การเปรียบเทียบวิธีการพยากรณ์สำหรับอนุกรมเวลาที่มีลักษณะไม่เป็นเชิงเส้นและไม่คงที่
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้ศึกษาการพยากรณ์อนุกรมเวลาที่มีลักษณะไม่เป็นเชิงเส้นและไม่คงที่ด้วยวิธีการพยากรณ์ 3 วิธี คือ วิธีบ็อกซ์และเจนกิ้นส์ (Box-Jenkins แบ่งอนุกรมเวลาที่จำลองขึ้นมาออกเป็น 2 ส่วน ส่วนที่ 1 มีจำนวน 150 ค่า ใช้สำหรับสร้างตัวแบบพยากรณ์ และส่วนที่ 2 มีจำนวน 20 ค่า ใช้สำหรับเปรียบเทียบประสิทธิภาพในการพยากรณ์ โดยใช้เกณฑ์เปรียบเทียบประสิทธิภาพในการพยากรณ์ คือ ค่า MSE และค่า MAPE ผลการศึกษาพบว่าวิธีบ็อกและเจนกิ้นส์ด้วยตัวแบบ ARIMA มีประสิทธิภาพในการพยากรณ์ดีที่สุดในการพยากรณ์อนุกรมเวลาที่มีแนวโน้มเอ็กซ์โปเนนเชียลที่มีเลขชี้กำลังบวกและโลจิสติก ในขณะที่วิธี EMD-ARIMA มีประสิทธิภาพในการพยากรณ์ดีที่สุดในการพยากรณ์อนุกรมเวลาที่มีแนวโน้มเอ็กซ์โปเนนเชียล โดยวิธี EEMD-ARIMA ด้วยตัวแบบ ARIMA วิธี empirical mode decomposition ด้วยตัวแบบ ARIMA ของวิธีบ็อกซ์และเจนกิ้นส์ (EMD-ARIMA) และวิธี ensemble empirical mode decomposition ด้วยตัวแบบ ARIMA ของวิธีบ็อกซ์และเจนกิ้นส์ (EEMD-ARIMA) โดยการจำลองข้อมูลอนุกรมเวลาจำนวน 170 ค่า ด้วยโปรแกรม R จำนวน 6 รูปแบบ คือ อนุกรมเวลาที่มีแนวโน้มโพลิโนเมียลอันดับสองและอันดับสาม อนุกรมเวลาที่มีแนวโน้มเอ็กซ์โปเนนเชียลที่มีเลขชี้กำลังบวกและกำลังลบ และอนุกรมเวลาที่มีแนวโน้มโลจิสติกที่มีเลขชี้กำลังบวกและกำลังลบ แทธิภาพในการพยากรณ์ดีที่สุดในการพยากรณ์อนุกรมเวลาที่มีแนวโน้มโพลิโนเมียล เอ็กซ์โปเนนเชียลที่มีเลขชี้กำลังลบและโลจิสติก
Article Details
เอกสารอ้างอิง
[2] Bao, Y., Yi, D. and Chen, J., 2012, Forecasting software reliability using Arima with ensemble empirical mode decomposition, Int. J. Model. Simul. 32: 104-110.
[3] Abadan, S. and Shabri, A., 2014, Hybrid empirical mode decomposition-ARIMA for forecasting price of rice, Appl. Math. Sci. 8: 3133-3143.
[4] Zhou, Y. and Huang, M., 2016, Lithium-ion batteries remaining useful life prediction based on a mixture of empirical mode decomposition and ARIMA model, Microelect. Reliab. 65: 265-273.
[5] Min, Y., Bin, Y., Liang-li, Z. and Xi, C., 2015, Wind Speed Forecasting Based on EEMD and ARIMA, Chinese Automation Congress, Wuhan.
[6] Polynomial, Available Source: https://en.wikipedia.org/wiki/Polynomial, June 5, 2018.
[7] Exponential Function, Available Source: https://en.wikipedia.org/wiki/Exponential_function, June 5, 2018.
[8] Logistic Function, Available Source: https://en.wikipedia.org/wiki/Logistic_function, June 5, 2018.
[9] Choopradit, B. and Chaipitak, S., 2018, Forecasting model for mango export volumes of Thailand, Naresuan Univ. J. Sci. Technol. 26(2): 74-85. (in Thai)
[10] Mantmin, M., 2006, Time Series Forecasting, Praguypruek Publisher, Bangkok. (in Thai)
[11] Huang, N. and Wu, Z., 2009, Ensemble empirical mode decomposition: A Noise assisted data analysis method, Adv. Adapt. Data Anal. 1: 1-12.
