การเปรียบเทียบวิธีการพยากรณ์ปริมาณการใช้ไฟฟ้า ของมหาวิทยาลัยราชภัฏอุบลราชธานี
Article Sidebar
Main Article Content
บทคัดย่อ
การพยากรณ์การใช้พลังงานไฟฟ้าในมหาวิทยาลัยหากเป็นไปด้วยความแม่นยำจะเป็นสารสนเทศช่วยใน
การตัดสินใจให้กับผู้บริหารหรือผู้ที่มีส่วนเกี่ยวข้องกำหนดนโยบายในการประหยัดพลังงานไฟฟ้าให้กับมหาวิทยาลัยอันจะมีผลทำให้ค่าใช้จ่ายด้านพลังงานไฟฟ้ามีค่าลดลง ดังนั้นงานวิจัยชิ้นนี้จึงมีวัตถุประสงค์ เพื่อพยากรณ์ปริมาณการใช้พลังงานไฟฟ้าของมหาวิทยาลัยราชภัฏอุบลราชธานี โดยการสร้างตัวแบบ 3 วิธี ได้แก่ วิธีการพยากรณ์ด้วยวิธีของวินเทอร์ วิธีการพยากรณ์ของบอกซ์-เจนกินส์ แบบมีฤดูกาล และวิธีการพยากรณ์รวม ข้อมูลที่ใช้เป็นข้อมูลอนุกรมเวลาปริมาณการใช้พลังงานไฟฟ้ารายเดือนของมหาวิทยาลัย ทำการเก็บรวบรวมข้อมูลจากเว็บไซต์ของกระทรวงพลังงาน ตั้งแต่เดือนมกราคม พ.ศ. 2548 ถึงเดือนพฤษภาคม พ.ศ. 2560 จำนวน 149 ค่า ผู้วิจัยทำการแบ่งข้อมูลออกเป็น 2 ชุด ชุดที่ 1 ตั้งแต่เดือนมกราคม พ.ศ. 2548 ถึงเดือนธันวาคม พ.ศ. 2559 จำนวน 144 ค่า และข้อมูลชุดที่ 2 ตั้งแต่เดือนมกราคมถึงพฤษภาคม พ.ศ. 2560 จำนวน 5 ค่า โดยนำข้อมูลชุดที่ 1 ไปใช้ในการสร้างตัวแบบการพยากรณ์ด้วยภาษาอาร์ จากนั้นใช้ข้อมูลชุดที่ 2 ตรวจสอบเพื่อเปรียบเทียบความแม่นยำของตัวแบบทั้ง 3 วิธี พบว่า ตัวแบบวิธีการพยากรณ์ของบอกซ์-เจนกินส์ แบบมีฤดูกาลเป็นตัวแบบที่มีค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ต่ำสุด ดังนั้น ตัวแบบวิธีการพยากรณ์ของบอกซ์-เจนกินส์แบบมีฤดูกาล จึงเป็นตัวแบบที่เหมาะสมที่สุดสำหรับนำมาใช้ในการพยากรณ์ปริมาณการใช้พลังงานไฟฟ้าของมหาวิทยาลัยราชภัฏอุบลราชธานี
Article Details
บทความที่ได้รับการตีพิมพ์ในวารสารฯ ท้ังในรูปแบบของรูปเล่มและอิเล็กทรอนิกส์เป็นลิขสิทธิ์ของวารสารฯ
References
[2] Jeong K, Koo C, Hong T. An estimation model for determining the annual energy cost budget in educational facilities using SARIMA (seasonal autoregressive integrated moving average) and ANN (artificial neural network). Energy. 2014; 71: 71–9.
[3] Dong B, Li Z, Rahman S. M, Vega R. A hybrid model approach for forecasting future residential electricity consumption. Energy and Buildings. 2016; 117: 341–51.
[4] Riansut W. Forecasting model for the export values of rubber wood and furniture of Thailand. Naresuan University Journal: Science and Technology. 2016; 24(3): 108–22.
[5] Panichkitkosolkul W. Comparison of forecasting method of daily jewellery gold prices: Holt,s forecast method, Box–Jenkins method and combined forecast method. Naresuan University Journal: Science and Technology. 2006; 14(2): 9-16.
[6] Ungpansattawong S. Statistical forecasting techniques. Khon Kaen: Khon Kaen University Press; 2012. (in Thai)
[7] Abraham B, Ledolter J. Statistical methods for forecasting. New York: John Wiley & Sons; 2005.
[8] Swanson NR, Zeng T. Choosing among competing econometric forecast: Regression–based forecast combination using model selection. Journal of Forecasting. 2001; 20: 425–40.
[9] Bluman AG. Elementary Statistics (A step by step approach). 7th ed. New York: McGraw–Hill; 2015.
[10] Kongkapet P. Nonparametric statistics. Bangkok: daenext; 2011 (in Thai)