Đồ án tốt nghiệp - Dự báo dữ liệu chuỗi thời gian sử dụng mô hình lai ghép Polynomial Classifier VA

Tên môn học: Khóa luận tốt nghiệp

Giá: 14.000đ

Tổng thanh toán:

14.000đ

Người đăng tải:

#10377

Chi tiết tài liệu :

Đồ án tốt nghiệp ngành Kỹ thuật dữ liệu - Dự báo dữ liệu chuỗi thời gian sử dụng mô hình lai ghép Polynomial Classifier và Arima - Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (HCMUTE)

Định dạng	PDF
Dung lượng	7.34 MB
Số trang	64
Ngành	Kỹ thuật dữ liệu

Lượt xem	5
Ngày đăng	03/01/2026

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN KỸ THUẬT DỮ LIỆU

NGUYỄN TRỊ QUỐC
- 20133084
TRƯƠNG THỊ THU SƯƠNG - 20133086
Đề tài:
DỰ BÁO DỮ LIỆU CHUỖI THỜI GIAN SỬ DỤNG MÔ HÌNH LAI
GHÉP POLYNOMIAL CLASSIFIER VÀ ARIMA
KHÓA LUẬN TỐT NGHIỆP

GIẢNG VIÊN HƯỚNG DẪN
TS. Nguyễn Thành Sơn

KHÓA 2020 – 2024

ĐH SƯ PHẠM KỸ THUẬT TP.HCM

KHOA CNTT
*******

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
*******

PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN
Họ và tên Sinh viên 1: Nguyễn Trị Quốc
MSSV: 20133084
Họ và tên Sinh viên 2: Trương Thị Thu Sương
MSSV: 20133086
Ngành: Kỹ Thuật Dữ Liệu
Tên đề tài: Dự báo dữ liệu chuỗi thời gian sử dụng mô hình lai ghép Polynomial classifier
và ARIMA
Họ và tên giảng viên hướng dẫn: TS. Nguyễn Thành Sơn
NHẬN XÉT:
1. Về nội dung đề tài &amp khối lượng thực hiện:
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
2. Ưu điểm:
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
3. Khuyết điểm
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
4. Đề nghị cho bảo vệ hay không?
5. Đánh giá loại:
6. Điểm:
Tp. Hồ Chí Minh, ngày… tháng… năm 2024
Giảng viên hướng dẫn
(Ký &amp ghi rõ họ tên)

ĐH SƯ PHẠM KỸ THUẬT TP.HCM

KHOA CNTT
*******

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
*******

PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN PHẢN BIỆN
Họ và tên Sinh viên 1: Nguyễn Trị Quốc
MSSV: 20133084
Họ và tên Sinh viên 2: Trương Thị Thu Sương
MSSV: 20133086
Ngành: Kỹ Thuật Dữ Liệu
Tên đề tài: Dự báo dữ liệu chuỗi thời gian sử dụng mô hình lai ghép Polynomial classifier
và ARIMA
Họ và tên giảng viên phản biện: ThS. Lê Thị Minh Châu
NHẬN XÉT:
1. Về nội dung đề tài &amp khối lượng thực hiện:
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
2. Ưu điểm:
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
3. Khuyết điểm
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
4. Đề nghị cho bảo vệ hay không?
5. Đánh giá loại:
6. Điểm:
Tp. Hồ Chí Minh, ngày… tháng… năm 2024
Giảng viên phản biện
(Ký &amp ghi rõ họ tên)

LỜI CẢM ƠN
Lời đầu tiên cho nhóm chúng tôi muốn bày tỏ lòng biết ơn sâu sắc đến Ban
Giám Hiệu Trường Đại học Sư phạm Kỹ Thuật Thành Phố Hồ Chí Minh đã tạo ra
một mô
...

...
ên dữ liệu mới.
Phát triển trang web trên máy chủ Đám mây: cuối cùng, chúng tôi dự
định phát triển một trang web trên máy chủ đám mây để người dùng có thể truy cập
giao diện dự đoán giá chứng khoán từ bất kỳ thiết bị nào có kết nối Internet. Chúng
tôi sẽ triển khai ứng dụng trên các dịch vụ đám mây như Amazon Web Services
(AWS) hoặc Microsoft Azure để đảm bảo sự ổn định và khả năng mở rộng của hệ
thống. Điều này sẽ giúp người dùng dễ dàng sử dụng và tin cậy vào các dự đoán giá
chứng khoán mà chúng tôi cung cấp.

48

Tài liệu tham khảo
[1]

T. N. L. Nguyễn, “Chuỗi thời gian là gì? What is time series?,” Viblo, 21 12
2022. [Trực tuyến]. Available: https://viblo.asia/p/chuoi-thoi-gian-la-giwhat-is-time-series-pgjLNd6w432.

[2]

T. N. L. Nguyễn, Tổng quan về Dự báo chuỗi thời gian, Viblo, 21 12 2022.
[Online]. Available: ttps://viblo.asia/p/tong-quan-ve-du-bao-chuoi-thoigian-y37LdwGYJov.

[3]

A. O. A. a. C. K. A. A. A. Ariyo, Stock Price Prediction Using the ARIMA
Model, in 16th International Conference on Computer Modelling and
Simulation, Cambridge, UK, 2014.

[4]

H. E.-B. a. S. A.-S. K. Assaleh, Predicting Stock Prices Using Polynomial
Classifiers: The Case of Dubai Financial Market, Journal of Intelligent
Learning Systems and Applications, vol. 3, no. 2, pp. 82-89, 2011.

[5]

H. Z. J. S. L. L. S. C. Li Wang, An ARIMA-ANN Hybrid Model for Time
Series Foreing, Systems Science in Industrial Sectors, vol. 30, no. 3, pp.
244-259, 2013.

[6]

Wikipedia,
Đa
thức,
Wikipedia,
[Online].
https://vi.wikipedia.org/wiki/%C4%90a_th%E1%BB%A9c.

[7]

P. Đ. Khanh, Mô hình ARIMA trong time series,
phamdinhkhanh.github.io, 12 December 2019. [Online]. Available:
https://phamdinhkhanh.github.io/2019/12/12/ARIMAmodel.html.

[8]

Excitedlord, SARIMA (Seasonal Autoregressive Integrated Moving
Average), GeeksforGeek, 24 May 2024. [Online]. Available:
https://www.geeksforgeeks.org/sarima-seasonal-autoregressive-integratedmoving-average/.

[9]

T. B. Phạm, Q. K. Bùi , T. Đ. Võ and T. S. Nguyễn , Thư Viện Số Đại Học
Sư Phạm Kỹ Thuât TP.HCM, 7 12 2023. [Online]. Available:
https://thuvienso.hcmute.edu.vn/doc/ung-dung-du-doan-gia-chung-khoanbang-mo-hinh-lai-ghep-giua-arima-va-rnn-858715.html.

Available:

[10] C. C. Phạm and T. S. Nguyễn, Thư Viện Số Đại Học Sư Phạm Kỹ Thuật
TP.HCM,
15
03
2022.
[Online].
Available:
https://thuvienso.hcmute.edu.vn/doc/-du-bao-tren-chuoi-thoi-gian-su-dungmo-hinh-lai-ghep-arima-va-rbfnn-661541.html.