Forecasting container support strategy of Bangkok port
7
Issued Date
2015
Copyright Date
2015
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
x, 72 leaves : ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thesis (M.Sc. (Information Technology Management))--Mahidol University, 2015
Suggested Citation
Kanya Choknitisub Forecasting container support strategy of Bangkok port. Thesis (M.Sc. (Information Technology Management))--Mahidol University, 2015. Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/94020
Title
Forecasting container support strategy of Bangkok port
Alternative Title(s)
การพยากรณ์จำนวนตู้คอนเทรนเนอร์เพื่อกำหนดกลยุทธ์การท่าเรือกรุงเทพ
Author(s)
Abstract
The purpose of this thesis is to forecast the number of containers in the Bangkok Port regarding resource management, budget establishment, commercial transportation administration and management efficiency by using the non-linear auto-regressive with exogenous input (NARX) model. This model can provide an estimate and analysis of the number of containers so to determine the relationship of relevant data; for example, shipping routes, etc. A comparison of other forecasting models can be performed. The artificial neural network (ANN) and the support vector regression (SVR) are presented in this thesis. The data used regarding the number of containers was processed during the period from October 2006 to June 2014. The result shows that the mean absolute percentage error (MAPE) is approximately at 4% with 95% confidence intervals, while other forecasting models were at only 9-10%. Moreover, this model can be applied for forecasting in other sectors such as medical, industry, etc. Finally, this thesis would be most effective for forecasting the high accuracy of port logistics processing strategies.
งานวิจัยฉบับนี้นำเสนอการพยากรณ์จำนวนตู้คอนเทนเนอร์ของท่าเรือกรุงเทพ สำหรับการบริหารจัดการทรัพยากร ตั้งงบประมาณ และการบริหารการดำเนินงานให้มีประสิทธิภาพ เพื่อกำหนดกลยุทธ์บทบาทการบริหารการจัดการรองรับการขนส่งทางการค้าได้อย่างมีประสิทธิภาพ โดยประยุกต์ใช้แบบจำลองไม่เชิงเส้นในการพยากรณ์จำนวนตู้คอนเทนเนอร์ และวิเคราะห์หาความสัมพันธ์ของข้อมูลที่เกี่ยวข้อง เช่น จำนวนสายเรือ เป็นต้น เพื่อเป็นข้อมูลป้อนเข้าให้แบบจำลองในการพยากรณ์ การสร้างแบบจำลองไม่เชิงเส้นแบบถดถอยด้วยตัวเองกับข้อมูลป้อนเข้าภายนอกไม่เชิงเส้น (Nonlinear Auto-Regressive with eXogenous input ; NARX) และเปรียบเทียบการพยากรณ์โดยใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) ได้แก่ วิธีโครงข่ายประสาทเทียม (Artificial Neural Network) และซัพพอร์ตเวกเตอร์รีเกรสชั่น (Support Vector Regression) โดยใช้ข้อมูลจำนวนตู้คอนเทนเนอร์ ตั้งแต่ เดือนตุลาคม พ.ศ. 2549 ถึง มิถุนายน 2557 จากนั้นทำการตรวจสอบและวัดความถูกต้องของการพยากรณ์ตามหลักสถิติ พบว่าค่าตกค้างของแบบจำลองมีความอิสระ และการแจกแจงแบบปกติที่ระดับความเชื่อมั่น 95 % พบว่าวิธีการพยากรณ์โดยแบบจำลองไม่เชิงเส้นแบบถดถอยด้วยตัวเองกับข้อมูลป้อนเข้าภายนอกไม่เชิงเส้นให้ค่าความแม่นยำดีที่สุดและค่าผิดพลาดเฉลี่ยร้อยละสัมบูรณ์เพียง 4 % ส่วนวิธีอื่น 9-10 % นอกจากนี้ยังสามารถนำแบบจำลองนี้ไปใช้ในการพยากรณ์ทางด้านอื่น เช่น การแพทย์ อุตสาหกรรม และอื่น ๆ เป็นต้น สุดท้ายงานวิจัยนี้เป็นประโยชน์อย่างยิ่งสำหรับการพยากรณ์ที่ต้องการความแม่นยำสูง
งานวิจัยฉบับนี้นำเสนอการพยากรณ์จำนวนตู้คอนเทนเนอร์ของท่าเรือกรุงเทพ สำหรับการบริหารจัดการทรัพยากร ตั้งงบประมาณ และการบริหารการดำเนินงานให้มีประสิทธิภาพ เพื่อกำหนดกลยุทธ์บทบาทการบริหารการจัดการรองรับการขนส่งทางการค้าได้อย่างมีประสิทธิภาพ โดยประยุกต์ใช้แบบจำลองไม่เชิงเส้นในการพยากรณ์จำนวนตู้คอนเทนเนอร์ และวิเคราะห์หาความสัมพันธ์ของข้อมูลที่เกี่ยวข้อง เช่น จำนวนสายเรือ เป็นต้น เพื่อเป็นข้อมูลป้อนเข้าให้แบบจำลองในการพยากรณ์ การสร้างแบบจำลองไม่เชิงเส้นแบบถดถอยด้วยตัวเองกับข้อมูลป้อนเข้าภายนอกไม่เชิงเส้น (Nonlinear Auto-Regressive with eXogenous input ; NARX) และเปรียบเทียบการพยากรณ์โดยใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) ได้แก่ วิธีโครงข่ายประสาทเทียม (Artificial Neural Network) และซัพพอร์ตเวกเตอร์รีเกรสชั่น (Support Vector Regression) โดยใช้ข้อมูลจำนวนตู้คอนเทนเนอร์ ตั้งแต่ เดือนตุลาคม พ.ศ. 2549 ถึง มิถุนายน 2557 จากนั้นทำการตรวจสอบและวัดความถูกต้องของการพยากรณ์ตามหลักสถิติ พบว่าค่าตกค้างของแบบจำลองมีความอิสระ และการแจกแจงแบบปกติที่ระดับความเชื่อมั่น 95 % พบว่าวิธีการพยากรณ์โดยแบบจำลองไม่เชิงเส้นแบบถดถอยด้วยตัวเองกับข้อมูลป้อนเข้าภายนอกไม่เชิงเส้นให้ค่าความแม่นยำดีที่สุดและค่าผิดพลาดเฉลี่ยร้อยละสัมบูรณ์เพียง 4 % ส่วนวิธีอื่น 9-10 % นอกจากนี้ยังสามารถนำแบบจำลองนี้ไปใช้ในการพยากรณ์ทางด้านอื่น เช่น การแพทย์ อุตสาหกรรม และอื่น ๆ เป็นต้น สุดท้ายงานวิจัยนี้เป็นประโยชน์อย่างยิ่งสำหรับการพยากรณ์ที่ต้องการความแม่นยำสูง
Description
Information Technology Management (Mahidol University 2015)
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Engineering
Degree Discipline
Information Technology Management
Degree Grantor(s)
Mahidol University