Dự báo theo chuỗi thời gian là vấn đề đã thu hút sự quan tâm của nhiều nhà khoa học. Kể từ sau các nghiên cứu của Song và Chissom, nhiều mô hình và phương pháp đã được đề xuất. Các mô hình và phương pháp đề xuất này chủ yếu dựa trên chuỗi thời gian mờ và định nghĩa hình thức để xử lý tính mờ của dữ liệu. Năm 1996, Chen đã đề xuất một phương pháp mới, hiệu quả để giảm độ phức tạp thuật toán định nghĩa hình thức đã đề cập [1]. Năm 1998, Hwang và cộng sự đã đề xuất mô hình dự báo chuỗi thời gian mờ mới, theo đó mô hình sẽ xử lý dựa trên dữ liệu đã được biến đổi từ dữ liệu gốc. Nghiên cứu này đề xuất chuỗi thời gian ngôn ngữ dựa trên lý thuyết Đại số gia tử, trong đó các từ có ngữ nghĩa riêng được sử dụng thay các tập mờ. Bằng cách này, mối quan hệ logic giữa các từ ngữ dự báo có thể được thiết lập dựa trên sự biến đổi của chuỗi thời gian. Hiệu quả của mô hình đề xuất được chứng minh bằng cách áp dụng mô hình đề xuất để dự báo dữ liệu tuyển sinh đại học.
So far, the time series forecasting is a topic that has attracted the attention of many scientists. Since 1993, after the study by Song and Chissom [15], many models and methods have been proposed. All of the studies are based on fuzzy time series and formal definitions to handle the fuzziness of data. In 1996, Chen proposed a new and more effective method to reduce the complexity of the previously mentioned formal algorithms. In 1998, Hwang and colleagues introduced a new fuzzy time series forecasting model, which processes data that has transformed from the original data. This research proposes a linguistic time series based on the theory of Hedge Algebra theory, in which words with their own semantics are used instead of fuzzy sets. In this way, the logical relationship between the forecasting terms can be established based on the transformation of the time series. The effectiveness of the proposed model is demonstrated by applying it to forecast university admission data.