Page Header

การศึกษาค่าปรับเรียบที่เหมาะสมสำหรับข้อมูลที่ไม่มีแนวโน้มและไม่มีฤดูกาล
The Study of an Optimal Smoothing Constant Value for Data with No Trend and Seasonality Behavior

Premporn Khemavuk, Chomporn Chawbangkaew

Abstract


งานวิจัยนี้มีวัตถุประสงค์เพื่อหาค่าปรับเรียบ (α) ที่เหมาะสมที่สุดของวิธีการปรับเรียบเอกซ์โพเนนเชียลแบบง่าย (SES) โดยทดสอบกับข้อมูลอนุกรมเวลาแบบไม่มีแนวโน้มและไม่มีอิทธิพลของฤดูกาลจำนวน 5,000 ชุด โดยมีสัมประสิทธิ์ของความแปรปรวนไม่เกิน 30% ในการกำหนดค่าปรับเรียบไม่ได้มีการกำหนดค่าปรับเรียบที่ชัดเจนว่าควรมีค่าเท่าใดจึงจะพยากรณ์ข้อมูลได้ถูกต้องหรือมีความแม่นยำของการพยากรณ์มากที่สุด งานวิจัยนี้พบว่าผลการเปรียบเทียบ (0< α <1) โดยค่าเพิ่มขึ้นทีละ 0.1 ปรากฎว่าค่าปรับเรียบเท่ากับ 0.1 ให้ค่าคลาดเคลื่อนของการพยากรณ์ด้วยวิธีค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์น้อยที่สุดกับข้อมูลที่มีความแปรปรวนน้อย นอกจากนี้ ผู้วิจัยยังได้ทดสอบความสามารถของการพยากรณ์โดยนำวิธี SES ที่กำหนดค่าปรับเรียบเท่ากับ 0.1 ไปเปรียบเทียบกับวิธีพยากรณ์อื่นๆ อีก 4 วิธี ที่เหมาะสมกับข้อมูลที่ไม่มีแนวโน้มและไม่มีฤดูกาล ผลปรากฎว่าวิธี SES ให้ค่าคลาดเคลื่อนของการพยากรณ์ต่ำที่สุด

The objective of this research was to find an optimal smoothing constant value (α) for the Single Exponential Smoothing (SES) model. A large dataset of 5,000 records with no trend and seasonality behavior was used to run such model. This dataset has less than 30 percent Coefficient of Variation. The commonly used value for α is between 0 and 1 considering a small α for data with less variance. However, certain values for α closed to 0 or 1 are not clearly determined. Interestingly, this research found that a value of 0.1 has the smallest mean absolute percent error (MAPE) for data with both small and high variance. Furthermore, the SES method with α = 0.1 was compared with other 4 methods for forecasting data with no trend and seasonality behavior. The results show that SES is the best method to forecast such data.


Keywords



Full Text: PDF

DOI: 10.14416/j.kmutnb.2020.11.005

ISSN: 2465-4698