การพยากรณ์ด้วยการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังแบบโฮลท์-วินเทอร์ โดยใช้การประมาณค่าพารามิเตอร์ด้วยขั้นตอนวิธีการถ่ายละอองเรณูดอกไม้

Holt-winters exponential smoothing forecasting using flower pollination algorithm based parameter estimation

Name: ศุภรดา จันต๊ะ

Organization : มหาวิทยาลัยเชียงใหม่. คณะวิทยาศาสตร์

Name: พิมผกา ธานินพงศ์

Organization : มหาวิทยาลัยเชียงใหม่. คณะวิทยาศาสตร์

Name: วฐา มินเสน

Organization : มหาวิทยาลัยเชียงใหม่. คณะวิทยาศาสตร์

Email : wathaminsan@gmail.com

keyword: การถ่ายละอองเรณูดอกไม้

ThaSH: การประมาณค่าพารามิเตอร์

; การปรับเรียบด้วยเส้นโค้งเลขชี้กำลังแบบโฮลท์-วินเทอร์

ThaSH: พยากรณ์

Abstract: การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบการสร้างตัวแบบและการพยากรณ์การปรับเรียบด้วยเส้นโค้งเลขชี้กำลังแบบโฮลท์-วินเทอร์ (Holt-Winters Exponential Smoothing Method: HWS) ด้วยวิธีการ 2 วิธี คือ ขั้นตอนวิธีการถ่ายละอองเรณูดอกไม้ (Flower Pollination Algorithm: FPA) และวิธีเจเนอรัลรีดิวซ์เกรเดียน (Generalized Reduced Gradient: GRG2) ข้อมูลอนุกรมเวลา ที่ใช้ในการศึกษาครั้งนี้เป็นข้อมูลปริมาณการส่งออกสินค้าเกษตรรายเดือนจากเว็บไซต์ของสำนักงานเศรษฐกิจการเกษตรที่ถูกสุ่มมาศึกษา จำนวน 7 สินค้า ตั้งแต่เดือนมกราคม พ.ศ. 2549 ถึงเดือนธันวาคม พ.ศ. 2559 โดยใช้ข้อมูลตั้งแต่เดือนมกราคม พ.ศ. 2549 ถึงเดือน ธันวาคม พ.ศ. 2558 สำหรับการสร้างตัวแบบหรือเรียกว่าชุดเรียนรู้ และใช้ข้อมูลตั้งแต่เดือนมกราคม พ.ศ. 2559 ถึงเดือนธันวาคม พ.ศ. 2559 สำหรับเปรียบเทียบความถูกต้องของตัวแบบหรือเรียกว่าชุดทดสอบ โดยใช้เกณฑ์ค่าคลาดเคลื่อนสมบูรณ์เฉลี่ย (Mean Absolute Error: MAE) ที่ต่ำที่สุดเป็นเกณฑ์ในการเปรียบเทียบผลการศึกษาพบว่า วิธี FPA มีค่า MAE ต่ำสุดจำนวน 5 สินค้า และวิธี GRG2 มีค่า MAE ต่ำสุดจำนวน 2 สินค้า ดังนั้นตัวแบบการพยากรณ์ข้อมูลอนุกรมเวลาโดยวิธี FPA เป็นวิธีที่มีประสิทธิภาพดีกว่าตัวแบบการพยากรณ์ข้อมูลโดยวิธี GRG2

Abstract: The objective of this study is to compare the methods of parameter estimation; Flower Pollination algorithm (FPA) and Generalized Reduced Gradient (GRG2) in the forecasting model using Holt-Winters exponential smooth method. The time series used are the monthly export volumes of the seven products of January 2006 to December 2016, collected from the website of the Office of Agricultural Economics.The dataset from January 2006 to December 2015 was used as training data and the dataset from January 2016 to December 2016 was used as testing data. The evaluation metric used for comparison is the lowest Mean Absolute Error (MAE). The results show that the estimated parameters from the FPA algorithm gives the lowest MAE in the forecasting model in five products while the GRG2 method gives the lowest MAE in the forecasting model in two products. As a result, the FPA algorithm is more effective than the GRG2 method.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2561

Modified: 2564-05-25

Issued: 2564-05-25

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยหัวเฉียวเฉลิมพระเกียรติ คณะวิทยาศาสตร์และเทคโนโลยี. การประชุมวิชาการวิทยาศาสตร์และเทคโนโลยีระหว่างสถาบัน ครั้งที่ 6 (ASTC 2018) (BS-006). สมุทรปราการ : มหาวิทยาลัยหัวเฉียวเฉลิมพระเกียรติ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	ASTC 2018BS-006.pdf	663.96 KB	4	2025-10-04 22:09:53

ใช้เวลา

0.03632 วินาที