การประยุกต์การเรียนรู้ของเครื่องในการพยากรณ์ปริมาณผลผลิตพืชเศรษฐกิจในโซ่อุปทานภาคเกษตรกรรม พื้นที่ระเบียงเศรษฐกิจภาคกลาง – ภาคตะวันตก

บทคัดย่อ

          บทความวิจัยฉบับนี้มีวัตถุประสงค์เพื่อประยุกต์การเรียนรู้ของเครื่อง (Machine Lea rning) ในการพยากรณ์ปริมาณผลผลิตพืชเศรษฐกิจในโซ่อุปทานภาคเกษตรกรรม พื้นที่ระ เบียงเศรษฐกิจภาคกลาง - ภาคตะวันตก ซึ่งจะประกอบด้วย กาญจนบุรี สุพรรณบุรี นครปฐม และพระนครศรีอยุธยา โดยพิจารณาพืชเศรษฐกิจที่มีปริมาณผลผลิตในพื้นที่ดังกล่าวมากที่ สุด 3 ลำดับแรก คือ อ้อยโรงงาน มันสำปะหลังโรงงาน และข้าวนาปี ตามลำดับ  จากสถิติพื ชเศรษฐกิจ ย้อนหลังจำนวน 10 ปี (พ.ศ. 2556 - 2565)  ข้อมูลจากสำนักงานเศรษฐกิจการ เกษตร กระทรวงเกษตรและสหกรณ์ โดยการประยุกต์ใช้  KNIME  หรือ Konstanz Infor mation Miner เป็นโปรแกรมสำหรับการวิเคราะห์ข้อมูลแบบ Open Source KNIME ได้รับการจัดอันดับจาก  Gertner ให้อยู่ในกลุ่มผู้นำด้านการวิเคราะห์ข้อมูลและการเรียนรู้ของเครื่องหลายปีติดต่อกัน เมื่อประยุกต์การเรียนรู้ของเครื่อง (Machine Learning) ในการพ ยากรณ์ปริมาณผลผลิตพืชเศรษฐกิจในโซ่อุปทานภาคเกษตรกรรม มีอัลกอริทึมในการพยา กรณ์ปริมาณผลผลิตที่เหมาะสมต่างกันเมื่อพิจารณาค่า Mean absolute percentage er ror โดยอ้อยโรงงาน พยากรณ์ด้วยอัลกอริทึม Random Forest มีความเหมาะสมที่สุด มันสำปะหลังโรงงาน พยากรณ์ด้วยอัลกอริทึม   Simple Regression Tree  และ  Gradient Boosted Trees  มีความเหมาะสมที่สุดและข้าวนาปี พยากรณ์ด้วยอัลกอริทึม  Polynomi al Regression  มีความเหมาะสมที่สุด ซึ่งผู้ที่เกี่ยวข้อง หรือมีส่วนได้ส่วนเสียในโซ่อุปทานภาคเกษตรกรรมของพืชเศรษฐกิจ พื้นที่ระเบียงเศรษฐกิจภาคกลาง – ภาคตะวันตก  เช่น  ผู้ประกอบการ หน่วยงานสนับสนุนและส่งเสริมด้านเกษตรกรรมในพื้นที่ สามารถนำอัลกอริทึมที่เหมาะสมกับพืชเศรษฐกิจแต่ละชนิดที่ไปใช้ในการพยากรณ์ปริมาณผลผลิตพืชเศรษฐกิจได้ และการวางแผนการเกษตรกรรม การเพาะปลูก ตลอดจนการจัดจำหน่าย และกระตุ้นด้า นการตลาดให้สอดคล้องกับช่วงเวลาที่มีปริมาณผลผลิตพืชเศรษฐกิจสูง - ต่ำ เพื่อให้เกิดค วามสมดุลของอุปสงค์และอุปทาน