การศึกษาเปรียบเทียบเทคนิควิธีการพยากรณ์ข้อมูลอนุกรมเวลาราคายางพาราด้วยวิธีโครงข่ายประสาทเทียม สมการถดถอยแบบโพลิโนเมียล และซัพพอร์ตเวกเตอร์รีเกรสชัน

Prediction of rubber price using artificial neural networks polynomial regression and support vector regression : a comparative study of techniques

Name: จารุมน หนูคง

THSH: การวิเคราะห์การถดถอย

THSH: การวิเคราะห์อนุกรมเวลา

THSH: นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)

ThaSH: ยางพารา -- พยากรณ์

Abstract: การศึกษาวิจัยนี้มีวัตถุประสงค์เพื่อสร้างโมเดลพยากรณ์ราคายางพาราใน 3 เทคนิคได้แก่ โครงข่ายประสาทเทียม สมการถดถอยแบบโพลีโนเมียล และซัพพอร์ตเวกเตอร์รีเกรสชัน โดย ใช้ค่าเฉลี่ยกำลังสองของค่าความคลาดเคลื่อนเป็นตัวชี้วัด เพื่อเปรียบเทียบหาโมเดลที่เหมาะสม ที่สุด ผลการวิจัยพบว่าเทคนิคของโครงข่ายประสาทเทียมให้ค่าความผิดพลาดน้อยที่สุดเท่ากับ 0.01 ในขณะที่วิธีซัพพอร์ตเวกเตอร์รีเกรสชันให้ค่าความผิดพลาดเท่ากับ 0.0487 และวิธีสมการ ถดถอยแบบโพลิโนเมียลให้ค่าความผิดพลาดเท่ากับ 0.3133 ตามลำดับ ซึ่งโมเดลของเทคนิค โครงข่ายประสาทเทียมเป็นโมเดลที่เหมาะสมที่สุด สำหรับนำมาพัฒนาเป็นระบบพยากรณ์ราคา ยางพาราในรูปแบบของเว็บแอพพลิเคชั่น โดยใช้เทคโนโลยี .NET ด้วยภาษา ASP.NET และใช้ ระบบจัดการฐานข้อมูล SQL Server 2000 เป็นเครื่องมือพัฒนาระบบ เพื่อช่วยในการวิเคราะห์ แนวโน้มของราคายางพารา และนำข้อมูลมาใช้ในการประกอบการตัดสินใจในการกำหนด วางแผนงานด้านอุตสาหกรรมยางพาราในอนาคต ซึ่งจากการประเมินความพึงพอใจของ ผู้เชี่ยวชาญด้านการพัฒนาระบบได้ค่าเฉลี่ยเท่ากับ 4.28 ส่วนเบี่ยงเบนมาตรฐานเท่ากับ 0.57 การประเมินความพึงพอใจของผู้เชี่ยวชาญด้านยางพาราได้ค่าเฉลี่ยเท่ากับ 4.34 ส่วนเบี่ยงเบน มาตรฐานเท่ากับ 0.47 และการประเมินความพึงพอใจของผู้ใช้ทั่วไปได้ค่าเฉลี่ยเท่ากับ 4.30 ส่วนเบี่ยงเบนมาตรฐานเท่ากับ 0.62 สามารถสรุปได้ว่าการประเมินความพึงพอใจของ ผู้เชี่ยวชาญและผู้ใช้ทั่วไปที่มีต่อระบบโดยรวมอยู่ในระดับความพึงพอใจมาก

Abstract: The objective of the research was to construct a rubber price prediction model using three techniques: Artificial Neural Networks, Polynomial Regression and Support Vector Regression. Mean square error was used to identify the most appropriate model. The results of the research showed that the artificial neural networks model obtained the lowest mean square error of 0.01, while support vector regression and polynomial regression had mean square errors of 0.0487 and 0.3133, respectively. Based on the artificial neural networks model, the web-based rubber price prediction application was then developed using .NET technology with ASP.NET language and SQL Server 2000 database. The application would help analysis a trend of rubber price, which could be used for planning and decision making for the rubber industry. Satisfaction evaluation of experts in system development showed a mean of 4.28 and standard deviation of 0.57. For experts in rubber price, the mean of satisfaction evaluation was 4.34 and standard deviation was 0.47. A mean of general users’ satisfaction evaluation was 4.30 with a standard deviation of 0.62. Overall, the experts and general users were highly satisfied with the system.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: พยุง มีสัจ

Role: ที่ปรึกษาวิทยานิพนธ์

Email : pym@kmutnb.ac.th

Name: ศจีมาจ ณ วิเชียร

Role: ที่ปรึกษาวิทยานิพนธ์

Email : sgm@kmutnb.acth

Created: 2552

Modified: 2025-05-15

Issued: 2010-01-04

วิทยานิพนธ์/Thesis

CallNumber: E-THESIS

tha

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: ระบบสารสนเทศเพื่อการจัดการ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15143296.pdf	14.22 MB	8	2025-10-31 17:52:13

ใช้เวลา

0.031821 วินาที