การวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบตัวแบบพยากรณ์ปริมาณการส่งออกมะม่วงแช่เย็นจนแข็ง สำหรับนำมาใช้ในการวางแผนการจัดการทั้งการปลูกและการผลิตได้อย่างเหมาะสมตามความต้องการ โดยแบ่งข้อมูลเป็น 2 ส่วน ข้อมูลส่วนที่ 1 เป็นข้อมูลตั้งแต่เดือนมกราคม 2554 ถึง ธันวาคม 2563 จำนวน 120 ค่า ใช้สำหรับเป็นชุดข้อมูลฝึกฝน สำหรับสร้างตัวแบบพยากรณ์ และข้อมูลส่วนที่ 2 เป็นข้อมูลตั้งแต่เดือนมกราคม ถึง ธันวาคม 2564 จำนวน 12 ค่า ใช้สำหรับเป็นชุดข้อมูลทดสอบความแม่นยำของตัวแบบพยากรณ์ โดยได้เปรียบเทียบวิธีการพยากรณ์จำนวน 5 วิธี ได้แก่ วิธีการแยกส่วนประกอบอนุกรมเวลาแบบคูณ วิธีการแยกส่วนประกอบอนุกรมเวลาแบบบวก วิธีการปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังที่มีฤดูกาลอย่างง่าย วิธีการปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ และวิธีการปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบบวก สาหรับการประเมินความแม่นยำของตัวแบบพยากรณ์สำหรับงานวิจัยนี้ คือ เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย และรากของค่าคลาดเคลื่อนกำลังสองเฉลี่ยซึ่งผลการวิจัยพบว่า วิธีการปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบบวก เป็นวิธีที่เหมาะสมที่สุด โดยให้เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ยต่ำที่สุด เท่ากับ 22.63% และ รากของค่าคลาดเคลื่อนกาลังสองเฉลี่ยเท่ากับ 2,780.98 พันกิโลกรัม
The purpose of this research was to compare forecasting models of frozen mango export volume, used for management planning of both planting and production as appropriate as needed. The dataset was divided into two sets. The first set was monthly from January 2011 to December 2020, which had 120 values, for fitting the model. The second set was monthly from January 2021 to December 2021, which had 12 values, for comparing the accuracy of the forecast. There were five forecasting methods that were used in the study; multiplicative decomposition method, additive decomposition method, simple seasonal exponential smoothing method, Winters’ multiplicative exponential smoothing method, and Winters’ additive exponential smoothing method. The suitable forecasting methods were chosen by considering the smallest value of mean absolute percentage error and root mean square error. The results of the study show that Winters’ additive exponential smoothing method was the best method. This method had the lowest mean absolute percentage error and root mean square error of 22.63% and 2,780.98 thousand kilograms, respectively.
