การพัฒนาตัวแบบการพยากรณ์ผลผลิตลำไยรายแปลงโดยใช้เทคนิคการทำเหมืองข้อมูล
คำสำคัญ:
พยากรณ์, เหมืองข้อมูล, ผลผลิต, ลำไย, แบบจำลองเพื่อการพยากรณ์บทคัดย่อ
งานวิจัยนี้นำเสนอตัวแบบการพยากรณ์ปริมาณผลผลิตลำไยโดยใช้เทคนิคเหมืองข้อมูลใช้ข้อมูลการผลิตลำไยในฤดูของเกษตรกรผู้ผลิตลำไยในพื้นที่จังหวัดเชียงใหม่ จังหวัดลำพูนและจังหวัดพะเยา จำนวน 215 แปลง ปีพ.ศ.2564 ด้วยเทคนิคต้นไม้ตัดสินใจ และกฎความสัมพันธ์ พบปัจจัยที่ส่งผลกระทบต่อปริมาณผลผลิตลำไยจากโมเดลการพยากรณ์คือ เดือนที่ใส่สารกระตุ้นการออกดอกและประเภทของสารกระตุ้นการออกดอกซึ่งพบว่าเมื่อใช้สารโซเดียมคลอเรตจะมีค่าพยากรณ์ปริมาณผลผลิตในระดับปานกลางขึ้นไปพิจารณาจากกฎความสัมพันธ์ที่มีค่าความเชื่อมั่นในลำดับที่ 1 และ 2 สอดคล้องกับกฎความสัมพันธ์ของข้อมูลในกฎที่ 1 แปลงที่มีการใช้สารโซเดียมคลอเรต ในเดือนธันวาคม จำนวน 85 แปลง จะได้ผลผลิตในระดับปานกลาง 53 แปลง ที่ระดับความเชื่อมั่น 62% และกฎที่ 2 พบว่าแปลงที่มีการใช้สารโซเดียมคลอเรต จำนวน 110 แปลง จะได้ผลผลิตในระดับปานกลาง 68 แปลง ที่ระดับความเชื่อมั่น 62%
เอกสารอ้างอิง
บุญชาติ คติวัฒน์. 2551. ผลของสารโพแทสเซียมคลอเรตต่อการออกดอกติดผลของลําไยพันธุ์อีดอในรอบปี. วิทยานิพนธ์วิทยาศาสตรมหาบัญฑิต. มหาวิทยาลัยแม่โจ้,เชียงใหม่.90 หน้า.
วีรศักดิ์ ฟองเงิน. 2560. การพยากรณ์ปริมาณน้ำในเขื่อนโดยใช้เทคนิคเหมืองข้อมูล. วารสารวิชาการการจัดการเทคโนโลยี มหาวิทยาลัยราชภัฏมหาสารคาม 4(1): 27–33.
ปรีชา ลิ้มตระกูล วิภา เจริญภัณฑารักษ์ และวิทยา พรพัชรพงศ์. 2559. การพัฒนาตัวแบบการพยากรณ์ผลผลิตมันสำปะหลังด้วยเทคนิคการทำเหมืองข้อมูล. วารสารวิชาการเวอริเดียน อี เจอร์นัล สาขาวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยศิลปากร 3(3):15–36.
สำนักงานเศรษฐกิจการเกษตร.2563. ข้อมูลการผลิตสินค้าเกษตร(ระบบออนไลน์).แหล่งข้อมูล: www.oae.go.th (30 มีนาคม 2567).
วินัย วิริยะอลงกรณ์. 2564. ผลของสารโพแทสเซียมคลอเรตต่อความเข้มข้นของคาร์บอนไดออกไซด์ในเขตรากพืชการชักนำการเปิดปิดของปากใบและคุณภาพของผลลำไย. วารสารวิจัยและส่งเสริมวิชาการเกษตร 38(1): 12–27.
ธรณินทร์ สัจวิริยทรัพย์. 2561. ตัวแบบโครงข่ายประสาทเทียมสำหรับการพยากรณ์ราคาข้าวโพดเลี้ยงสัตว์รายเดือนของประเทศไทย. Srinakharinwirot Science Journal 34(1): 91–108.
Chen, F., Drezner, Z., Ryan, J. K., and Simchi-Levi, D. 2000. Quantifying the Bullwhip Effect in a Simple Supply Chain: The Impact of Forecasting, Lead Times, and Information. Management Science 46(3): 436–443.
Fayyad, U., Piatetsky-Shapiro, G., and Smyth, P. 1996. From Data Mining to Knowledge Discovery in Databases. AI Magazine 17(3): 37–37.
Li, L., Shrestha, S., and Hu, G. 2017. Analysis of road traffic fatal accidents using data mining techniques. 2017 IEEE 15th International Conference on Software Engineering Research, Management and Applications (SERA): 363–370.
Manochai, P., P. Sruamsiri., W. Wiriya-alongkorn., D. Naphrom., M. Hegele and F. Bangerth. 2005. Year around off season flower induction in longan (Dimocarpus longan, Lour.) trees. by KClO3 applications: potentials and problems. Scientia Horticulturae 104: 379-390.
Pattranurakyothin, T., & Kumnungkit, K. 2012. Forecasting Model for Para Rubber’s Export Sales. Current Applied Science and Technology 12(2): 198–202.
Sadeghi, A. 2015. Providing a measure for bullwhip effect in a two-product supply chain with exponential smoothing forecasts. International Journal of Production Economics 169: 44–54.
