การเปรียบเทียบตัวแบบการพยากรณ์ยอดขายเครื่องปรับอากาศโดยวิธีปรับให้เรียบเอ็กซ์โพเนนเชียลแบบโฮลท์-วินเทอร์, วิธีบ็อกซ์-เจนกินส์ และวิธีโครงข่ายประสาทเทียม
Article Sidebar
Main Article Content
บทคัดย่อ
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาหาตัวแบบสำหรับการพยากรณ์ยอดขายเครื่องปรับอากาศ รุ่น A-3 โดยใช้ข้อมูลยอดขายเครื่องปรับอากาศ จำนวน 132 ค่า ตั้งแต่เดือนเมษายน พ.ศ. 2548 ถึงเดือนมีนาคม พ.ศ. 2559 ซึ่งผู้วิจัยได้แบ่งข้อมูลออกเป็น 2 ชุด ดังนี้ ชุดที่ 1 เป็นข้อมูลตั้งแต่เดือนเมษายน พ.ศ. 2548 ถึงเดือนมีนาคม พ.ศ. 2558 สำหรับการสร้างและคัดเลือกตัวแบบพยากรณ์ด้วยวิธีปรับให้เรียบเอ็กซ์โพเนนเชียลแบบโฮลท์-วินเทอร์ วิธี บ็อกซ์-เจนกินส์ และวิธีโครงข่ายประสาทเทียม ส่วนชุดที่ 2 เป็นข้อมูลตั้งแต่เดือนเมษายน พ.ศ. 2558 ถึงเดือนมีนาคม พ.ศ. 2559 สำหรับการเปรียบเทียบประสิทธิภาพของตัวแบบพยากรณ์ โดยใช้เกณฑ์ค่ารากที่สองของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (root mean square error, RMSE) เป็นเครื่องมือวัดประสิทธิภาพของตัวแบบพยากรณ์ ส่วนค่าเฉลี่ยของเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ (mean absolute percentage error, MAPE) ใช้เพื่อแสดงเปอร์เซ็นต์ของค่าความคลาดเคลื่อนจากค่าจริง ผลการศึกษาพบว่าตัวแบบพยากรณ์ที่ได้จากวิธีปรับให้เรียบเอ็กซ์โพเนนเชียลแบบโฮลท์-วินเทอร์ให้ความถูกต้องของการพยากรณ์ยอดขายเครื่องปรับอากาศรุ่น A-3 มากที่สุด ซึ่งมีค่า RMSE ของข้อมูลชุดที่ 1 เท่ากับ 4,252.7092 และมีค่า MAPE ของข้อมูลชุดที่ 2 เท่ากับ 14.26 %
คำสำคัญ : เครื่องปรับอากาศ; การพยากรณ์; วิธีปรับให้เรียบเอ็กซ์โพเนนเชียลแบบโฮลท์-วินเทอร์; วิธีบ็อกซ์-เจนกินส์; วิธีโครงข่ายประสาทเทียม
Article Details
เอกสารอ้างอิง
[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.
