These forty factors were used in de

These forty factors were used in developing the forecasting model based on the artificial neural networks (ANNs) technique discussed in Leksakul and Sopadang (2012), but the disadvantage of this model is that when updated data are available, the model based on ANNs needs to be re-generated for more accuracy in its forecasting performance. The application of the ANNs forecasting model can be also found in Kasemset et al. (2012). Due to the disadvantage posed by ANNs, this research work took it up as its aim the creation of a forecasting model that will predict the quantity of supply of off-season longan, using the multiple regression technique. The multiple regression technique is a statistical technique used for predicting the unknown value of a variable from the known value of two or more variables. The general formulation of the forecasting model, based on the multiple regression technique, is given in Equation (1):

ผลลัพธ์ (ไทย) 1:

ปัจจัยสี่สิบเหล่านี้ถูกใช้ในการพัฒนารูปแบบจำลองการคาดการณ์โดยใช้เทคนิคเครือข่ายประสาทเทียม (ANNs) ที่กล่าวถึงใน Leksakul และ Sopadang (2012), แต่ข้อเสียของรุ่นนี้คือ ว่า เมื่อปรับปรุงข้อมูล ตาม ANNs แบบต้องสร้างใหม่สำหรับเพิ่มเติมแม่นยำในการคาดการณ์ผลการดำเนินงาน แอพลิเคชันของ ANNs แบบจำลองการคาดการณ์สามารถนอกจากนี้ยังพบใน Kasemset et al. (2012) เนื่องจากข้อเสียโดย ANNs งานวิจัยนี้เอามันขึ้นเป็นเป้าหมายของการสร้างโมเดลการคาดการณ์ที่จะคาดการณ์ปริมาณของอุปทานของลำไยระเบิด ใช้เทคนิคการถดถอยหลาย เทคนิคการถดถอยหลายเป็นเทคนิคทางสถิติที่ใช้สำหรับการคาดการณ์ไม่รู้จักค่าของตัวแปรจากรู้จักค่าของตัวแปรสองตัว หรือมากกว่า ได้แบ่งรูปแบบคาดการณ์ ตามเทคนิคถดถอยหลาย ทั่วไปในสมการ (1):

ผลลัพธ์ (ไทย) 2:

ปัจจัยสี่สิบเหล่านี้ถูกนำมาใช้ในการพัฒนารูปแบบการพยากรณ์ที่ขึ้นอยู่กับเครือข่ายประสาทเทียม (ANNs) เทคนิคการกล่าวถึงใน Leksakul และ Sopadang (2012) แต่ข้อเสียของรุ่นนี้ก็คือว่าเมื่อการปรับปรุงข้อมูลที่มีรูปแบบขึ้นอยู่กับ ANNs ต้องการไป ถูกสร้างขึ้นอีกครั้งเพื่อความถูกต้องมากขึ้นในการปฏิบัติงานของการคาดการณ์ การประยุกต์ใช้แบบจำลองการคาดการณ์ ANNs ที่สามารถพบได้ในเศรษฐ์ et al, (2012) เนื่องจากข้อเสียที่เกิดจาก ANNs งานวิจัยนี้เกิดขึ้นเป็นจุดมุ่งหมายของการสร้างแบบจำลองการคาดการณ์ที่จะคาดการณ์ปริมาณของอุปทานของลำไยนอกฤดูโดยใช้เทคนิคการถดถอยพหุคูณ เทคนิคการถดถอยพหุคูณเป็นเทคนิคทางสถิติที่ใช้ในการทำนายที่ไม่รู้จักค่าของตัวแปรจากมูลค่าที่รู้จักกันของสองคนหรือตัวแปรอื่น ๆ สูตรทั่วไปของรูปแบบการพยากรณ์ขึ้นอยู่กับเทคนิคการถดถอยหลายจะได้รับในสมการ (1):

ผลลัพธ์ (ไทย) 3:

สี่ปัจจัยเหล่านี้ใช้ในการพัฒนาแบบจำลองการพยากรณ์โดยใช้โครงข่ายประสาทเทียม ( แอนน์ ) และเทคนิคที่กล่าวถึงใน sopadang ฤต เล็กสกุล์ ( 2012 ) แต่ข้อเสียของรุ่นนี้คือ ว่า เมื่อปรับปรุงข้อมูลที่มีรูปแบบตามทางต้อง re สร้างความถูกต้องในการพยากรณ์ของการแสดงการประยุกต์ใช้แบบจำลองการพยากรณ์ทางนอกจากนี้ยังสามารถพบได้ในเศรษฐ์ et al . ( 2012 ) เนื่องจากข้อเสียที่ posed โดยแอนน์ งานวิจัยนี้ทำงานหยิบมันขึ้นมาเป็นเป้าหมายการสร้างแบบจำลองพยากรณ์ที่สามารถพยากรณ์ปริมาณของอุปทานของลำไยนอกฤดูของมันโดยใช้เทคนิคการวิเคราะห์การถดถอยพหุคูณเทคนิคการวิเคราะห์การถดถอยพหุคูณเป็นสถิติที่ใช้สำหรับทำนายที่ไม่รู้ค่าของตัวแปรจากรู้จักค่าของตัวแปรสองตัว หรือมากกว่า สูตรทั่วไปของการพยากรณ์โดยใช้เทคนิคการวิเคราะห์การถดถอยพหุคูณ , จะได้รับในสมการ ( 1 )