การเปรียบเทียบวิธีพยากรณ์ของอนุกรมเวลารูปแบบตามฤดูกาลที่มีเลขศูนย์จำนวนมาก

A comparison of forecasting methods for seasonal time-series with many zeros

Name: ธรรศกรณ์ เศวตสุทธิพันธ์

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วศ.ม. (วิศวกรรมอุตสาหการ) 2563

Classification :.LCCS: QA280

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. สาขาวิศวกรรมอุตสาหการ -- วิทยานิพนธ์

ThaSH: การวิเคราะห์อนุกรมเวลา

ThaSH: พยากรณ์

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์อนุกรมเวลาของข้อมูลจำนวนพื้นที่การเกิดไฟป่ารายวันในจังหวัดเชียงใหม่ซึ่งจัดอยู่ในประเภทของอนุกรมเวลารูปแบบตามฤดูกาล และข้อมูลยังมีค่าที่เป็นศูนย์เป็นช่วงกว้างในหลายช่วงเวลาซึ่งอาจส่งผลให้มีค่าความแปรปรวนที่สูง โดยข้อมูลที่ใช้ประกอบด้วย 2 ส่วน ได้แก่ จำนวนพื้นที่การเกิดไฟป่าและสภาพภูมิอากาศซึ่งนำมาใช้เป็นปัจจัยที่อาจส่งผลต่อจำนวนพื้นที่ไฟป่า และนำข้อมูลที่ได้มาสร้างตัวแบบจำลองพยากรณ์ที่เหมาะสม โดยจะเปรียบเทียบวิธีพยากรณ์ทั้งหมด 6 วิธี ได้แก่ การพยากรณ์ด้วยสมการถดถอยแบบพหุคูณที่มีตัวแปรจัดประเภท, การพยากรณ์ด้วยสมการถดถอยแบบแบบโพลีโนเมียลหลายตัวแปร, การพยากรณ์ด้วยอนุกรมฟูเรียร์แบบตัดทอน, การพยากรณ์ด้วยวิธี Holt-Winters แบบผลบวก, การพยากรณ์ตามแนวคิดของบอกซ์-เจนกินส์ด้วยวิธี SARIMAX, และการพยากรณ์โดยใช้วิธีโครงข่ายประสาทเทียม เพื่อวัดประสิทธิภาพของตัวแบบจำลองจะแบ่งข้อมูลสำหรับทดสอบออกเป็น 4 ช่วง คือ 3 เดือน, 6 เดือน, 1 ปี และ 1 ปี 9 เดือน จากนั้นเปรียบเทียบตัวแบบพยากรณ์ทั้ง 6 แบบด้วยค่าคลาดเคลื่อน RMSE ซึ่งผลการทดลองพบว่า การพยากรณ์ด้วยสมการถดถอยแบบพหุคูณที่มีตัวแปรจัดประเภทให้ค่า RMSE ต่ำสุดสำหรับข้อมูลทดสอบในช่วงเวลา 3 เดือน, 6 เดือน และ 1 ปี และ การพยากรณ์ด้วยวิธี SARIMAX ให้ค่า RMSE ต่ำสุดสำหรับข้อมูลทดสอบในช่วงเวลา 1 ปี 9 เดือน Subject The research aims to analyze the time series of daily wildfires area in Chiang Mai which are classified as seasonality, and the data also has a wide range of zero values over a number of periods which can result in high variance. The data used consists of two parts: the number of wildfires area and the climate which can be used as a factor that can affect the number of wildfire area. The obtained data used to create the appropriate forecasting model by comparing the six forecasting methods which are multiple regression with categorical variable, multivariate polynomial regression, the truncated fourier series, Holt-Winters’s additive method, SARIMAX methods by Box-Jenkins, and artificial neural network; in addition, to measure the efficiency of the model. The test data is divided into four phases: 3 months, 6 months, 1 year and 1 year 6 months, and compare with the six forecast methods by root mean square error (RMSE). The results showed that the Multiple Regression with Categorical Variable provided the lowest RMSE values for test data over a period of 3 months, 6 months, and 1 year, and SARIMAX method provided the lowest RMSE values for test data over a period of 1 year and 9 months.

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: พีรยุทธ์ ชาญเศรษฐิกุล

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Name: วรวุฒิ หวังวัชรกุล

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์ร่วม

Created: 2563

Modified: 2568-07-07

Issued: 2568-07-07

วิทยานิพนธ์/Thesis

application/pdf

URL: https://www.lib.ku.ac.th/KUthesis/2563/thassakorn-saw-all.pdf

CallNumber: QA280 .ธ17

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมอุตสาหการ

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	thassakorn-saw-all.pdf	4.06 MB

ใช้เวลา

0.035679 วินาที