การประยุกต์ใช้ตัวแบบซัพพอร์ตเวกเตอร์แมชชีนและตัวแบบโครงข่ายประสาทเทียมร่วมกับวิธีการทำให้เรียบแบบเอ็กซ์โปเนนเชียล

แซนนี่ ชัว

DSpace Home
→
Faculty and Institute
→
Faculty of Commerce and Accountancy - Acctn
→
Acctn - Theses
→
View Item

dc.contributor.advisor	นัท กุลวานิช
dc.contributor.author	แซนนี่ ชัว
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี
dc.date.accessioned	2021-09-21T05:40:41Z
dc.date.available	2021-09-21T05:40:41Z
dc.date.issued	2563
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/75898
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2563
dc.description.abstract	การพยากรณ์อนุกรมเวลาเป็นการคาดคะเนผลลัพธ์จากข้อมูลในอตีต เพื่อเป็นแนวทางในการวางแผนการดำเนินงานด้านต่าง ๆ ในอนาคต งานวิจัยฉบับนี้ได้รวบรวมข้อมูลอนุกรมเวลาจากแหล่งข้อมูลต่าง ๆ ในประเทศไทยจำนวน 40 ชุด ทั้งปริมาณการผลิตสินค้า มูลค่าการจำหน่ายสินค้า ปริมาณเชื้อเพลิง ปริมาณน้ำในเขื่อน และจำนวนผู้ใช้บริการรถไฟฟ้า ซึ่งมีรูปแบบแนวโน้มและฤดูกาลของข้อมูลอนุกรมเวลาที่หลากหลาย สำหรับศึกษาการประยุกต์วิธีการทำให้เรียบแบบเอ็กซ์โปเนนเชียล (ES) ในการพยากรณ์ และเปรียบเทียบความแม่นยำของผลการพยากรณ์อนุกรมเวลาที่ได้จาก 3 ตัวแบบ คือ วิธีทำให้เรียบแบบเอ็กซ์โปเนนเชียล (ES), ตัวแบบผสมระหว่างตัวแบบ ES ร่วมกับตัวแบบโครงข่ายประสาทเทียม (ES+ANN) และตัวแบบผสมระหว่างตัวแบบ ES ร่วมกับตัวแบบซัพพอร์ทเวกเตอร์แมชชีน (ES+SVM) โดยมีเกณฑ์รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) เป็นเกณฑ์ในการเปรียบเทียบความแม่นยำของตัวแบบ ผลการศึกษาพบว่าตัวแบบผสมระหว่างตัวแบบ ES ร่วมกับตัวแบบโครงข่ายประสาทเทียม (ES+ANN) มีความแม่นยำในการพยากรณ์อนุกรมเวลามากที่สุดสำหรับข้อมูลทั้ง 40 ชุด
dc.description.abstractalternative	Time-series forecasting is useful for the future strategic planning in many sectors by estimating future from previous values. This research has been gathering 40 time-series datasets from various data sources in Thailand such as production volumes, the volume of sales, amount of fuel, amount of water in the dam and number of BTS users which have different kinds of trend and seasonality patterns of time-series data. For studying the application of Exponential Smoothing (ES) and comparing time-series forecasting accuracy results from three models: ES, hybrid ES and Artificial Neural Network model (ES+ANN), hybrid ES and Support Vector Machine model (ES+SVM). The root mean square error (RMSE) is used as a criterion for comparing the predictive accuracy of three models. The results suggest that the hybrid ES+ANN model provides the most accurate forecast for all datasets.
dc.language.iso	th
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย
dc.relation.uri	http://www.doi.org/10.58837/CHULA.THE.2020.1237
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย
dc.subject.classification	Mathematics
dc.title	การประยุกต์ใช้ตัวแบบซัพพอร์ตเวกเตอร์แมชชีนและตัวแบบโครงข่ายประสาทเทียมร่วมกับวิธีการทำให้เรียบแบบเอ็กซ์โปเนนเชียล
dc.title.alternative	Application of support vector machine and artificial neural network on exponential smoothing
dc.type	Thesis
dc.degree.name	วิทยาศาสตรมหาบัณฑิต
dc.degree.level	ปริญญาโท
dc.degree.discipline	สถิติ
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย
dc.subject.keyword	ข้อมูลอนุกรมเวลา
dc.subject.keyword	วิธีทำให้เรียบแบบเอ็กซ์โปเนนเชียล
dc.subject.keyword	ตัวแบบผสม
dc.subject.keyword	Time-series data
dc.subject.keyword	Exponential Smoothing
dc.subject.keyword	Hybrid model
dc.identifier.DOI	10.58837/CHULA.THE.2020.1237