การพยากรณ์ปริมาณเที่ยวบินของประเทศไทยหลังการระบาดของโรคโควิด 19 โดยใช้ FBprophet และ Neural-Prophet
Article Sidebar
Main Article Content
บทคัดย่อ
อุตสาหกรรมการท่องเที่ยวและอุตสาหกรรมการบินและโลจิสติกส์ นั้นเป็นอุตสาหกรรมนั้นสามารถทำเม็ดเงินเข้าประเทศได้หลายล้านบาท อย่างไรก็ตามในช่วงปลายปี 2562 เริ่มมีการระบาดของโรคโควิด 19 หลายประเทศได้ใช้มาตรการเพื่อควบคุมการระบาดอย่างเข้มข้น หนึ่งในนั้นคือการ Lock Down อย่างเคร่งครัด ด้วยเหตุนี้เองในช่วงมีนาคม 2563 ประเทศไทยได้เริ่มการหยุดเที่ยวบินโดยสารทั้งหมด ต่อมาในปี 2564 หลายประเทศเริ่มกลับมาใช้ชีวิตได้แบบวิถีชีวิตใหม่ (New Normal) อุตสาหกรรมการท่องเที่ยว และ อุตสาหกรรมการบินและโลจิสติกส์เริ่มกลับมาฟื้นตัวอีกครั้ง งานวิจัยนี้มีจุดมุ่งหมายที่จะพยากรณ์ปริมาณเที่ยวบินเข้าออก และภายในประเทศไทยหลังการระบาดของโรคโควิด 19 โดยใช้ FBprophet และ Neural-Prophet เพื่อคาดการณ์การเติบโตทางเศรษฐกิจ ผลการพยากรณ์พบว่าการเติบโตของธุรกิจการบินคาดว่าจะเติบโตได้อย่างรวดเร็วกว่าก่อนเกิดการระบาดของโรคโควิด 19 ดังนั้นหน่วยงานที่เกี่ยวข้องทั้งภาครัฐและเอกชน ควรเตรียมแผนกลยุทธ์เพื่อลดผลกระทบเกิดขึ้น นอกจากนี้ยังพบว่า FBprophet และ Neural-Prophet สามารถทำนายแนวโน้มการเพิ่มขึ้นของเที่ยวบินได้คล้ายคลึงกัน โดย FBprophet สามารถทำนายจำนวนเที่ยวบินที่มีอิทธิพลของฤดูกาลได้สมเหตุสมผลกว่า Neural-Prophet และการประเมินโมเดลนั้น FBprophet มีความแม่นยำสูงกว่า
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื่อหาและข้อมูลในบทความ เป็นความรับผิดชอบของผุ้แต่ง
บทความในวารสารเป็นลิขสิทธิ์ของวารสารวิจัยและนวัตกรรมท้องถิ่น
References
EEC. (2022). 10 อุตสาหกรรมเป้าหมาย กลไกขับเคลื่อนเศรษฐกิจเพื่ออนาคต (NEW ENGINE OF GROWTH). เข้าถึงได้จาก: http://eec.vec.go.th › เกี่ยวกับ-EEC. ค้นข้อมูล 1 ธันวาคม 2565.
บริษัท ท่าอากาศยานไทย จำกัด (มหาชน). (2022). สถิติขนส่งทางอากาศ. เข้าถึงได้จาก: https://www.airportthai.co.th/. ค้นข้อมูล 1 ธันวาคม 2565.
Bouwer, J., Krishnan, V., Saxon, S. & Tufft, C. (2022). Taking stock of the pandemic’s impact on global aviation. เข้าถึงได้จาก: https://www.mckinsey.com/industries/travel-logistics-and-infrastructure/our-insights/taking-stock-of-the-pandemics-impact-on-global-aviation. ค้นข้อมูล 1 ธันวาคม 2565.
Patandung, S., & Jatnika, I. (2021). The FB Prophet Model Application to the Growth Prediction of International Tourists in Indonesia during the COVID-19 Pandemic. International Research Journal of Advanced Engineering and Science. 6, pp. 110-115.
Anggreini, F. H. (2021). Forecasting the Number of International Travelers Visiting Bali during the Covid-19 Pandemic using the FBProphet Method. World Wide Journal of Multidisciplinary Research and Development. 7(7). pp. 56-60.
Pontoh, R. S., Zahroh, S., Nurahman, H. R., Aprillion, R. I., Ramdani, A., & Akmal, D. I. (2021). Applied of feed-forward neural network and facebook prophet model for train passengers forecasting. Journal of physics: Conference series. 1776(1), 012057.
Khurana S, Sharma G, Miglani N, Singh A, Alharbi A, Alosaimi W, Alyami H,& Goyal, N. (2022). An intelligent fine-tuned forecasting technique for covid-19 prediction using neuralprophet model. Computers, Materials and Continua. 71(1). 629-649.
Marappan, R., Bhaskaran, S., Aakaash, N., & Mitha, S. M. (2022). Analysis of COVID-19 Prediction Models: Design & Analysis of New Machine Learning Approach. Journal of Applied Mathematics and Computation. 6(1), pp. 121-126.
Chikkakrishna, N. K., Rachakonda, P., & Tallam, T. (2022). Short-Term Traffic Prediction Using Fb-PROPHET and Neural-PROPHET. Proceedings of 2022 IEEE Delhi Section Conference (DELCO).
Taylor, S. J., & Letham, B. (2018). Forecasting at scale. The American Statistician. 72(1). pp. 37-45.
Triebe, O., Hewamalage, H., Pilyugina, P., Laptev, N., Bergmeir, C., & Rajagopal, R. (2021). Neuralprophet: Explainable forecasting at scale. arXiv preprint arXiv:2111.15397.