Electricity consumption in educatio

Electricity consumption in educational facilities has increased by an annual average of 9.84% since 2006.
However, it is not considered as a factor in determining the AECB (annual energy cost budget) in South
Korea. Therefore, this study aims to develop an estimation model for determining the AECB in educational
facilities using the SARIMA (seasonal autoregressive integrated moving average) model and the
ANN (artificial neural network). This study collected electricity consumption data for 7 years (2005
e2011) from 787 educational facilities. The result of this study showed that the prediction accuracy of the
proposed hybrid model (which was developed by combining SARIMA and ANN) was improved,
compared to the conventional SARIMA model. The MAPE (mean absolute percentage error) of the proposed
method and conventional method for determining the AECB in educational facilities was determined
at 0.11e0.24% and 1.23e1.84%, respectively. Namely, it was determined that the proposed method
was superior to the conventional method. The proposed model could enable executives and managers in
charge of budget planning to accurately determine the AECB in educational facilities. It could be also
applied to other types of resources (e.g., water consumption or gas consumption) used in educational
facilities.

ผลลัพธ์ (ไทย) 1:

ปริมาณการใช้ไฟฟ้าที่สิ่งอำนวยความสะดวกทางการศึกษาได้เพิ่มขึ้น โดยเฉลี่ย 9.84% ปี 2549อย่างไรก็ตาม ไม่ถือว่าเป็นปัจจัยในการกำหนด AECB (ปีพลังงานต้นทุนงบประมาณ) ในภาคใต้เกาหลี ดังนั้น การศึกษานี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการประเมินสำหรับการกำหนด AECB ในศึกษาสิ่งอำนวยความสะดวกในการใช้สมถวิลการ (autoregressive ตามฤดูกาลรวมค่าเฉลี่ยเคลื่อนที่) แบบจำลองและแอน (โครงข่ายประสาทเทียม) ศึกษารวบรวมข้อมูลปริมาณการใช้ไฟฟ้าปี 7 (2005e2011) จากสิ่งอำนวยความสะดวกทางการศึกษา 787 ดรีม ผลการศึกษานี้ชี้ให้เห็นว่าความถูกต้องของการคาดเดาของมีการปรับปรุงรุ่นไฮบริเสนอ (ซึ่งได้รับการพัฒนา โดยรวมสมถวิลและแอน)เมื่อเทียบกับแบบธรรมดาทิพย MAPE (เปอร์เซ็นต์แน่นอนหมายถึงข้อผิดพลาด) ของการนำเสนอกำหนดวิธีและวิธีการทั่วไปสำหรับการกำหนด AECB ในสิ่งอำนวยความสะดวกทางการศึกษาที่ 0.11e0.24% และ 1.23e1.84% ตามลำดับ คือ ถูกกำหนดที่วิธีการนำเสนอเหนือกว่าวิธีการปกติ รูปแบบนำเสนอสามารถเปิดใช้งานผู้บริหารและผู้จัดการในค่าของงบประมาณการวางแผนเพื่อกำหนด AECB ในศึกษาอย่างถูกต้อง มันอาจจะยังกับชนิดอื่น ๆ ของทรัพยากร (เช่น ปริมาณการใช้น้ำหรือการใช้ก๊าซ) ใช้ในการศึกษาสิ่งอำนวยความสะดวก

ผลลัพธ์ (ไทย) 2:

ปริมาณการใช้ไฟฟ้าในสิ่งอำนวยความสะดวกด้านการศึกษาได้เพิ่มขึ้นโดยเฉลี่ยปีละ Electricity consumption in educational facilities has increased by an annual average of 9.84% since 2006.
แต่ก็ไม่ถือว่าเป็นปัจจัยในการกำหนด However, it is not considered as a factor in determining the AECB (annual energy cost budget) in South
ในเซาท์เกาหลี ดังนั้นการศึกษาครั้งนี้มีวัตถุประสงค์เพื่อพัฒนารูปแบบการประมาณค่าสำหรับการกำหนด Korea. Therefore, this study aims to develop an estimation model for determining the AECB in educational
ในการศึกษาสิ่งอำนวยความสะดวกโดยใช้SARIMA ( facilities using the SARIMA (seasonal autoregressive integrated moving average) model and the
ANN ( การศึกษาครั้งนี้เก็บรวบรวมข้อมูลการใช้ไฟฟ้าเป็นเวลา ANN (artificial neural network). This study collected electricity consumption data for 7 years (2005
e2011) e2011) from 787 educational facilities. The result of this study showed that the prediction accuracy of the
proposed hybrid model (which was developed by combining SARIMA and ANN) was improved,
compared to the conventional SARIMA model. The MAPE (mean absolute percentage error) of the proposed
method and conventional method for determining the AECB in educational facilities was determined
at 0.11e0.24% and 1.23e1.84%, respectively. Namely, it was determined that the proposed method
was superior to the conventional method. The proposed model could enable executives and managers in
charge of budget planning to accurately determine the AECB in educational facilities. It could be also
applied to other types of resources (e.g., water consumption or gas consumption) used in educational
facilities.

ผลลัพธ์ (ไทย) 3:

การใช้ไฟฟ้าในเครื่องการศึกษาเพิ่มขึ้นโดยเฉลี่ยรายปีของ 9.84 % ตั้งแต่ 2006 .
แต่ก็ไม่ถือว่าเป็นปัจจัยในการกำหนด AECB ( งบประมาณต้นทุนพลังงานรายปี
) อยู่ทางใต้ของเกาหลี ดังนั้นการศึกษาครั้งนี้จึงมีวัตถุประสงค์เพื่อพัฒนารูปแบบการประเมินเพื่อกำหนด AECB ในการศึกษา
เครื่องที่ใช้ sarima ( seasonal ตัวเองรวมค่าเฉลี่ยเคลื่อนที่ ) และรูปแบบ
Ann ( โครงข่ายประสาทเทียม ) ในการศึกษาครั้งนี้ได้เก็บรวบรวมข้อมูลการใช้ไฟฟ้าเป็นเวลา 7 ปี ( 2005
e2011 ) จาก 787 สิ่งอำนวยความสะดวกทางการศึกษา ผลการศึกษา พบว่าค่าความถูกต้องของ
แบบจำลองลูกผสมที่พัฒนาขึ้นโดยรวม sarima และแอน ) คือการปรับปรุง
เมื่อเทียบกับรุ่น sarima ตามปกติ ค่า MAPE ( ค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนของการเสนอ
วิธีสอนที่กำหนด AECB •ตั้งใจ
ที่ 0.11e0.24 % และ 1.23e1.84 ตามลำดับ คือ พบว่าวิธีที่เสนอ
ได้ดีกว่าวิธีปกติ แบบจำลองสามารถช่วยให้ผู้บริหารและผู้จัดการใน
ค่าใช้จ่ายของการวางแผนงบประมาณอย่างถูกต้องตรวจสอบ AECB สิ่งอํานวยความสะดวกในการศึกษา มันอาจจะยังใช้กับประเภทอื่น ๆของทรัพยากร
( เช่น การใช้น้ำหรือก๊าซ ) ที่ใช้ในเครื่องการศึกษา