ตัวแบบซัพพอร์ตเวกเตอร์แมชชีนสำหรับการพยากรณ์ปริมาณการส่งออกยางคอมปาวด์รายเดือนของประเทศไทย

Authors

  • ธรณินทร์ สัจวิริยทรัพย์

Keywords:

ตัวแบบอารีมา, ตัวแบบการเรียนรู้แบบมีผู้สอน, ตัวแบบซัพพอร์ตเวกเตอร์แมชชีน, ARIMA, Supervised learning, Support vector machine

Abstract

บทคัดย่อ สำหรับงานวิจัยนี้ ตัวแบบซัพพอร์ตเวกเตอร์แมชชีนถูกพัฒนาขึ้นเพื่อพยากรณ์ปริมาณการส่งออกยางคอมปาวด์รายเดือนของประเทศไทย โดยใช้ข้อมูลอนุกรมเวลาของปริมาณการส่งออกยางคอมปาวด์ตั้งแต่เดือนมกราคม 2541 ถึงเดือนมกราคม 2557 ซึ่งตัวแบบซัพพอร์ตเวกเตอร์แมชชีนที่นำเสนอถูกเปรียบเทียบประสิทธิภาพความแม่นยำกับตัวแบบอารีมาที่มีประสิทธิภาพดีในการพยากรณ์ปริมาณการส่งออกยางคอมปาวด์ โดยใช้เกณฑ์การประเมินประสิทธิภาพของตัวแบบต่างๆ 3 เกณฑ์ คือ ค่าเฉลี่ยของความคลาดเคลื่อนสัมบูรณ์ ค่ารากที่สองของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ค่าเฉลี่ยของเปอร์เซ็นต์ของความคลาดเคลื่อนสัมบูรณ์ จากผลการวิจัยพบว่า ตัวแบบซัพพอร์ตเวกเตอร์แมชชีนที่อาศัยข้อมูลในอดีตย้อนหลัง 3 ค่า และฟังก์ชันเรเดียลเบสิคเพื่อแปลงข้อมูลไม่เป็นเชิงเส้นตรงไปสู่ข้อมูลเชิงเส้นตรง เพื่อให้ตัวแบบซัพพอร์ตเวกเตอร์แมชชีนเรียนรู้และสร้างฟังก์ชันการทำนายมีประสิทธิภาพดีกว่า    ตัวแบบอารีมา ซึ่งแสดงให้เห็นว่าตัวแบบอารีมาที่สร้างตัวแบบจากสมมุติฐานความสัมพันธ์เชิงเส้นตรงไม่เหมาะสมกับลักษณะข้อมูลแบบไม่เชิงเส้นตรงสำหรับอนุกรมเวลาปริมาณการส่งออกยางคอมปาวด์รายเดือนของประเทศไทย ดังนั้น ตัวแบบซัพพอร์ตเวกเตอร์แมชชีนจึงมีความเหมาะสมที่จะเป็นตัวแบบในการพยากรณ์ปริมาณการส่งออกยางคอมปาวด์ของประเทศไทย เพื่อให้ได้สารสนเทศที่เป็นประโยชน์และสนับสนุนการตัดสินใจในการวางแผนการผลิตได้ - - - ABSTRACT In this research, a support vector machine model is developed in order to forecast a future export quantity of rubber compound of Thailand that is a monthly time series dataset from January 1998 to January 2014. Subsequently, the developed model is compared to ARIMA model based on three accuracy measures that are mean absolute error, root mean squared error, and mean absolute percentage error. The empirical results revealed that the developed model is formulated from three previous observations and radial basis function to transform original time series dataset into linear series dataset on new feature space, which outperforms ARIMA model based on three measures of forecast accuracy. In this regard, it indicated that an assumption of ARIMA model based on linear function may not be sufficient to approximate the Thailand’s monthly export quantity of rubber compound. Consequently, the developed model is able to be a useful model to forecast Thailand’s monthly export quantity of rubber compound and to provide meaningful information to support critical decision making in production planning.

Downloads

Download data is not yet available.

Downloads