แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
เจษฎาภรณ์ สุขศิริ. ระบบการพยากรณ์ราคาผลปาล์มน้ำมันคละผ่านเครือข่ายอินเทอร์เน็ต. ปริญญาโท(เทคโนโลยีสารสนเทศ). มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง. : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ, 2556.
ระบบการพยากรณ์ราคาผลปาล์มน้ำมันคละผ่านเครือข่ายอินเทอร์เน็ต
A palm oil price prediction system via the internet.
Name: เจษฎาภรณ์ สุขศิริ
ThaSH:
การวิเคราะห์อนุกรมเวลา
Abstract:
งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอระบบพยากรณ์ราคาผลปาล์มน้ำมันคละผ่านเครือข่ายอินเทอร์เน็ตโดยมีวัตถุประสงค์เพื่อคาดการณ์แนวโน้มราคาผลปาล์มน้ำมันคละในอนาคต โดยใช้กรณีศึกษาข้อมูลราคาผลปาล์มน้ำมันคละมีลักษณะเป็นข้อมูลอนุกรมเวลา จากสถาบันวิจัยปาล์มน้ำมันสุราษฎร์ธานีในระหว่างปี พ.ศ.2551 ถึง พ.ศ.2556 ทั้งนี้โครงข่ายประสาทเทียมถูกนำมาประยุกต์ใช้ในการสร้างโมเดลการเรียนรู้ ซึ่งมีชั้นซ่อนจำนวน 20 ชั้น และอัตราการเรียนรู้ 0.1 จากผลการทดสอบเมื่อเปรียบเทียบแบบจำลองการเรียนรู้โดยโครงข่ายประสาทเทียมกับการวิเคราะห์การถดถอย เทคนิคซัพพอร์ตเวกเตอร์รีเกรสชัน และเทคนิคเรเดียลเบซิสฟังก์ชัน โดยพิจารณาจากค่าความผิดพลาดจากอัตราการเรียนรู้ ผลการเปรียบเทียบแสดงให้เห็นว่าการสร้างแบบจำลอง โดยใช้เรเดียลเบซิสฟังก์ชัน มีค่าความผิดพลาดในการเรียนรู้ 0.2985 การวิเคราะห์การถดถอยมีค่าความผิดพลาดในการเรียนรู้ 0.0541 เทคนิคซัพพอร์ตเวกเตอร์รีเกรสชันมีค่าความผิดพลาดในการเรียนรู้ 0.0536 และ การเรียนรู้โดยโครงข่ายประสาทเทียมมีค่าความผิดพลาดในการเรียนรู้ที่ต่ำที่สุด 0.0418 แสดงให้เห็นว่าแบบจำลองการเรียนรู้โดยโครงข่ายประสาทเทียมมีประสิทธิภาพการทำนายถูกต้อง มากที่สุด ซึ่งเหมาะสมที่จะนำมาพัฒนาเป็นระบบพยากรณ์ราคาผลปาล์มน้ำมันคละผ่านเครือข่ายอินเทอร์เน็ต
Abstract:
The objective of this master project presents a palm oil price prediction system via the
Internet to forecast a price trend on the palm oil. In this paper, the data, which is collected from
Suratthani Oil Palm Research Center for 5 years, from 2008 to 2013. Herein, the Artificial
Neural Network is utilized to create a learning model with 20 hidden layers and 0.1 for learning
rate. From the experiment, the predicted accuracy comparison of created learning model was
considered, which was compared between the Artificial Neural Network, Linear Regression
Analysis, Support Vector Regression, and Radial Basis Function techniques. The results
showed that the mean square error (MSE) of learning model implemented by Radial Basis
Function, Linear Regression Analysis, Support Vector Regression and Artificial Neural
Network were 0.2958, 0.0541, 0.0536 and 0.0418, respectively. From the result, the Artificial
Neural Network had the lowest MSE, then it was implemented a learning model for a palm oil
price prediction system via the Internet.
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง
Address:
กรุงเทพมหานคร
Email:
library@kmutnb.ac.th
Name: สุนันฑา สดสี
Role:
ที่ปรึกษาสารนิพนธ์
Email :
sunantha_s@hotmail.com
Created:
2556
Modified:
2559-04-07
Issued:
2559-04-07
วิทยานิพนธ์/Thesis
application/pdf
CallNumber:
E-THESIS
tha
DegreeName: วิทยาศาสตร์มหาบัณฑิต
Level: ปริญญาโท
Descipline: เทคโนโลยีสารสนเทศ
©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ
RightsAccess:
ใช้เวลา
0.031077 วินาที
เจษฎาภรณ์ สุขศิริ
| Title | Contributor | Type |
|---|---|---|
| ระบบการพยากรณ์ราคาผลปาล์มน้ำมันคละผ่านเครือข่ายอินเทอร์เน็ต
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ เจษฎาภรณ์ สุขศิริ | สุนันฑา สดสี | วิทยานิพนธ์/Thesis |
สุนันฑา สดสี