การพยากรณ์ข้อมูลการปลูกข้าวด้วยเทคนิคใหม่โดยการทำเหมืองข้อมูล

บทคัดย่อ

การวิจัยเรื่อง การพยากรณ์ข้อมูลการปลูกข้าวด้วยเทคนิคใหม่โดยการทำเหมืองข้อมูล สนับสนุนการตัดสินใจดำเนินการทำเกษตรกรรมจากความแปรปรวนของสภาพภูมิประเทศ ภูมิอากาศให้เหมาะสมกับพื้นที่ในการทำเกษตรกรรมจากการเก็บ รวบรวมข้อมูลการทำเกษตรกรรม เพื่อวิเคราะห์ข้อมูลที่ผ่านมาเพื่อเรียนรู้ที่จะปรับตัว เตรียมรับมือกับสิ่งที่จะเกิดขึ้นในอนาคตด้วยการคาดการณ์ล่วงหน้าเพื่อลดช่วยความเสี่ยง ลดต้นทุนการดำเนินต่าง ๆ ในการทำเกษตรกรรม และช่วยจัดสรรพื้นที่ให้เกิดประโยชน์อย่างมีประสิทธิภาพมากยิ่งขึ้น ผลการทดลองวัดประสิทธิภาพด้านความถูกต้องพบว่า อัลกอริทึมการถ่วงน้ำหนัก Boosting Weighted Extreme Learning Machine (Boosting Weighted ELM) ด้วยฟังก์ชันกระตุ้น Hard limit กำหนดค่าถ่วงน้ำหนัก Trade-off constant C ที่ 23 = 8 ทดสอบจำนวน 30 ครั้ง แล้วนำมาหาค่าเฉลี่ย ให้ค่าความถูกต้องในการจำแนกประเภทการปลูกข้าวด้วยคอนโทรล (Control) = 93.14 % การปลูกข้าวด้วยปุ๋ยหมัก (Compost) = 91.48 % การปลูกข้าวด้วยเค้กอ้อยหรือขี้เค้กอ้อย (Filtercake) = 89.05 % การปลูกข้าวด้วยมูลโค (Manure) = 83.86 % และข้อมูลเข้าใช้งานปกติ (Normal Data) = 69.73 % ค่าเบี่ยงเบนมาตรฐาน Standard Deviation (S.D.) = 10.02 เฉลี่ยผลการวัดประสิทธิภาพด้านความถูกต้องอัลกอริทึม Boosting Weighted ELM อยู่ที่ 85.45 % อันดับสองเป็นฟังก์ชันกระตุ้น Sigmoidal, Radial basis, Sine และ Triangular ตามลำดับ ผลการทดสอบประสิทธิภาพทางด้านเวลาพบว่า อัลกอริทึม Extreme Learning Machine ทุกชนิด จะใช้เวลาในการทดสอบไม่มากนัก สูงสุดคืออัลกอริทึม Weighted Extreme Leaning Machine (Weighted ELM) ฟังก์ชันกระตุ้น RBF Kernel กำหนดค่า Trade-off constant C ที่25 เฉลี่ยใช้เวลาในการสดสอบอยู่ที่ 5.16798 วินาที อัลกอริทึมที่ใช้เวลาต่ำสุดจะเป็นอัลกอริทึม Original Extreme Leaning Machine ฟังก์ชันกระตุ้น Radial basis เฉลี่ยใช้เวลาในการสดสอบอยู่ที่ 0.2601 วินาที

คำสำคัญ