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
References
นรวัฒน์ เหลืองทอง และนันทชัย กานตานันทะ. (2559). การเลือกตัวแบบพยากรณ์ผลผลิตการเกษตรที่เหมาะสม. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยธรรมศาสตร์. 24 (3). 370 – 381.
สำนักงานเศรษฐกิจการเกษตร. (2557). สถิติการเกษตรของประเทศไทย ปี 2556. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
สำนักงานเศรษฐกิจการเกษตร. (2558). สถิติการเกษตรของประเทศไทย ปี 2557. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
สำนักงานเศรษฐกิจการเกษตร. (2559). สถิติการเกษตรของประเทศไทย ปี 2558. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
สำนักงานเศรษฐกิจการเกษตร. (2560). สถิติการเกษตรของประเทศไทย ปี 2559. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
สำนักงานเศรษฐกิจการเกษตร. (2561). สถิติการเกษตรของประเทศไทย ปี 2560. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
สำนักงานเศรษฐกิจการเกษตร. (2562). สถิติการเกษตรของประเทศไทย ปี 2561. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
สำนักงานเศรษฐกิจการเกษตร. (2563). สถิติการเกษตรของประเทศไทย ปี 2562. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
สำนักงานเศรษฐกิจการเกษตร. (2564). สถิติการเกษตรของประเทศไทย ปี 2563. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
สำนักงานเศรษฐกิจการเกษตร. (2565). สถิติการเกษตรของประเทศไทย ปี 2564. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
สำนักงานเศรษฐกิจการเกษตร. (2566). สถิติการเกษตรของประเทศไทย ปี 2565. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ กรุงเทพมหานคร.
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
Goodfellow, I., Bengio, Y., Courville, A., & Bengio, Y. (2016). Deep Learning (Vol. 1). MIT press Cambridge.
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer.
KNIME. (2023). KNIME | Open for Innovation. https://www.knime.com/.
Monthicha Ketna. (2020). Tools for Data Analysis of Business Organizations. Journal of Business Administration and Social Sciences Ramkhamhaeng University. Year 3, Vol. 3, pp. 14 – 30, September - December.
![](https://he03.tci-thaijo.org/public/journals/31/article_1691_cover_th_TH.jpg)
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
![Creative Commons License](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.