếng Việt
[1]. Nguyễn Quý Hỷ (2003), Các mô hình ứng dụng của Lý thuyết đổi mới.
[2]. Hội ứng dụng Toán học Việt nam (2002), Hội thảo khoa học Ứng dụng Toán học trong một số
ngành Khoa học và Kỹ thuật quan trọng.
[3]. Hội Toán học Việt nam (2005), Tóm tắt báo cáo Hội nghị toàn quốc lần thứ hai về Ứng dụng
Toán học.
[4]. Số liệu ngành điện 1985 - 1995.
[5]. Niên giám thống kê ngành điện 1996 – 2000
[6]. Niên giám thống kê ngành điện 2001 – 2005
[7]. Nguyễn Văn Hữu, Nguyễn Hữu Dư (2003), Phân tích thống kê và dự báo, Nhà xuất bản Đại
học Quốc gia Hà nội.
[8]. Nguyễn Hồ Quỳnh (2003), Chuỗi thời gian – Phân tích và nhận dạng, Nhà xuất bản Khoa học
và Kỹ thuật.


[9]. Nguyễn Văn Phúc (2004), Các phương pháp dự báo kinh tế và khả năng áp dụng cho thành
phố Hồ Chí Minh, Viện kinh tế TP. Hồ Chí Minh
[10]. Trần Văn Thái, Phát hiện tri thức theo mùa vụ từ cơ sở dữ liệu chuỗi thời gian

2. Tiếng Anh
[11]. Bo Q.Lin (March 2003), Electricity Deman in the People’s Republic of China:
Investement Requiretment and Environtmental impact.
[12]. J. Scott Armstrong and Kesten C. Green (September 2005), Demand Forecasting:
Evidence-based Methods.