Table 6 shows the validation errors

Table 6 shows the validation errors of the artificial neural networks as percentages of the validation errors of the BoxJenkins
method. The ANN produced better predictive accuracies, except for “white rice” where the MAPE is 20% above the
Box-Jenkins method. For “Jasmine rice,” the MAPE of the ANN is less than half of the Box-Jenkins method. Even with the
hard-to-predict “glutinous rice” prices, the MAPE of the ANN is 75% of the Box-Jenkins method.

ผลลัพธ์ (ไทย) 1:

ตาราง 6 แสดงข้อผิดพลาดการตรวจสอบเครือข่ายประสาทเทียมเป็นเปอร์เซ็นต์ของการตรวจสอบข้อผิดพลาดของ BoxJenkinsวิธีการ แอนที่ผลิตดีกว่าคาดการณ์ accuracies ยกเว้น "ข้าวขาว" MAPE อยู่ข้างบน 20%กล่องเจงกินส์วิธีการ สำหรับ "ข้าวหอมมะลิ MAPE ของแอนมีน้อยกว่าครึ่งหนึ่งของเจงกินส์กล่องวิธีการ แม้จะมีการยากที่จะทำนาย "ข้าวเหนียว" ราคา MAPE ของแอนเป็น 75% ของวิธีเจงกินส์กล่อง

ผลลัพธ์ (ไทย) 2:

ตารางที่ 6 แสดงให้เห็นข้อผิดพลาดของการตรวจสอบเครือข่ายประสาทเทียมเป็นร้อยละของการตรวจสอบข้อผิดพลาดของ BoxJenkins
วิธี แอนผลิตทำนายความถูกต้องดีกว่ายกเว้น "ข้าวขาว" ที่ MAPE เป็น 20%
ดังกล่าวข้างต้นวิธีBox-Jenkins สำหรับ "ข้าวหอมมะลิ" ที่มี MAPE ของ ANN น้อยกว่าครึ่งหนึ่งของวิธี Box-Jenkins ถึงแม้จะมีที่ยากต่อการคาดการณ์ "ข้าวเหนียว" ราคาที่ MAPE ของ ANN เป็น 75% ของวิธี Box-Jenkins

ผลลัพธ์ (ไทย) 3:

ตารางที่ 6 แสดงการตรวจสอบข้อผิดพลาดของโครงข่ายประสาทเทียมเป็นเปอร์เซ็นต์ของการตรวจสอบข้อผิดพลาดของ boxjenkins
วิธี ส่วนแอนที่ทำนายความถูกต้องดีกว่า ยกเว้น " ข้าวขาว " ที่มีค่าเป็น 20 % ขึ้นไป
กล่อง เจนกินส์ วิธีการ " ข้าวหอมมะลิ " ค่า MAPE ของแอนคือน้อยกว่าครึ่งหนึ่งของกล่อง เจนกินส์ วิธีการ แม้แต่กับ
ยากที่จะทำนาย " ราคาข้าว " ค่า MAPE ของแอนเป็น 75% ของกล่อง
เจนกินส์ วิธีการ