6. ConclusionsThree methodologies,

6. Conclusions
Three methodologies, ARIMA, ANN and MLR, were deployed to forecast the electricity demand in
Thailand based on the historical data from 1986 to 2010. For the ARIMA approach, the results
indicated that the ARIMA (0,2,2) was the best model to fit the historical data while the multilayer
perceptrons (MLP) method was selected to use as the architecture for the ANN model. Four factors,
i.e., amount of population, stock exchange index, GDP and amount of export were utilized to construct
a MLR model. Although the results based on the error measurement showed that ANN model was
superior to other approaches, paired tests pointed out that there was no significant difference among
these errors. As a result, other factors should be utilized to determine the most appropriate model.

ผลลัพธ์ (ไทย) 1:

6. บทสรุปสามประสบ อา แอน และ MLR ถูกจัดวางเพื่อคาดการณ์ความต้องการไฟฟ้าในประเทศไทยตามข้อมูลทางประวัติศาสตร์จาก 1986 2010 สำหรับวิธีการอา ผลระบุว่า อา (0,2,2) เป็นแบบที่ดีที่สุดให้พอดีกับข้อมูลทางประวัติศาสตร์ในขณะที่แบบ multilayerperceptrons (MLP) วิธีที่เลือกใช้เป็นสถาปัตยกรรมแบบแอน ปัจจัย 4เช่น จำนวนประชากร ดัชนีตลาดหลักทรัพย์ GDP และจำนวนส่งออกถูกใช้เพื่อสร้างแบบ MLR แม้ว่าผลลัพธ์ตาม การประเมินผิดพลาดพบแอนรุ่นถูกห้องซูพีเรียกับวิธีอื่น ๆ การทดสอบจัดเป็นคู่ชี้ให้เห็นว่า มีไม่แตกต่างอย่างมีนัยสำคัญระหว่างข้อผิดพลาดเหล่านี้ ดังนั้น ควรใช้ปัจจัยอื่น ๆ เพื่อกำหนดรูปแบบที่เหมาะสมที่สุด

ผลลัพธ์ (ไทย) 2:

6.
สรุปสามวิธีการARIMA, ANN และอัตราดอกเบี้ย MLR,
ถูกนำไปใช้ในการคาดการณ์ความต้องการใช้ไฟฟ้าในประเทศไทยอยู่บนพื้นฐานของข้อมูลทางประวัติศาสตร์1986 2010 สำหรับวิธีการ ARIMA
ผลที่ชี้ให้เห็นว่าARIMA (0,2,2) เป็น รุ่นที่ดีที่สุดเพื่อให้พอดีกับข้อมูลทางประวัติศาสตร์ในขณะที่หลาย
perceptrons (MLP) วิธีการได้รับเลือกให้ใช้เป็นสถาปัตยกรรมสำหรับรุ่น ANN สี่ปัจจัยเช่นจำนวนประชากรดัชนีหุ้นแลกเปลี่ยน GDP และปริมาณการส่งออกถูกนำมาใช้ในการสร้างรูปแบบอัตราดอกเบี้ยMLR แม้ว่าผลลัพธ์ที่ได้ขึ้นอยู่กับความผิดพลาดของการวัดแสดงให้เห็นว่ารูปแบบแอนเป็นดีกว่าวิธีการอื่น ๆ การทดสอบจับคู่ชี้ให้เห็นว่าไม่มีความแตกต่างอย่างมีนัยสำคัญผิดพลาดเหล่านี้ เป็นผลให้ปัจจัยอื่น ๆ ที่ควรจะนำมาใช้ในการกำหนดรูปแบบที่เหมาะสมที่สุด

ผลลัพธ์ (ไทย) 3:

6 . สรุป
3 วิธีการ พยากรณ์ และ แอน อัตราดอกเบี้ยถูกใช้งานเพื่อพยากรณ์ความต้องการใช้ไฟฟ้าในไทย
ตามข้อมูลทางประวัติศาสตร์จาก 2529 ถึง 2553 สำหรับวิธีการพยากรณ์ผล
แสดงว่า ARIMA ( 0,2,2 ) คือรุ่นที่ดีที่สุดเพื่อให้พอดีกับข้อมูลทางประวัติศาสตร์ขณะที่เพอร์เซปตร Multilayer
( MLP ) วิธีที่ถูกเลือกใช้ เป็นสถาปัตยกรรมแบบแอน
4 ปัจจัยเช่น จํานวนประชากร , ดัชนีตลาดหลักทรัพย์ , GDP และปริมาณการส่งออกที่ถูกใช้เพื่อสร้างการเปลี่ยนแปลงแบบ แม้ว่าผลที่ได้จากการวัดผิดพลาด พบว่าแอนแบบจำลอง
กว่าวิธีอื่น ๆ การจับคู่การทดสอบชี้ให้เห็นว่ามีความแตกต่างระหว่าง
ข้อผิดพลาดเหล่านี้ ผลคือ ปัจจัยอื่น ๆควรจะใช้เพื่อกำหนดรูปแบบเหมาะสมที่สุด