การพยากรณ์จำนวนผู้เข้าบำบัดรักษายาเสพติดระบบสมัครใจ โดยใช้วิธีวิเคราะห์อนุกรมเวลา

Last modified: September 21, 2024
You are here:
Estimated reading time: 1 min
ชื่อเรื่อง –
Title:
การพยากรณ์จำนวนผู้เข้าบำบัดรักษายาเสพติดระบบสมัครใจ โดยใช้วิธีวิเคราะห์อนุกรมเวลา
Forecasting the Number of People Admitted to Voluntary Treatment Using the Time Series Analysis Techniques
ชื่อผู้เขียน –
Author:
นายจิรัฎฐ์ ทองภูธรณ์, Mr. Jirat Tongphuthon
อาจารย์ที่ปรึกษา –
Advisor:
ผศ. ดร.พิชญากร เลค – Asst. Prof. Dr. Pitchayakorn Lake
ชื่อปริญญา –
Degree:
บริหารธุรกิจบัณฑิต สาขาวิชาธุรกิจดิจิทัล – Bachelor of Business Administration Program in Digital Business
ภาควิชา/สาขาวิชา –
Major:
บธ.บ. (ธุรกิจดิจิทัล) – B.B.A. (Digital Business)
คณะวิชา –
Faculty:
เทคโนโลยีสารสนเทศ (Information technology)
ภาคเรียน/ปีการศึกษา –
Semester/Academic year:
2566 (2023)

บทคัดย่อ

     งานวิจัยนี้มีวัตถุประสงค์เพื่อคาดการณ์จำนวนผู้เข้ารับการบำบัดรักษาการเสพติดด้วยระบบสมัครใจ โดยใช้วิธีวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล 3 เทคนิค ได้แก่ การถดถอยเชิงเส้น แบบจำลองโครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอนหลายชั้น และซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย ข้อมูลที่นำมาใช้เป็นชุดข้อมูลการบำบัดรักษาผู้ติดยาเสพติดทั้ง 12 จังหวัด เป็นชุดข้อมูลรายปีตั้งแต่ปี พ.ศ. 2557 ถึง ปี พ.ศ. 2565 เป็นจำนวน 9 ปี จากผลการวิจัยสามารถสรุปได้ว่า รายปีตั้งแต่ปี 2557 ถึง ปี 2565 แสดงให้เห็นว่าการใช้แบบจำลองถดถอยเชิงเส้น ค่าความคลาดเคลื่อนสัมพัทธ์ (MRE) ที่น้อยที่สุดคือ 0.0060 จังหวัดนครราชสีมา และแบบจำลองที่สร้างด้วยโครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอนหลายชั้น ค่าความคลาดเคลื่อนสัมพัทธ์ ที่น้อยที่สุดคือ 0.0638 จังหวัดเชียงใหม่ และแบบจำลองซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย ค่าความคลาดเคลื่อนสัมพัทธ์ ที่น้อยที่สุดคือ 0.0141 จังหวัดขอนแก่น

คำสำคัญ: ผู้เข้าบำบัดรักษาระบบสมัครใจ, เหมืองข้อมูล, อนุกรมเวลา


Abstract

     The purpose of this research is to forecast the number of individuals seeking treatment for substance addiction using the voluntary admission system. Three data mining techniques, namely linear regression, multilayer perceptron neural network model, and support vector regression, are employed for time series analysis. The dataset used consists of treatment data for drug addiction from 12 provinces over 9 years, ranging from 2014 to 2022. Based on the research findings, it was concluded that from 2014 to 2022, the linear regression model achieved the lowest mean relative error (MRE) of 0.0060 in Nakhon Ratchasima province. The multilayer perceptron neural network model exhibited the lowest MRE of 0.0638 in Chiang Mai province, while the support vector regression model had the lowest MRE odata mining, voluntary treatment, time seriesf 0.0141 in Khon Kaen province.

คำสำคัญ: data mining, voluntary treatment, time series


ผศ. ดร.พิชญากร เลค – Asst. Prof. Dr. Pitchayakorn Lake, บธ.บ. (ธุรกิจดิจิทัล) – B.B.A. (Digital Business), เทคโนโลยีสารสนเทศ (Information technology), บริหารธุรกิจบัณฑิต สาขาวิชาธุรกิจดิจิทัล – Bachelor of Business Administration Program in Digital Business, 2566 (2023)

Tags:
Was this article helpful? บทความนี้เป็นประโยชน์หรือไม่?
ไม่ / Dislike 0
Views: 32
Facebook
Twitter
LinkedIn
WhatsApp
Email
Print

QR code for article

QR Code