การเปรียบเทียบตัวแบบการพยากรณ์ยอดขายเครื่องปรับอากาศโดยวิธีปรับให้เรียบเอ็กซ์โพเนนเชียลแบบโฮลท์-วินเทอร์, วิธีบ็อกซ์-เจนกินส์ และวิธีโครงข่ายประสาทเทียม

Main Article Content

พรรณิภา คุ้มสิน
สมศรี บัณฑิตวิไล

Abstract

Abstract


This research objective is to study the forecasting models for the air conditioner sales model A-3. The data collected from April, 2005 to March, 2016 of 132 values were used and divided into 2 sets. The first set had 120 values from April, 2005 to March, 2015 for constructing and selection the forecasting models by Holt-Winters exponential smoothing method, Box-Jenkins method and artificial neural networks. The second set had 12 values from April, 2015 to March, 2016 for comparing performance of the forecasting model which used root mean square error (RMSE) as a criteria and mean absolute percentage error (MAPE) to show percentage of error. The result suggest that the forecasting by Holt-Winters exponential smoothing method has the highest forecasting accuracy which the RMSE was 4,252.7092 for first set and the MAPE was 14.26 % for second set respectively. 


Keywords: air conditioner; forecasting; Holt-Winters exponential smoothing method; Box-Jenkins method; artificial neural networks

Downloads

Download data is not yet available.

Article Details

Section
วิทยาศาสตร์กายภาพ
Author Biographies

พรรณิภา คุ้มสิน

ภาควิชาสถิติประยุกต์ คณะวิทยาศาสตร์ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง ถนนฉลองกรุง เขตลาดกระบัง กรุงเทพมหานคร 10520

สมศรี บัณฑิตวิไล

ภาควิชาสถิติประยุกต์ คณะวิทยาศาสตร์ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง ถนนฉลองกรุง เขตลาดกระบัง กรุงเทพมหานคร 10520

References

[1] ทรงศิริ แต้สมบัติ, 2553, การพยากรณ์เชิงปริมาณ, สำนักพิมพ์มหาวิทยาลัยเกษตรศาสตร์, กรุงเทพฯ, 487 น.
[2] ดาว สงวนรังศิริกุล, หรรษา เชี่ยวอนันตวานิช และมณีรัตน์ แสงเกษม, 2558, การศึกษาเปรียบเทียบเพื่อหาตัวแบบที่เหมาะสมสำหรับการพยากรณ์จำนวนผู้ป่วยที่เป็นโรคเฝ้าระวังทางระบาดวิทยาในกรุงเทพมหานคร, ว.วิจัยและพัฒนา มจธ. 38: 35-55.
[3] ภูมิฐาน รังคกูลนุวัฒน์, 2556, การวิเคราะห์อนุกรมเวลาสำหรับเศรษฐศาสตร์และธุรกิจ, สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย, กรุงเทพฯ, 440 น.
[4] สมศรี บัณฑิตวิไล, 2558, อนุกรมเวลาและเลขดัชนี เล่ม 2, เอกสารประกอบการสอน, สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง, กรุงเทพฯ, 102 น.
[5] พยุง มีสัจ, 2555, ระบบฟัซซีและโครงข่ายประสาทเทียม, มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ, กรุงเทพฯ, 394 น.
[6] Singh, A. and Mishra, G.C., 2015, Application of Box-Jenkins method and artificial neural networks procedure for time series forecasting of prices, Stat. Trans. New Ser. 16: 83-96.
[7] Xia, Y., 2016, An empirical analysis about forecasting Tmall air-conditioning sales using time series model, Int. J. Eng. Res. Sci. 2: 45-49.
[8] Harvey, M. and Arthur, C., 2004, Fitting Models to Biological Data Using Linear and Nonlinear Regression: A Practical Guide to Curve Fitting, Oxford University Press, New York, 352 p.
[9] ธนาวุฒิ ประกอบผล, 2552, โครงข่ายประสาทเทียม, ว. มฉก. วิชาการ 12: 73-87.
[10] Hagan, M., Demuth, H. and Beale, M., 1996, Neural Networks Design, University of Colorado Bookstore, USA., 1012 p.
[11] Satish, K., 2012, Neural Networks: A Classroom Approach, McGraw Hill Education, Columbus, 730 p.