Please use this identifier to cite or link to this item: http://cmuir.cmu.ac.th/jspui/handle/6653943832/79063
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorศักดิ์กษิต ระมิงค์วงศ์-
dc.contributor.authorวิทิตยาพร พรหมณะen_US
dc.date.accessioned2023-10-15T08:03:30Z-
dc.date.available2023-10-15T08:03:30Z-
dc.date.issued2566-08-05-
dc.identifier.urihttp://cmuir.cmu.ac.th/jspui/handle/6653943832/79063-
dc.description.abstractThis independent study aims to forecast price of Ribbed Smoked Sheet No.3 in Thailand. Daily price from Rubber Authority of Thailand since 2011 to 2021 are used as raw data. A total of 2,618 values and divided into training and test sets. The training set involves 2,376 values from 2011 to 2020. It is used for constructing four forecasting models i.e. moving average, Holt’s method, Box-Jenkins method and Neural network. The test set includes 242 values from 2021. It is used for comparing accuracy of the forecast via criteria of the lowest. The finding indicates that the Neural network by nonlinear autoregressive neural network (NNAR) is the most suitable for forecasting price of Ribbed Smoked Sheet No.3. This method has the least Mean absolute error (MAE) of 4.5352, Root mean square error(RMSE) of 5.7807 and Mean absolute percentage error (MAPE) of 7.3309. Respectively, Box-Jenkins method, Moving average and Holt’s Method are found to provide less accurate result.en_US
dc.language.isootheren_US
dc.publisherเชียงใหม่ : บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่en_US
dc.titleการพยากรณ์ราคายางแผ่นรมควันในประเทศไทยen_US
dc.title.alternativePrice forecasting of ribbed smoked sheet in Thailanden_US
dc.typeIndependent Study (IS)
thailis.controlvocab.thashยางพารา -- ราคา-
thailis.controlvocab.thashยางพารา -- การขาย-
thailis.controlvocab.thashยาง -- ราคา-
thailis.controlvocab.thashยาง -- การขาย-
thailis.controlvocab.thashพยากรณ์การขาย-
thesis.degreemasteren_US
thesis.description.thaiAbstractการค้นคว้าอิสระครั้งนี้เป็นการศึกษาการพยากรณ์ราคายางแผ่นรมควันชั้น 3ในประเทศไทย โดยใช้ข้อมูลราคายางแผ่นรมควันชั้น 3 รายวัน จากการยางแห่งประเทศไทย ตั้งแต่ ปี พ.ศ.2554 – ปี พ.ศ.2564 จำนวน 2,618 ค่า แบ่งข้อมูลออกเป็น 2 ชุด 1. ชุดเรียนรู้จำนวน 2,376 ค่า (ปี พ.ศ.2554 – ปี พ.ศ.2563) สำหรับสร้างตัวแบบการพยากรณ์ด้วยวิธีค่าเฉลี่ยเคลื่อนที่ การพยากรณ์ด้วยเลขชี้กำลังของโฮลต์ วิธีการบอกซ์ – เจนกินส์และ วิธีโครงข่ายประสาทเทียม 2. ชุดทดสอบจำนวน 242 ค่า (ปี พ.ศ.2564) เพื่อเปรียบเทียบประสิทธิภาพการพยากรณ์ที่มีค่าความคลาดเคลื่อนน้อยที่สุด เมื่อทำการพยากรณ์และวัดประสิทธิภาพตัวแบบการพยากรณ์กับชุดทดสอบแล้ว พบว่า การพยากรณ์ด้วยโครงข่ายประสาทเทียมแบบ nonlinear autoregressive neural network (NNAR) มีความเหมาะสมที่จะใช้พยากรณ์ราคายางแผ่นรมควันชั้น 3 มากที่สุด มีค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ (MAE) เท่ากับ 4.5352 ค่ารากที่สองของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง (RMSE) เท่ากับ 5.7807 และค่าเฉลี่ยของร้อยละความคลาดเคลื่อนสัมบูรณ์ (MAPE) เท่ากับ 7.3309 ซึ่งมีค่าน้อยที่สุด ลำดับถัดมาคือ วิธีการบอกซ์ – เจนกินส์ วิธีการหาค่าเฉลี่ยเคลื่อนที่ และวิธีการพยากรณ์ด้วยเลขชี้กำลังของโฮลต์ตามลำดับen_US
Appears in Collections:ENG: Independent Study (IS)

Files in This Item:
File Description SizeFormat 
630632011-วิทิตยาพร พรหมณะ.pdf2.11 MBAdobe PDFView/Open    Request a copy


Items in CMUIR are protected by copyright, with all rights reserved, unless otherwise indicated.