ฟังก์ชันฤดูกาลและแนวโน้มในตัวแบบเบย์แบบอนุกรมเวลาที่เหมาะสมสำหรับวิเคราะห์ผลผลิตและราคาข้าวในประเทศไทยอย่างมีประสิทธิภาพ
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีจุดประสงค์เพื่อใช้หลักการของกระบวนการสโตแคสติกสำหรับสร้างตัวแบบและประมาณค่าพารามิเตอร์ต่าง ๆ ด้วยวิธีของเบย์ กับข้อมูลราคาจริง ของราคาข้าวเปลือกเจ้าความชื้น 15% และผลผลิตข้าวนาปี เฉลี่ยรายเดือนในประเทศไทย ซึ่งจากการวิเคราะห์ข้อมูลราคา และผลผลิตของข้าวจะเป็นข้อมูลอนุกรมเวลาโดยมีส่วนประกอบของค่าอัตตสหสัมพันธ์ แนวโน้มแบบเอกซ์โพเนนเชียล ค่าผิดปกติ และค่าฤดูกาลที่แตกต่างกันสองรูปแบบได้แก่ฟังก์ชันของฤดูกาลแบบดัมมี่กับฟังก์ชันของฤดูกาลแบบฟูเรียร์ โดยเขียนอัลกอริทึมและโปรแกรม OpenBUGS และประเมินประสิทธิภาพของตัวแบบต่างๆจากการเขียนโปรแกรมจำลองสถานการณ์ด้วยโปรแกรม R หลังจากนั้นนำตัวแบบเบย์ที่มีฟังก์ชันของฤดูกาลแบบดัมมี่กับแบบเบย์ที่มีฟังก์ชันของฤดูกาลแบบดัมมี่ฟูเรียร์ มาเปรียบเทียบกัน โดยดูจากค่า RMSE MSE และ MAE ผลการวิจัยพบว่าตัวแบบเบย์ที่มีฟังก์ชันการแจกแจงความน่าจะเป็นสะสมสำหรับแนวโน้มแบบเอกซ์โพเนนเชียลและมีฟังก์ชันฤดูกาลเป็นแบบดัมมี่ ให้ค่า RMSE MSE และ MAE รายเดือนเฉลี่ยต่ำสุดทั้งหมดทั้งการหาตัวแบบที่เหมาะสม (Model fitting) และการตรวจสอบความถูกต้องของตัวแบบ (Model validation)
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
กองบรรณาธิการวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ มีความยินดีที่จะรับบทความจากอาจารย์ นักวิจัย นักวิชาการทั้งภายในและภายนอกมหาวิทยาลัย ในสาขาวิชาวิทยาศาสตร์และเทคโนโลยี ได้แก่ สาขาวิชาวิทยาศาสตร์ วิศวกรรมศาสตร์ และสาขาอื่นๆ ที่เกี่ยวข้อง รวมถึงสาขาต่างๆ ที่มีการบูรณาการข้ามศาสตร์ที่เกี่ยวข้องวิทยาศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่น
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏอยู่ในแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับมหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพแต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา หรือข้อคิดเห็นใดๆ ของบทความในวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ ไปเผยแพร่ก่อนได้รับอนุญาตจากกองบรรณาธิการ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสาร
References
Montgomery D C, Jennings C L, Kulahci M. Introduction to Time Series Analysis and Forecasting A. John Wiley & Sons. Inc.2015.
Yelland P M, Bayesian Forecasting of Part Demand. Int J Forecast. 2010;26:374-96.
Tongkhow P, Kantanantha N. Bayesian model for time series with trend, autoregression and outliers. Tenth International Conference on ICT and Knowledge Engineering; November 21-23, Bangkok, Thailand. Institute of Electrical and Electronics Engineers (IEEE); 2012:90-4.
Tongkhow P, Kantanantha N. Bayesian models for time series with covariates, trend, seasonality, autoregression and outliers. J Comput Sci, 2013;9(3):291-8.
มองแนวโน้มราคาข้าวไทย,ศูนย์วิจัยธนาคารกสิกรไทย [อินเทอร์เน็ต]. [updated 2021 Aug 18; cited 2021 Aug 9]. Available from: http://www.ryt9.com/s/iq03/2685248
สินค้าเกษตรล่วงหน้า, AFET [อินเทอร์เน็ต]. [updated 2021 Aug 19; cited 2021 Aug 9]. Available from: https://www.settrade.com/C03_03_AFET_Intraday.jsp
ราคาและผลผลิตข้าว,สำนักงานสถิติการเกษตร [อินเทอร์เน็ต]. [updated 2021 Aug 15; cited 2021 Aug 5]. Available from: https://www.oae.go.th
Congdon P, Bayesian statistical modelling . 2nd ed , John Wiley & Sons. 2007.
Bisgaard S, Kulahci M. Time Series Analysis and Forecasting by Example. John Wiley & Sons. Inc. 2011.
Tutorial SAS 2021 [Internet]. [updated 2021 Aug 29; cited 2021 Aug 30]. Available from: https://www.sas.com/el_gr/training/overview.html.
Najafi B, Tarazkar M. Forecasting the quantity of pistachio export in Iran, Application of neural network, IJTS. 2006; 39: 191-214.
OpenBUGS user manual: The open source program for Bayesian modelling[Internet]. 2014. [updated 2021 May 18; cited 2021 Jul 1] Available from: https://www.mrc-bsu.cam.ac.uk/software/bugs/openbugs/
Cowles M K. Applied Bayesian statistics: with R and OpenBUGS, New York, springer. 2013.
R Core Team. R: A Language and Environment for Statistical Computing [Internet]. 2014. [updated 2021 May 19; cited 2021 Jul 30] Available form: http://www.R-project.org