การประยุกต์ใช้เทคนิคซัพพอร์ตเวกเตอร์แมชชีน และโครงข่ายประสาทเทียม พยากรณ์ปริมาณงานก่อสร้างในประเทศไทย
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการประยุกต์ใช้เทคนิคซัพพอร์ตเวกเตอร์แมชชีน และเทคนิคโครงข่ายประสาทเทียมในการพยากรณ์ปริมาณงานก่อสร้างในประเทศไทย ปัจจัยที่เลือกนำมาใช้ในการพัฒนาแบบพยากรณ์ซัพพอร์ตเวกเตอร์แมชชีน และโครงข่ายประสาทเทียมเพื่อพยากรณ์ปริมาณการก่อสร้างอื่น ๆของรัฐบาลในประเทศไทยประกอบด้วย 4 ปัจจัย ดังนี้ T35 ค่า Disposal of Current Revenue, T72 ค่า Private, T109 ค่า Non-residential และ T122 ค่า Total C.i.f. Value ตัวแบบพยากรณ์ที่ใช้เทคนิคซัพพอร์ตเวกเตอร์แมชชีน ใช้เคอร์เนลฟังก์ชันแบบ Radial Basis Function (RBF) ทำการแมปข้อมูล และตัวแบบพยากรณ์ที่ใช้เทคนิคโครงข่ายประสาทเทียมใช้ฟังก์ชันกระตุ้นชนิดเก้าท์เชี่ยน (Gaussian function) ในการแปลงค่า ใช้วิธีการตรวจสอบความถูกต้องด้วยข้อมูลแบบไขว้กันโดยแบ่งข้อมูลเป็น 10 กลุ่ม (10 fold cross validation) ทำการสอน และทดสอบข้อมูลเพื่อวัดประสิทธิภาพของแบบจำลอง ผลลัพธ์ของแบบจำลองจะถูกระบุในรูปของ Mean Error Percentage Error (MAPE) เทคนิคซัพพอร์ตเวกเตอร์แมชชีน ผลลัพธ์ของค่า MAPE คือ 1.31 และค่าสหสัมพันธ์ยกกำลังสอง (Coefficient of determination, R2) เท่ากับ 0.998 ส่วนเทคนิคโครงข่ายประสาทเทียม ผลลัพธ์ของค่า MAPE คือ 6.41 ค่าสัมประสิทธิ์ และค่าสหสัมพันธ์ยกกำลังสอง (Coefficient of determination, R2) เท่ากับ 0.982 มีค่าเข้าใกล้ 1 แสดงว่าแบบจำลองมีความเหมาะสม จากผลการวิจัยแสดงให้เห็นอย่างชัดเจนว่าสามารถใช้เทคนิคการสร้างแบบจำลองซัพพอร์ตเวกเตอร์แมชชีน และโครงข่ายประสาทเทียมในการพยากรณ์อนุกรมเวลาของปริมาณการก่อสร้างเมื่อเปรียบเทียบกับการประมาณงานก่อสร้างของสำนักงานคณะกรรมการและการพัฒนาการเศรษฐกิจและสังคมแห่งชาติพบว่าได้ผลใกล้เคียงกัน สิ่งนี้มีประโยชน์สำหรับองค์กรเนื่องจากกระบวนการพยากรณ์ค่อนข้างง่ายเป็นสิ่งจำเป็นสำหรับการวางแผนการตัดสินใจและการจัดการ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวารสารวิศวกรรมสารฉบับวิจัยและพัฒนา วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์
เอกสารอ้างอิง
ชุมพล ศฤงคารศิริ. การวางแผนและควบคุมการผลิต, พิมพ์ครั้งที่ 10. บริษัท ที เอส บี โปรดักส์ จำกัด: กรุงเทพมหานคร, 2545.
นพพร โทณะวณิก. ประสบการณ์วิชาชีพการจัดการงานก่อสร้าง, สำนักพิมพ์มหาวิทยาลัยสุโขทัยธรรมาธิราช: กรุงเทพมหานคร, 2549.
อภิชาต บัวกล้า. แบบจำลองโครงข่ายประสาทเทียมสำหรับการคาดการณ์ปริมาณงานก่อสร้างในประเทศไทย. วิทยานิพนธ์ ปริญญาวิศวกรรมศาสตรมหาบัณฑิต สาขาวิศวกรรมโยธา, มหาวิทยาลัยนเรศวร, 2548.
Li, H. and Zhang, X. Introducing a New Method to Predict the Project Time Risk. Journal of IEEE Computer Society, International Conference on Information Management, Innovation Management and Industrial Engineering, 2009, 164, pp. 27-30.
Tanratnawong, S. and Scott, S. A neural network model to forecast national construction output. Journal of Financial Management in Construction and Property, 2000, 5, pp. 65-77.
Vapnik, V. The Nature of Statistical Learning Theory, New York: Springer-Verlag, 1995.
Phillip H. Sherrod. DTREG Predictive Modeling Software, Copyright 2003-2007. Available from: https://www.dtreg.com. [Accessed 15 September2022].
สำนักงานคณะกรรมการและการพัฒนาการเศรษฐกิจและสังคมแห่งชาติ. (ไม่ปรากฏวันที่ เดือน ปีที่ เผยแพร่). บัญชีรายได้ประชาชาติ ปี พ.ศ. 2503 - 2562. จาก: http://www.nesdb.go.th/econSocial/nad.htm [สืบค้นเมื่อวันที่ 20 มิถุนายน พ.ศ. 2565].
มูลนิธิประเมินค่า-นายหน้าแห่งประเทศไทย. (ไม่ปรากฏวันที่ เดือน ปีที่เผยแพร่). ราคาประเมินค่าก่อสร้างอาคาร พ.ศ. 2565. จาก: https://www.thaiappraisal.org/thai/value/value.php [สืบค้นเมื่อวันที่ 30 กรกฎาคม พ.ศ. 2565].
