ตัวแบบผสมของตัวแบบเชิงเส้นตรงและตัวแบบไม่เชิงเส้นตรงสำหรับการพยากรณ์ปริมาณการส่งออกข้าวระหว่างประเทศรายปี

Abstract

          งานวิจัยนี้ พัฒนาตัวแบบผสมระหว่างตัวแบบอารีมาและตัวแบบซัพพอร์ตเวกเตอร์แมชชีนขึ้นเพื่อพยากรณ์ปริมาณการส่งออกข้าวทั้ง 3 ประเทศ ได้แก่ ประเทศไทย อินเดีย และเวียดนาม ซึ่งเป็นผู้ส่งออกข้าวรายใหญ่ของตลาดการค้าระหว่างประเทศ โดยอาศัยจุดเด่นของตัวแบบอารีมาในการอธิบายข้อมูลอนุกรมเวลาที่มีความสัมพันธ์แบบเชิงเส้นตรงและตัวแบบ ซัพพอร์ตเวกเตอร์แมชชีนที่มีจุดเด่นในการสร้างฟังก์ชันการทำนายที่ซับซ้อนสำหรับการอธิบายข้อมูลที่มีความสัมพันธ์ไม่เป็นเชิงเส้นตรง นอกจากนี้ ตัวแบบผสมถูกเปรียบเทียบประสิทธิภาพการพยากรณ์กับตัวแบบ 3 ตัวแบบ คือ ตัวแบบอย่างง่าย ตัวแบบอารีมา และตัวแบบซัพพอร์ตเวกเตอร์แมชชีนด้วยเกณฑ์การวัดประสิทธิภาพการพยากรณ์ 5 เกณฑ์ ได้แก่ ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย ร้อยละของความคลาดเคลื่อนสัมบูรณ์เฉลี่ย เปอร์เซ็นต์ของ มัธยฐานความคลาดเคลื่อนสัมบูรณ์ และเปอร์เซ็นต์ของความคลาดเคลื่อนสัมบูรณ์เฉลี่ยแบบสมมาตร โดยผลการวิจัยบ่งชี้ว่า ตัวแบบผสมให้ประสิทธิภาพการพยากรณ์ดีกว่าอีก 3 ตัวแบบ ในทุกเกณฑ์การวัดประสิทธิภาพการพยากรณ์ ดังนั้น ตัวแบบผสมสามารถใช้เป็นเครื่องมือในการพยากรณ์ปริมาณการส่งออกข้าวของทั้ง 3 ประเทศ เพื่อประกอบการตัดสินใจสำหรับการวางแผนการผลิตและการเพาะปลูกให้เหมาะสมกับความต้องการในแต่ละฤดูกาล           In this article, a hybrid model of ARIMA and SVM models is developed to forecast three rice volumes of exporters, Thailand, India, and Viet Nam, which are major exporters of international rice market. The ARIMA model is used to prominently describe time series data with linear component while the SVM model is suitable for building complex function in order to predict nonlinear component. In addition, the hybrid model is compared with three traditional forecasting models, Naïve, ARIMA, and SVM, based on five accuracy measures which are Mean Absolute Error, Root Mean Squared Error, Mean Absolute Percentage Error, Median Absolute Percentage Error and Symmetric Mean Absolute Percentage Error. The empirical results indicate that the hybrid model outperforms three traditional models based on all accuracy measures. Consequently, the hybrid model is used to be a tool for predicting the three rice volumes of exporters to support a decision making of rice cultivation in each season.