การวิเคราะห์แนวโน้มการปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) ในภาคขนส่ง โดยใช้อัลกอริทึมเหมืองข้อมูล

Trend Analysis of CO2 Emissions in the Transport Sector Using Data Mining Algorithms

Name: ปรีชาเกียรติ กอนแก้ว

Name: วันชัย ใจศร

Name: รุจิพันธุ์ โกษารัตน์

Name: ธนิต เกตุแก้ว

keyword: การปล่อยก๊าซคาร์บอนไดออกไซด์

; การเหมืองข้อมูล

; เทคนิคการแบ่งกลุ่มข้อมูล

; การวิเคราะห์ข้อมูลถดถอยเชิงเส้น

; เทคนิคการสุ่มป่าไม้

; CO2 Emissions

; Data Mining

; K-means

; Linear Regression

; Random Forest

Abstract: การวิเคราะห์แนวโน้มการปล่อยก๊าซคาร์บอนไดออกไซด์ในภาคขนส่งเป็นประเด็นสําคัญที่ส่งผลต่อสิ่งแวดล้อมและ สุขภาพมนุษย์ งานวิจัยนี้เน้นการประยุกต์ใช้เทคนิคเหมืองข้อมูล ได้แก่ การแบ่งกลุ่มข้อมูล การวิเคราะห์ถดถอยเชิงเส้น และการสุ่มป่าไม้ เพื่อจัดกลุ่มและทํานายแนวโน้มการปล่อย CO2 โดยใช้ข้อมูลจากการใช้เชื้อเพลิงนํ้ามันในอดีต พร้อมประเมินประสิทธิภาพของแต่ละเทคนิคด้วยตัวชี้วัด เช่น ค่าความคลาดเคลื่อนเฉลี่ยเชิงสัมบูรณ์ ค่ารากที่สอง ของความคลาดเคลื่อนกําลังสองเฉลี่ย และค่าสัมประสิทธิ์การกําหนด จากผลการวิจัยพบว่า เทคนิคการสุ่มป่าไม้ มีความแม่นยําสูงสุด โดยให้ค่าสัมประสิทธิ์การกําหนดถึงร้อยละ 97.14 ในขณะที่เทคนิคถดถอยเชิงเส้นและการแบ่ง กลุ่มข้อมูลมีค่าอยู่ที่ร้อยละ 86.58 และ 51.14 แสดงให้เห็นถึงศักยภาพของการสุ่มป่าไม้ในการพยากรณ์การปล่อยก๊าซ ในอนาคตเพื่อใช้ในการวางแผนลดก๊าซเรือนกระจก

Abstract: Analyzing trends in carbon dioxide (CO2) emissions in the transportation sector is a critical issue that impacts both the environment and human health. This research focuses on the application of data mining techniques—namely clustering, linear regression analysis, and random forest—to group and predict future CO2 emission trends. Historical fuel consumption data was used as the primary input for analysis. The performance of each technique was evaluated using metrics such as Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and the coeffi cient of determination (R2). The results revealed that the random forest technique provided the highest accuracy, achieving an R2 of 97.14 %. In comparison, linear regression and clustering yielded R2 values of 86.58 % and 51.14 %. These fi ndings highlight the potential of the random forest algorithm as an effective tool for forecasting carbon emissions to support greenhouse gas reduction planning efforts.

มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน สำนักวิทยบริการและเทคโนโลยีสารสนเทศ

Address: นครราชสีมา

Email: library@rmuti.ac.th

Created: 2568

Modified: 2569-03-16

Issued: 2569-03-16

บทความ/Article

application/pdf

ISBN: 3027-6756

BibliograpyCitation : วารสารวิทยาศาสตร์ ปีที่ 18 ฉบับที่ 2 (2025) หน้า 56-66

tha

©copyrights มหาวิทยาลัยเทคโนโลยีราชมงคล อีสาน

ใช้เวลา

0.019347 วินาที