https://li01.tci-thaijo.org/index.php/pajrmu/issue/feed 2026-01-30T10:01:56+07:00 Asst.Prof. Chutharat Kanchan, Ph.D. prawarun.j@rmu.ac.th Open Journal Systems <p><strong>นโยบายและขอบเขตการตีพิมพ์บทความในวารสารเกษตรพระวรุณ </strong></p> <p>1. เป็นบทความวิจัย (Research article) บทความปริทัศน์ (Review article) หรือบทความทางวิชาการ (Academic article) ทางด้านเกษตรศาสตร์และเทคโนโลยีการเกษตรที่เกี่ยวข้อง ได้แก่ พืชศาสตร์ สัตวศาสตร์ ประมง วิทยาศาสตร์สุขภาพสัตว์ วิทยาศาสตร์การอาหารและอุตสาหกรรมการเกษตร ธุรกิจการเกษตร ส่งเสริมการเกษตร สารสนเทศการเกษตร นวัตกรรมการเกษตร และนวัตกรรมเทคโนโลยีเครื่องจักรกลการเกษตร เป็นต้น </p> <p>2. ต้องไม่เคยได้รับการตีพิมพ์มาก่อน (ต้นฉบับหรือส่วนหนึ่งส่วนใดของต้นฉบับ) และต้นฉบับต้องไม่อยู่ระหว่างกระบวนการพิจารณาลงตีพิมพ์ในวารสารหรือสิ่งตีพิมพ์อื่นใด</p> <p><strong>การตรวจสอบการตีพิมพ์ </strong></p> <p>บทความทุกบทความที่ตีพิมพ์ในวารสารเกษตรพระวรุณต้องผ่านกระบวนการพิจารณาเพื่อตอบรับการตีพิมพ์ โดยกองบรรณาธิการประกอบด้วย</p> <p>กระบวนการที่ 1: กลั่นกรองเบื้องต้นในรูปแบบการพิมพ์ ขอบเขตของเนื้อหา และความสมบูรณ์ของบทความ </p> <p>กระบวนการที่ 2: กลั่นกรองต้นฉบับโดยผู้ทรงคุณวุฒิซึ่งเป็นบุคคลภายนอกจากหลากหลายสถาบัน จำนวน 3 ท่าน ในประเด็นความเหมาะสมตามเกณฑ์คุณภาพของบทความแต่ละประเภทรวมถึงองค์ความรู้ใหม่ที่ค้นพบในรูปแบบ <strong>"DOUBLE BLINED REVIEW"</strong></p> <p><strong>กำหนดการเผยแพร่วารสาร ปีละ 2 ฉบับ </strong></p> <p><strong>- ฉบับที่ 1: เดือนมกราคม - เดือนมิถุนายน</strong></p> <p><strong>- ฉบับที่ 2: เดือนกรกฎาคม - เดือนธันวาคม </strong></p> https://li01.tci-thaijo.org/index.php/pajrmu/article/view/268605 2025-09-11T13:05:53+07:00 ณิฏะญาร์ บรรเทา nitaya.bu@rmu.ac.th พูนศักดิ์ ศิริโสม poonsaksirisom@gmail.com ปรมาภรณ์ แสงภารา paramaporn.sa@rmu.ac.th วริดา พลาศรี warida.pa@rmu.ac.th อุเทน จิณโรจน์ auten374@gmail.com รดา สมเขื่อน rada@rmutl.ac.th

<p>ฝุ่นละอองขนาดเล็กไม่เกิน 2.5 ไมครอน (PM2.5) เป็นปัญหาสำคัญที่ส่งผลกระทบต่อสุขภาพ สิ่งแวดล้อม และภาคการเกษตรของประเทศไทย โดยเฉพาะในช่วงฤดูแล้งที่ระดับฝุ่นมักเกินค่ามาตรฐาน งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองสำหรับการพยากรณ์ (Forecasting Model) ค่าฝุ่น PM2.5 โดยเปรียบเทียบวิธีการพยากรณ์อนุกรมเวลา (Time Series Forecasting Methods) ได้แก่ วิธีโฮลท์–วินเทอร์ส (Holt–Winters) และเออาร์ไอม่า (ARIMA) กับเทคนิคการเรียนรู้ของเครื่อง (Machine Learning Techniques) ได้แก่ เรนดอมฟอเรสต์ (Random Forest) และซัพพอร์ตเวกเตอร์รีเกรสชัน (Support Vector Regression: SVR) ใช้ข้อมูลรายเดือนจากกรุงเทพมหานคร เชียงใหม่ ขอนแก่น และสงขลา ครอบคลุมช่วงปี พ.ศ. 2561–2567 โดยแบ่งข้อมูลตามลำดับเวลาเป็นชุดฝึก (Training Set) และชุดทดสอบ (Test Set) ในสัดส่วน 80:20 และประเมินความแม่นยำด้วยตัวชี้วัด รากที่สองของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Squared Error: RMSE) และค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ (Mean Absolute Error: MAE) ผลการศึกษาพบว่าเรนดอมฟอเรสต์ (Random Forest) ให้ค่าความคลาดเคลื่อนต่ำที่สุดในทุกพื้นที่ โดยเฉพาะจังหวัดที่มีความผันผวนสูง เช่น เชียงใหม่และขอนแก่น ขณะที่เอสวีอาร์ (SVR) ให้ผลลัพธ์แม่นยำน้อยกว่า แบบจำลองอนุกรมเวลา (Time Series Models) ยังคงให้ผลลัพธ์ที่ดีในพื้นที่ที่ข้อมูลมีความต่อเนื่อง เช่น สงขลา โดยปัจจัยสำคัญที่มีผลต่อความแม่นยำของแบบจำลอง ได้แก่ ตัวแปรแบบหน่วงเวลา (Lag Variables) และค่าเฉลี่ยเคลื่อนที่ (Moving Average) แบบจำลองที่พัฒนาขึ้น โดยเฉพาะเรนดอมฟอเรสต์ (Random Forest) แสดงศักยภาพสูงในการนำไปประยุกต์ใช้เป็นระบบแจ้งเตือนคุณภาพอากาศ (Air Quality Alert System) และสนับสนุนการตัดสินใจเชิงนโยบายด้านสิ่งแวดล้อมและภาคการเกษตรอย่างยั่งยืน</p>

2026-01-30T00:00:00+07:00 ลิขสิทธิ์ (c) 2026 วารสารเกษตรพระวรุณ มหาวิทยาลัยราชภัฏมหาสารคาม