การพยากรณ์ปริมาณการส่งออกยางแท่ง (STR) ของประเทศไทยด้วยเทคนิคการวิเคราะห์ อนุกรมเวลา

  • เพชรรัตน์ เหมือนเพชร
  • รวิพิมพ์ ฉวีสุข
Keywords: การพยากรณ์, เทคนิคการวิเคราะห์อนุกรมเวลา, แบบจําลองปรับเรียบทางสถิติ, แบบจําลองบ๊อกซ์และเจนกินส์, เครือข่ายประสาทเทียมแบบส่งถ่ายข้อมูลย้อนกลับ, ยางแท่ง STR

Abstract

ประเทศไทยส่งออกยางธรรมชาติมากเป็นอันดับหนึ่งของโลก โดยยางแท่ง STR (Standard Thai Rubber) จะมีปริมาณการส่งออกที่มากที่สุด งานวิจัยนี้ศึกษาการพยากรณ์ปริมาณการส่งออกยางแท่ง STR ด้วยวิธีการวิเคราะห์อนุกรม เวลาโดยเปรียบเทียบระหว่าง (1) แบบจําลองปรับเรียบทางสถิติ ได้แก่ Holt's Exponential Smoothing Method, Brown's Exponential Smoothing Method, Damped Exponential Smoothing Method, Simple seasonal, Winter's additive Smoothing Method และWinter's multiplicative Smoothing Method, (2) แบบจําลองบ๊อกซ์และเจนกินส์ และ(3) แบบจําลองเครือข่ายประสาทเทียมแบบส่งถ่ายข้อมูลย้อนกลับ จากข้อมูลการส่งออกรายเดือนตั้งแต่เดือนมกราคม พ.ศ.2558 ถึงเดือนธันวาคม พ.ศ.2563 จํานวนทั้งหมด 72 เดือน แบ่งข้อมูลเป็น 2 ชุดเพื่อสร้าง ทวนสอบและคัดเลือก แบบจําลองพยากรณ์ที่เหมาะสม ผลการวิจัยพบว่าแบบจําลองบ๊อกซ์และเจนกินส์ในรูป ARIMA (1,1,2) มีความถูกต้องในการ พยากรณ์มากที่สุด โดยมีค่าความคลาดเคลื่อนของการพยากรณ์ข้อมูลชุดทวนสอบในรูป Mean Absolute Error (MAE) และ ในรูป Mean Absolute Percentage Error (MAPE) 8,668 ตัน และ 9.73% ตามลําดับ ซึ่งอยู่ในเกณฑ์ที่ยอมรับได้ของการ ยางแห่งประเทศไทย ทั้งนี้แบบจําลอง ARIMA (1,1,2) ถูกนําไปใช้ในการพยากรณ์ปริมาณการส่งออกยางแท่ง STR ของปี พ.ศ. 2564 และต่อไป เพื่อใช้ในการวางแผนการจัดซื้อสารเคมีตัวหลักสําหรับตรวจสอบคุณภาพยางแท่ง STR เพื่ออนุญาต ส่งออก และกําหนดแผนการสอบเทียบเครื่องมือตรวจสอบคุณภาพยางให้กับการยางแห่งประเทศไทยต่อไป

References

การยางแห่งประเทศไทย กระทรวงเกษตรและสหกรณ์. (2563). ระบบฐานข้อมูลยางพารา.
เฉลิมพล จตุพร และพัฒนา สุขประเสริฐ. (2559). ตัวแบบพยากรณ์ผลผลิตและปริมาณส่งออกยางพาราของประเทศไทย
ศึกษาการพยากรณ์. KHON KAEN AGR. J. 44 (2) : 219-228 (2016).
ทรงศิริ แต้สมบัติ. (2549). การพยากรณ์เชิงปริมาณ. สถานที่พิมพ์มหาวิทยาลัยเกษตรศาสตร์: สํานักพิมพ์ ม.เกษตรศาสตร์ พรธิภา องค์คุณารักษ์. (2563). การจัดการโซ่อุปทานในอุตสาหกรรมเกษตรเบื้องต้น. พิมพ์ครั้งที่ 9. ภาควิชาเทคโนโลยี
อุตสาหกรรมเกษตรคณะอุตสาหกรรมเกษตรมหาวิทยาลยัเกษตรศาสตร์,กรุงเทพฯ. สํานักงานเศรษฐกิจการเกษตร, (2563). สถิติการส่งออก. สืบค้นเมื่อ 20 มีนาคม 2563, จาก http://impexp.oae.go.th/, Alon, I., Qi, M., & Sadowski, R. J. (2001). Forecasting aggregate retail sales:: a comparison of artificial neural
networks and traditional methods. Journal of retailing and consumer services, 8(3), 147-156. Deepradit, S., Ongkunaruk, P., & Pisuchpen, R. (2020). The Study of Forecasting Techniques for Aromatic Coconut Monthly Prices Using Individual and Hierarchical Forecasting. Thai Journal of
Operations
Research: TJOR, 8(2), 15-26.
Fausett, L., (1994). Fundamentals of neural networks: architectures, algorithms and applications. Prentice-
Hall, USA.
Kahforoushan, E., Zarif, M., & Mashahir, E. B. (2010). Prediction of added value of agricultural subsections using artificial neural networks: Box-Jenkins and Holt-Winters methods.Journal of
Development
and Agricultural Economics, 2(4), 115-121.
Published
2021-08-10