การใช้เทคนิคโครงข่ายประสาทเทียมเชิงลึกเพื่อพยากรณ์ ผลผลิตต่อไร่ข้าวหอมมะลิในภาคตะวันออกเฉียงเหนือของไทย

Using deep neural networks for Thai jasmine rice yield prediction in the northeastern region of Thailand

Name: อานนท์ บุญญวัฒนะ

ThaSH: ข้าวหอมมะลิ

ThaSH: ข้าว -- ผลผลิตต่อไร่

ThaSH: ข้าว -- การปลูก -- ไทย (ภาคตะวันออกเฉียงเหนือ)

ThaSH: เครือข่ายประสาทเทียม

Abstract: งานวิจัยฉบับนี้มีวัตถุประสงค์เพื่อศึกษาปัจจํยที่มีอิทธิพลต่อผลผลิตต่อไร่ของข้าวหอมมะลิใน ภาคตะวันออกเฉียงเหนือด้วยวิธีการถดถอยแบบป่าสุ่มและเปรียบเทียบประสิทธิภาพของโมเดล พยากรณ์ระหว่าง Bidirectional Long Short-Term Memory (BILSTM) กับ Bidirectional Gated Recurrent Unit (BIGRU) ผลการศึกษาพบว่าปัจจัยที่มีผลต่อผลผลิตต่อไร่ของข้าวหอมมะลิทั้งหมด 9 ปัจจัย พบว่าทุกปัจจัยมีผลต่อผลผลิตต่อไร่ของข้าวหอมมะลิทั้งหมดและถ้านำมาเรียงลำดับจากมาก ไปน้อย 5 ปัจจํยแรก ได้แก่ ปริมาณเมล็ดพันธุ์ต่อไร่ การเพาะปลูกในเดือนพฤษภาคม เนื้อที่เก็บเกี่ยว ปริมาณปุ๋ยเคมีต่อไร่ และจำนวนวันฝนตก ส่วนโมเดลที่มีประสิทธิภาพในการพยากรณ์มากที่สุดคือ BIGRU ด้วยจำนวน Layer เท่ากับ 10 และขนาดของ Batch เท่ากับ 4 มีค่า MAPE อยู่ที่ร้อยละ 2.11 โดยใช้เวลาในการสร้างโมเดล 60.69 วินาที

สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: Lifelong@kmitl.ac.th

Name: พรพิมล ชัยวุฒิศักดิ์

Role: อาจารย์ที่ปรึกษาการค้นคว้าอิสระ

Email : pornpimol.ch@kmitl.ac.th

Created: 2567

Modified: 2567-11-11

Issued: 2567-11-11

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: สถิติและการวิเคราะห์ธุรกิจ

Grantor: สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

©copyrights สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Anon Boonyawattana.pdf	1.98 MB	8	2025-05-14 10:41:32

ใช้เวลา

0.02657 วินาที