การพยากรณ์ราคาถ่านหินแบบจุดและแบบช่วงโดยใช้แบบจำลองการรวมส่วนประกอบแบบใหม่
บทความวิจัยนี้ นำเสนอแบบจำลองการพยากรณ์ราคาถ่านหินแบบใหม่ ที่ผสานเอาเทคนิคการย่อยสลายอนุกรมเวลา และการรวมแบบจำลองเข้าด้วยกัน เพื่อเพิ่มประสิทธิภาพในการคาดการณ์ราคาถ่านหินทั้งในระยะสั้นและระยะยาว
ความสำคัญของราคาถ่านหิน
ถ่านหิน ถือเป็นเชื้อเพลิงฟอสซิลที่มีบทบาทสำคัญต่อภาคอุตสาหกรรมและการผลิตกระแสไฟฟ้าทั่วโลก ความผันผวนของราคาถ่านหิน จึงส่งผลกระทบต่อเศรษฐกิจโดยรวม การพยากรณ์ราคาถ่านหินอย่างแม่นยำ จึงมีความสำคัญอย่างยิ่งต่อการวางแผนการลงทุน การบริหารจัดการความเสี่ยง และการกำหนดนโยบายด้านพลังงาน
แบบจำลองการรวมส่วนประกอบแบบใหม่
แบบจำลองที่นำเสนอในบทความนี้ แบ่งการทำงานออกเป็น 2 ขั้นตอนหลัก คือ
- การย่อยสลายอนุกรมเวลา - ขั้นตอนนี้ แยกข้อมูลอนุกรมเวลาของราคาถ่านหินออกเป็นองค์ประกอบย่อยๆ ได้แก่ แนวโน้ม ระดับตามฤดูกาล และส่วนที่ไม่แน่นอน โดยใช้เทคนิคการย่อยสลายแบบ STL (Seasonal and Trend decomposition using Loess)
- การรวมแบบจำลอง - ในขั้นตอนนี้ เลือกใช้แบบจำลองการพยากรณ์ที่เหมาะสมกับองค์ประกอบย่อยแต่ละส่วน เช่น แบบจำลอง ARIMA สำหรับแนวโน้ม แบบจำลอง SVR สำหรับระดับตามฤดูกาล และแบบจำลอง ETS สำหรับส่วนที่ไม่แน่นอน จากนั้นจึงนำผลลัพธ์การพยากรณ์ของแต่ละองค์ประกอบมารวมกัน เพื่อให้ได้ผลลัพธ์การพยากรณ์ราคาถ่านหินแบบจุดและแบบช่วง
ผลการทดสอบ
จากการทดสอบแบบจำลองโดยใช้ข้อมูลราคาถ่านหินย้อนหลัง พบว่าแบบจำลองที่นำเสนอ มีประสิทธิภาพในการพยากรณ์ราคาถ่านหินได้อย่างแม่นยำกว่าแบบจำลองดั้งเดิมอื่นๆ โดยวัดจากค่า RMSE และ MAPE
| แบบจำลอง | RMSE | MAPE |
|---|---|---|
| แบบจำลองที่นำเสนอ | 10.5 | 2.3% |
| ARIMA | 12.8 | 3.1% |
| SVR | 11.9 | 2.8% |
สรุป
แบบจำลองการรวมส่วนประกอบแบบใหม่ ที่นำเสนอในบทความ Energies, Vol. 17, Pages 4166 นี้ เป็นเครื่องมือที่มีประสิทธิภาพสำหรับการพยากรณ์ราคาถ่านหิน สามารถช่วยสนับสนุนการตัดสินใจเชิงกลยุทธ์ในภาคธุรกิจพลังงานและอุตสาหกรรมที่เกี่ยวข้อง
#พลังงาน #ถ่านหิน #การพยากรณ์ #แบบจำลอง
บทความ
