กรุณาใช้ตัวระบุนี้เพื่ออ้างอิงหรือเชื่อมต่อรายการนี้:
https://buuir.buu.ac.th/xmlui/handle/1234567890/1974ระเบียนเมทาดาทาแบบเต็ม
| ฟิลด์ DC | ค่า | ภาษา |
|---|---|---|
| dc.contributor.author | ณัฐนนท์ ลีลาตระกูล | th |
| dc.contributor.author | สุนิสา ริมเจริญ | th |
| dc.contributor.author | สุภาวดี ศรีคำดี | th |
| dc.contributor.other | มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ | |
| dc.date.accessioned | 2019-03-25T09:10:01Z | |
| dc.date.available | 2019-03-25T09:10:01Z | |
| dc.date.issued | 2559 | |
| dc.identifier.uri | http://dspace.lib.buu.ac.th/xmlui/handle/1234567890/1974 | |
| dc.description.abstract | อ้อยเป็นพืชเศรษฐกิจที่สำคัญที่ใช้ในอุตสาหกรรมการผลิตน้ำตาล แต่ปริมาณอ้อยที่เกษตรกรผลิตเพื่อส่งเข้าสู่โรงงานมีความไม่แน่นอน ส่งผลให้โรงงานผลิตน้ำตาลมีความเสี่ยงในแง่ของวัตถุดิบในการผลิต การพยากรณ์ปริมาณผลผลิตอ้อยของเกษตรกรจะช่วยให้โรงงานผลิตน้ำตาลสามารถคาดการณ์และวางแผนการผลิตได้เหมาะสม งานวิจัยนี้จึงนำเสนอขั้นตอนวิธี (mu+lambda) adaptive evolution strategies สำหรับสร้างสมการพยากรณ์ปริมาณผลผลิตอ้อยของเกษตรกร ขั้นตอนวิธีที่นำเสนอเป็นการนำเอาข้อดีของสองอัลกอริทึมมารวมกัน กล่าวคือ นำความสามารถของ genetic algorithm ในการหารูปแบบของสมการมารวมกับความสามารถของ evolution strategies ในการปรับค่าสัมประสิทธิ์ สมการที่ได้จากขั้นตอนวิธีที่นำเสนอถูกนำมาทดสอบกับข้อมูลของเกษตรกรผู้ปลูกอ้อยใน 24 จังหวัดของประเทศไทย ในปี ค.ศ. 2010 – 2014 ผลการทดลองพบว่าขั้นตอนวิธีที่นำเสนอมี ความถูกต้องในการพยากรณ์ปริมาณผลผลิตประมาณ 88% ซึ่งเมื่อเทียบกับวิธีที่เป็นที่นิยมอย่าง back propagation neural network (BPNN) พบว่า ขั้นตอนวิธีที่นำเสนอมีความแม่นยำมากกว่าในทุกกรณีทดสอบ | th_TH |
| dc.description.sponsorship | โครงการวิจัยประเภทงบประมาณเงินรายได้จากเงินอุดหนุนรัฐบาล (งบประมาณแผ่นดิน) ประจำปีงบประมาณ พ.ศ. 2559 | en |
| dc.language.iso | th | th_TH |
| dc.publisher | คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา | th_TH |
| dc.subject | น้ำตาล | th_TH |
| dc.subject | พืชเศรษฐกิจ | th_TH |
| dc.subject | อ้อย | th_TH |
| dc.subject | สาขาเทคโนโลยีสารสนเทศและนิเทศศาสตร์ | th_TH |
| dc.title | ขั้นตอนวิธีสำหรับการพยากรณ์ผลผลิตอ้อยเพื่อป้อนเข้าสู่โรงงานอุตสาหกรรม | th_TH |
| dc.type | Research | |
| dc.year | 2559 | |
| dc.description.abstractalternative | Sugarcane is a very important crop in the sugar industry. However, the annual amount of harvested sugarcane is oftentimes uncertain, posing risks to sugarcane mills in terms of raw material supply. The forecast for the sugarcane yield would allow the mills to plan sugar production accordingly. This paper proposes (mu+ lambda) adaptive evolution strategies, which generate equations for accurately forecasting the sugarcane yield. Our proposed scheme combines the advantages of two algorithms: genetic algorithm and evolution strategies. Specifically, the genetic algorithm is good for determining patterns of forecasting equations, while the evolution strategies are used to tune the equations’ coefficients. The test data is collected from sugarcane farmers in 24 provinces of Thailand during 2010 - 2014. The equations obtained by the proposed method are 80% accurate on average, outperforming the previous method (back propagation neural network) in all data set. | en |
| ปรากฏในกลุ่มข้อมูล: | รายงานการวิจัย (Research Reports) | |
แฟ้มในรายการข้อมูลนี้:
| แฟ้ม | ขนาด | รูปแบบ | |
|---|---|---|---|
| 2563_157.pdf | 2.34 MB | Adobe PDF | ดู/เปิด |
รายการทั้งหมดในระบบคิดีได้รับการคุ้มครองลิขสิทธิ์ มีการสงวนสิทธิ์เว้นแต่ที่ระบุไว้เป็นอื่น