การเพิ่มความแม่นยำในการพยากรณ์ข้อมูลอนุกรมเวลาด้วยตัวแบบผสม ARIMA-ANN และการวิเคราะห์การถดถอย

Main Article Content

นัท กุลวานิช

บทคัดย่อ

การใช้วิธีการวิเคราะห์การถดถอยในการสร้างตัวแบบผสมแบบใหม่ระหว่างตัวแบบ ARIMA กับตัวแบบเครือข่ายประสาทเทียม ที่มีชื่อเรียกว่าตัวแบบผสม ARIMA-ANN-REG ให้ความแม่นยำในการพยากรณ์ดีกว่าตัวแบบผสมระหว่างตัวแบบ ARIMA กับตัวแบบเครือข่ายประสาทเทียมแบบดั้งเดิม ที่มีชื่อเรียกว่าตัวแบบผสม ARIMA-ANN งานวิจัยนี้ศึกษาและเปรียบเทียบความแม่นยำของค่าพยากรณ์ที่ได้จากตัวแบบ ARIMA และตัวแบบผสมระหว่าง ARIMA กับเครือข่ายประสาทเทียม (ARIMA-ANN) รวมทั้งตัวแบบผสมระหว่าง ARIMA กับเครือข่ายประสาทเทียม โดยอาศัยวิธีการวิเคราะห์การถดถอย (ARIMA-ANN-REG) โดยศึกษาเปรียบเทียบทั้งในส่วนของข้อมูลจำลองและข้อมูลจริง ข้อมูลจำลองที่ใช้ในการศึกษานั้นสร้างมาจากตัวแบบ ARIMA จำนวนทั้งสิ้น 8 ตัวแบบ และข้อมูลจริงนั้นได้มีการนำข้อมูลจริงทั้งหมด 6 ชุดข้อมูล ในประเทศไทยมาใช้ในการเปรียบเทียบ ผลการศึกษาพบว่าตัวแบบผสม ARIMA-ANN-REG มีความแม่นยำในการพยากรณ์สูงที่สุดทั้งชุดข้อมูลจริงและชุดข้อมูลจำลอง

Article Details

บท
Physical Sciences
Author Biography

นัท กุลวานิช, Chulalongkorn University

ภาควิชาสถิติ คณะพาณิชยศาสตร์และการบัญชี จุฬาลงกรณ์มหาวิทยาลัย แขวงวังใหม่ เขตปทุมวัน กรุงเทพมหานคร 10330

References

Taesombat, S., 2010, Quantitative Forecasting, Kasetsart University Press, Bangkok, 487 p. (in Thai)

Shumway, R.H. and Stoffer, D.S., 2010, Time Series Analysis and Its Applications with R Examples, 3rd Ed., Springer, Berlin, 576 p.

Zhang, P.G., 2003, Time series forecasting using a hybrid ARIMA and neural network model, Neurocomputing 50: 159-175.

Faruk, D.O., 2010, A hybrid neural network and ARIMA model for water quality time series prediction, Eng. Appl. Artif. Intell. 23: 586-594.

Meth, N., Saxena, V.P. and Pardasani, K.R., 2010, A comparison between hybrid approaches of ANN and ARIMA for Indian stock trend forecasting, Bus. Intell. J. 3: 23-43.

Koutroumanidis, T., Ioannou, K. and Arabatzis, G., 2009, Predicting fuel wood prices in Greece with the use of ARIMA models artificial neural networks and a hybrid ARIMA-ANN model, Energy Pol. 37: 3627-3634.

Ebrahimi, A., 2019, Time series forecasting of styrene price using a hybrid ARIMA and neural network model, Indep. J. Manag. Prod. 10: 915-933.

Siripanich, P., Nillaporn, P. and Trakarnta lerngsuk, S., 2007, Time Series Forecasting Using a Combined ARIMA and Artificial Neural Network Model of Styrene Price Using a Hybrid ARIMA and Neural Network Model, Operations Research Network 2007, 7 p. (in Thai)

Boonmana, C. and Kulvanich, N., 2017, A comparative prediction accuracy of hybrid time series models, Thai Sci. Technol. J. 25(2): 177-190. (in Thai)

Somsila, C., Chiewchanwattana, S. and Sunat, K., 2010, Hybrid Model for Air Quality Data Prediction Case Study: Air Quality Data in Thailand, The 11th Graduate Research Conference, 12 p. (in Thai)

Khairalla, M., Xu-Ning and AL-Jallad, N.T., 2017, Hybrid forecasting scheme for financial time-series data using neural network and statistical methods, IJACSA 8: 319-327.

Zhang, P.G., 2007, A neural network ensemble method with jittered training data for time series forecasting, Inform. Sci. 177: 5329-5346.