การเปรียบเทียบตัวแบบ GM(1,1), DGM(1,1), FGM(1,1) และ FDGM(1,1) สำหรับการทำนายจำนวนผู้ป่วยโรคมะเร็งเต้านม
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของตัวแบบทำนายข้อมูลอนุกรมเวลาของผู้ป่วยโรคมะเร็งเต้านม จำนวน 4 ตัวแบบ ได้แก่ ตัวแบบระบบเกรย์ GM(1,1) ตัวแบบเกรย์แยกส่วน DGM(1,1) ตัวแบบ FGM(1,1) และตัวแบบ FDGM(1,1) โดยตัวแบบ FGM(1,1) และ FDGM(1,1) ได้รับการปรับปรุงความแม่นยำในการพยากรณ์ด้วยอนุกรมฟูริเยร์ ใช้ข้อมูลรายปีจากสถาบันมะเร็งแห่งชาติในการวิเคราะห์ ประสิทธิภาพของตัวแบบประเมินด้วยค่าเฉลี่ยร้อยละของความคลาดเคลื่อนสัมบูรณ์ (MAPE) ผลการศึกษาพบว่า ตัวแบบ FDGM(1,1) ให้ประสิทธิภาพสูงที่สุด โดยมีค่า MAPE เท่ากับ 15.25% ขณะที่ตัวแบบ GM(1,1), DGM(1,1) และ FGM(1,1) ให้ค่า MAPE เท่ากับ 17.78%, 17.41% และ 15.49% ตามลำดับ ทั้งนี้ เกณฑ์ของสำนักงานสถิติแห่งชาติระบุว่า หากค่า MAPE อยู่ระหว่าง 10%–20% ถือว่าตัวแบบมีความแม่นยำในระดับค่อนข้างดี ดังนั้น สำหรับการศึกษาครั้งนี้จึงสรุปได้ว่า ตัวแบบ FDGM(1,1) มีความเหมาะสมที่สุดในการใช้ทำนายจำนวนผู้ป่วยโรคมะเร็งเต้านม
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ลิขสิทธ์ ของมหาวิทยาลัยเทคโนโลยีราชมงคลพระนครเอกสารอ้างอิง
Nakornthon Hospital, "Top 3 most common cancers in women," Nakornthon Hospital, Bangkok, Thailand, 2024. [Online]. https://www.nakornthon.com/article/detail/3โรคมะเร็งยอดฮิตพบบ่อยสุดในผู้หญิง. [Accessed: Jan. 20, 2025].
National Cancer Institute (Thailand), Fight cancer guide: Roo Soo Cancer, Bangkok, Thailand. [Online]. https://www.nci.go.th/th/File_download/fight_cancer/รู้สู้มะเร็ง.pdf. [Accessed: Jan. 20, 2025].
Hfocus, "Current issues in Thailand's healthcare system," Hfocus, Bangkok, Thailand, Mar. 27, 2022. [Online]. https://www.hfocus.org/content/2022/03/24791 [Accessed: Jan. 20, 2025].
R. Chotsangsakorn, S. Thanasilp, and N. Pudtong, “Predicting factors of breast cancer screening behaviors among menopausal women,” Kuakarun Journal of Nursing, vol. 26, no. 2, pp. 107–120, Jul.-Dec. 2019.
P. Khrueasom, C. Puripat, P. Nuchpho, and P. Klongsangson, “Grey system model for forecasting dengue outbreak: Case study of Bangkok metropolis,” Disease Control Journal, vol. 49, no. 2, pp. 353–363, 2023.
B. Yunan and V. Jayathavaj, “Forecasting the Number of Deaths from Pneumonia and Intracerebral Hemorrhage,” Regional Health Promotion Center 9 Journal, vol. 18, no. 3, pp. 946–956, Jul. 2024.
P. Amphanthong and P. Busababodhin, “Forecasting PM10 in the upper northern area of Thailand with Grey System Theory,” Burapha Science Journal, vol. 20, no. 1, pp. 15–24, 2015.
N. Doungdee and M. Chiangpradit, “Forecasting crisis peaks of economics in Thailand using Grey model,” Burapha Science Journal, vol. 23, no. 2, pp. 1111–1122, May–Aug. 2018.
V.-T. Phan, Z. Malara, and N. T. Nguyen, “Using Fourier series to improve the Discrete Grey Model (1,1),” Advances in Computational Collective Intelligence, pp. 99-109, 2020.
A. Nimcharoen, P. Busababodhin, and M. Chiangpradit, “Residual modification of forecasting with Fourier series,” Burapha Science Journal, vol. 23, no. 3, pp. 1396–1408, Sep.-Dec. 2018.
National Cancer Institute of Thailand, “Cancer incidence statistics in Thailand,” [Online]. https://www.nci.go.th/th/cancer_record/cancer_rec1.html. [Accessed: Feb. 17, 2025].
J. Deng, Introduction to Grey System Theory. The Journal of Grey System, vol. 1, pp. 1-24, 1989.
Z. Ceylan, “Short-term prediction of COVID-19 spread using grey rolling model optimized by particle swarm optimization,” Applied Soft Computing, vol. 109, p. 107592, Sept. 2021
S. Liu and Y. Lin, Grey Systems: Theory and Applications. New York: Springer, 2010.
N.-M Xie and S. F. Liu, “Discrete grey forecasting model and its optimization,” Applied Mathematical Modelling, vol. 33, no. 2, pp. 1173–1186, 2009.
J. Rattanahon and V. Jayathavaj, “Predicting the number of neonatal deaths in Thailand using grey system theory,” Journal of Medicine and Public Health, Ubon Ratchathani University, vol. 7, no. 2, pp. 154–163, May.-Aug. 2024.
National Statistical Office, Analytical report on unemployment 2023 Bangkok, Thailand: National Statistical Office, 2023. [Online]. https://www.nso.go.th/public/e-book/Analytical-Reports/Report_Unemployed_2566/17/. [Accessed: Mar. 3, 2025].
M. Kuhn and K. Johnson, Applied Predictive Modeling. New York: Springer, 2013.
Y.-W. Wang, Z.-Z. Shen, and Y. Jiang, “Comparison of ARIMA and GM(1,1) models for prediction of hepatitis B in China,” PLoS ONE, vol. 13, no. 9, pp. e0201987, 2018.
D. Zhao, H. Zhang, Q. Cao, Z. Wang, S. He, M. Zhou, and R. Zhang, “The research of ARIMA, GM(1,1), and LSTM models for prediction of TB cases in China,” PLoS ONE, vol. 17, no. 2, pp. e0262734, 2022.
