การเปรียบเทียบอัลกอริทึมสำหรับการพยากรณ์มูลค่าการส่งออกของวิสาหกิจขนาดกลางและขนาดย่อมของไทย

A comparison of algorithms for export value forecast of Thai small and medium enterprises

Name: อภิศักดิ์ สุโน

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : s6407021857174@kmutnb.ac.th

Name: วัชรีวรรณ จิตต์สกุล

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : watchareewan.j@itd.kmutnb.ac.th

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

ThaSH: วิสาหกิจชุมชน

ThaSH: พยากรณ์การขาย

Abstract: งานวิจัยนี้ มีวัตถุประสงค์เพื่อเปรียบเทียบอัลกอริทึม สำหรับการพยากรณ์มูลค่าการส่งออกของวิสาหกิจ ขนาดกลางและขนาคย่อมของไทย โคยใช้ข้อมูลย้อนหลัง จากสำนักงานส่งเสริมวิสาหกิจขนาดกลางและขนาดย่อม (สสว.) ที่มีลักษณะเป็นรายเดือน ตั้งแต่เคือนมกราคม พ.ศ. 2556 ถึงเดือนธันวาคม พ.ศ. 2564 รวม 9 ปี จำนวน ทั้งสิ้น 108 เดือน ทำการเปรียบเทียบประสิทธิภาพ ในการพยากรณ์จำนวน 3 อัลกอริทึม ได้แก่ วิธีอารีมา วิธีโครงข่ายประสาทเทียม และวิธีผสมผสาน วัด ประสิทธิภาพโคยใช้ค่าร้อยละความคลาดเคลื่อนสัมบูรณ์ เฉลี่ย ผลการวิจัยพบว่า วิธีอารีมาให้ประสิทธิภาพ ในการพยากรณ์แม่นยำที่สุค โคยให้ค่าร้อยละ ความคลาดเคลื่อนสัมบูรณ์เฉลี่ยต่ำที่สุคเท่ ากับร้อยละ 44 รองลงมา คือ วิธี โครงข่ายประสาทเทียมร้อยละ 8.6 และ วิธีผสมผสานร้อยละ 9.6 ตามลำคับ

Abstract: The objective of this research is to compare different algorithms for forecasting the export value of Thai small and medium enterprises. Using monthly historical data from the Office of Small and Medium Enterprises Promotion (OSMEP) from January 2013 to December 2021, including 9 years by 108 records. Then, comparing the forecasting efficiency of the model with 3 algorithms: Autoregressive Integrated Moving Average (ARIMA) method, the Artificial neural network (ANN) method, and the hybrid method (ARIMA-ANN) by using percent mean absolute error (MAPE). The results showed that the ARIMA method was the most accurate in forecasting with the lowest MAPE at 4.4%, followed by the neural network method at 8.6% and the hybrid method at 9.6%, respectively.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2566

Modified: 2024-03-20

Issued: 2567-01-02

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ คณะเทคโนโลยสารสนเทศและนวัตกรรมดิจิทัล. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 19 (NCCIT 2023) (pp.263-269). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2023pp.263-269.pdf	432.04 KB	3	2025-02-25 21:32:03

ใช้เวลา

0.02664 วินาที