การเปรียบเทียบแบบจำลองที่ใช้ในการพยากรณ์ค่าความหวานของอ้อย
Article Sidebar
Main Article Content
บทคัดย่อ
ค่าความหวานของอ้อยเป็นหนึ่งในปัจจัยหลักที่ส่งผลต่อปัญหาด้านปริมาณการผลิตน้ำตาลของอุตสาหกรรมน้ำตาลและเกี่ยวข้องกับระบบการซื้อขายอ้อยของเกษตรกร บทความนี้จึงมีจุดประสงค์เพื่อศึกษาปัจจัยที่มีผลต่อค่าความหวานของอ้อยโดยใช้วิธีการถดถอยแบบขั้นบันได (Stepwise Regression) ซึ่งการศึกษานี้แบ่งปัจจัยที่ศึกษาออกเป็น 2 กรณี คือ กรณี 1 ศึกษาปัจจัยที่เกี่ยวกับการปลูกอ้อย และกรณี 2 ศึกษาปัจจัยที่เกี่ยวกับการปลูกอ้อยร่วมกับปัจจัยที่เกี่ยวกับการดูแลระหว่างการปลูกอ้อย จากนั้นนำปัจจัยที่มีผลต่อ
ค่าความหวานของอ้อยมาสร้างแบบจำลองที่ใช้ในการพยากรณ์ค่าความหวานของอ้อย โดยใช้วิธีโครงข่ายประสาทเทียม (Artificial Neural Network: ANN) วิธีต้นไม้ตัดสินใจ (Decision Tree) และวิธีการสุ่มป่าไม้ (Random Forest) ร่วมกับแบ่งข้อมูลแบบตรวจสอบไขว้ (K-fold Cross-Validation) ผลการศึกษาพบว่า แบบจำลองที่ใช้ในการพยากรณ์ค่าความหวานของอ้อยที่มีประสิทธิภาพสูงสุด ได้แก่ แบบจำลองที่ถูกสร้างจากวิธีการสุ่มป่าไม้ รองลงมาคือวิธีต้นไม้ตัดสินใจ และวิธีโครงข่ายประสาทเทียม ตามลำดับ
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
วารสารวิศวกรรมฟาร์มและเทคโนโลยีควบคุมอัตโนมัติ (FEAT Journal) มีกําหนดออกเป็นราย 6 เดือน คือ มกราคม - มิถุนายน และกรกฎาคม - ธันวาคม ของทุกปี จัดพิมพ์โดยกลุ่มวิจัยวิศวกรรมฟาร์มและเทคโนโลยีควบคุมอัตโนมัติ คณะวิศวกรรมศาสตร์มหาวิทยาลัยขอนแก่น เพื่อเป็นการส่งเสริมและเผยแพร่ความรู้ ผลงานทางวิชาการ งานวิจัยทางด้านวิศวกรรมศาสตร์และเทคโนโลยีพร้อมทั้งยังจัดส่ง เผยแพร่ตามสถาบันการศึกษาต่างๆ ในประเทศด้วย บทความที่ตีพิมพ์ลงในวารสาร FEAT ทุกบทความนั้นจะต้องผ่านความเห็นชอบจากผู้ทรงคุณวุฒิในสาขาที่เกี่ยวข้องและสงวนสิทธิ์ ตาม พ.ร.บ. ลิขสิทธิ์ พ.ศ. 2535
References
สำนักงานคณะกรรมการอ้อยและน้ำตาล. รายงานสถานการณ์การปลูกอ้อยปีการผลิต 65/66 (สื่อออนไลน์). [เข้าถึงเมื่อวันที่ 24 สิงหาคม 2566]. เข้าถึงได้จาก: http://www.ocsb.go.th/upload/journal/fileupload/13813-1585.pdf
เกษม สุขสถาน. อ้อย (สื่อออนไลน์). [เข้าถึงเมื่อวันที่ 10 สิงหาคม 2566]. เข้าถึงได้จาก:http://saranukromthai.or.th/sub/book/book.php?book=5&page=main
อัตพล คุณเลิศ. การศึกษาแบบจำลองการพยากรณ์ปริมาณผลผลิตข้าว [วิทยานิพนธ์ปริญญาวิทยาศาสตร์มหาบัณฑิต]. ขอนแก่น: มหาวิทยาลัยขอนแก่น; 2557.
ดวงเดือน อ่องรุ่งเรือง, ศุภศิริ ไทยวิรัช, วินทนี ประจวบศุภกิจ. ตัวแบบการพยากรณ์ปริมาณการจัดเก็บวัสดุอะไหล่ในคลังโดยใช้เทคนิคการเรียนรู้ของเครื่อง: กรณีศึกษาบริษัทผลิตปูนซีเมนต์.PSRU Journal of Science and Technology. 2020; 5(1): 81-92.
Nieto PJ, Gonzala EG, Garcia LA, Prado LA, Sanchez AB. Predicting the critical superconducting temperature using the random forest, MLP neural network, M5 model tree and multivariate linear regression. Alexandria Engineering Journal. 2024; 86: 144-156.
ธิดาเดียว มยุรีสวรรค์. การคัดเลือกตัวแปรและการสร้างตัวแบบ. โรงพิมพ์มหาวิทยาลัยขอนแก่น: ขอนแก่น; 2558.
ธนาวุฒิ ประกอบผล. โครงข่ายประสาทเทียม (Artificial Neural Network). วารสารมฉก วิชาการ. 2552; 12: 73-87.
Ditthakit P, Chinnarasri C. Estimation of pan coefficient using M5 model tree. American Journal of Environmental Sciences. 2012; 8: 95-103.
สุภาภรณ์ พัฒนาวงศ์ปราการ. การวิเคราะห์เทคนิคการจำแนกประเภทข้อมูล กรณีศึกษา การทำนายระดับชั้นผู้รับเหมาก่อสร้างสำหรับโครงการก่อสร้างของภาครัฐ [วิทยานิพนธ์ปริญญาวิทยาศาสตร์มหาบัณฑิต]. กรุงเทพฯ: มหาวิทยาลัยธรรมศาสตร์; 2563.
Somjinda P, Trakootingcharoen P, Sangkhasila K. Mathematical Model for Predicting the Effects of Air Temperature and Heat Degree Days. Journal of Science and Technology Kasetsart University. 2013; 2: 31-55.
Hongthong P, Patanothai A. Causal Factors of Daily Variation in Commercial Cane Sugar Value of Processed sugarcane Throughout the Milling Season in Northeast Thailand. Thai Journal of Agricultural Science. 2017; 50: 49-65.
Peloia PR, Bocca FF, Rodigues LHA. Identification of patterns for increasing production with decision trees in sugarcane mill data. Science Agricola. 2019; 76(4): 281-289.
กฤชญาณ อินทรัตน์. การจำแนกการใช้ประโยชน์ที่ดินในจังหวัดนครนายกด้วยอัลกอริทึมการเรียนรู้เครื่องและภาพถ่ายจากดาวเทียม Sentinel-2. วารสารวิทยาศาสตร์บูรพา. 2565; 27: 1153-1171.
ขนิษฐา กุลนาวิน, วันเพ็ญ โพธิ์เกษม และ ศันสนีย์ เลี้ยงพานิชย์. การออกแบบแบบจำลองการพยากรณ์ผลผลิตมันสำปะหลังในเขตพื้นที่จังหวัดนครราชสีมาด้วยเทคนิคเมืองข้อมูล.วารสารวิทยาศาสตร์และเทคโนโลยี. 2565; 1: 1-16.