การพัฒนาระบบตรวจสอบค่าผิดปกติในข้อมูลอนุกรมเวลาอัตโนมัติ กรณีศึกษา : การประปาส่วนภูมิภาค

Name: อิศรา คงสระบุตร์

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วท.ม. (เทคโนโลยีสารสนเทศ) 2562

Classification :.LCCS: QA280

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. สาขาเทคโนโลยีสารสนเทศ -- วิทยานิพนธ์

ThaSH: การวิเคราะห์อนุกรมเวลา

ThaSH: ข้อมูลผิดปกติ (สถิติ)

Abstract: สาเหตุหลักอย่างหนึ่งของการพยากรณ์ข้อมูลที่ไม่ถูกต้องคือข้อมูลที่นำมาใช้อาจมีค่าผิดปกติปะปนมาด้วย ในกรณีของการประปาส่วนภูมิภาค ความไม่ถูกต้องในการวิเคราะห์และ คาดการณ์จำนวนผู้ใช้นำนั้นเกิดจากค่าผิดปกติที่ปนอยู่ในแหล่งข้อมูลบางสาขารวบรวมข้อมูลผิดพลาด เช่น จำนวนผู้ใช้น้ำที่สูงหรือต่ำมากผิดปกติสิ่งนี้มีผลกระทบโดยตรงต่อคุณภาพและ ความน่าเชื่อถือของความแม่นยำในการทำนาย ดังนั้นการตรวจสอบ "ค่าผิดปกติ" ก่อนนำข้อมูลไปวิเคราะห์จึงมีความสำคัญต่อผลลัพธ์ของการพยากรณ์ข้อมูลได้อย่างแม่นยำ วิทยานิพนธ์นี้มีวัตถุประสงค์เพื่อตรวจสอบค่าผิดปกติในข้อมูลอนุกรมเวลา คือ จำนวนผู้ใช้น้ำเพิ่มในแต่ละเดือน โดยนำเสนอวิธีตรวจสอบค่าผิดปกติสองวิธี: (1) Autoregressive Integrated Moving Average (ARIMA) และ (2) วิธี Median Absolute Deviation (MAD) ประยุกต์ใช้เทคนิคการจัดกลุ่ม (K-Mean) ร่วมกับวิธี MAD เป็นขั้นตอนก่อนการประมวลผลเพื่อระบุพารามิเตอร์ที่เหมาะสมสำหรับวิธีการตรวจจับค่าผิดปกติทั้งสองแบบ ผลการวิจัยพบว่าด้วยค่าพารามิเตอร์ที่ได้การแบ่งกลุ่มสามารถกำหนดพารามิเตอร์ที่ใช้ในแต่ละวิธีได้อย่างเหมาะสม ทั้ง ARIMA และ MAD ทำให้ผลการหาค่าผิดปกติมีความถูกต้องและแม่นยำ One main cause of inaccurate forecasts is that data may contain noises and outliers. In the case of the Provincial Waterworks Authority (PWA), the inaccuracy of analyzing and forecasting the number of water users is due to outliers contained in data sources. Some branches of PWA collected errors such as the very high or very low number of water users. This has a direct impact on the quality and reliability of the predictive accuracy output. The removal of the “outliers” is thus critical for accurate interpretation of the data. The purpose of this paper is to detect outliers in water consumption time series data. We examined two techniques: (1) a method based on autoregressive integrated moving average (ARIMA) time series modeling and (2) median absolute deviation (MAD). A clustering technique (K-Mean) is used with MAD for a pre-processing step in order to identify appropriate parameters for the two outliers detection techniques. The results showed that, with the precise parameter values obtained from K-Mean, both ARIMA and MAD performed very well on water consumption time series data. The two techniques are able to generate high sensitivity and specificity outputs

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: กฤษณะ ไวยมัย

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Name: หัชทัย ชาญเลขา

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์ร่วม

Created: 2562

Modified: 2568-07-03

Issued: 2568-07-03

วิทยานิพนธ์/Thesis

application/pdf

URL: https://www.lib.ku.ac.th/KUthesis/2562/isara-kho-all.pdf

CallNumber: QA280 .อ38

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	isara-kho-all.pdf	3.31 MB

ใช้เวลา

0.027576 วินาที