การประเมินและการพยากรณ์ปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) จากภาคการขนส่ง ด้วยวิธีการวิเคราะห์การถดถอยและวิธีโครงข่ายประสาทเทียม
Article Sidebar
Main Article Content
บทคัดย่อ
การเจริญเติบโตทางเศรษฐกิจและความหนาแน่นของประชากรนำไปสู่ปริมาณการใช้พลังงานที่เพิ่มขึ้นอย่างต่อเนื่อง จึงทำให้สถานการณ์การปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) เป็นหัวข้อที่ทุกประเทศให้ความสนใจที่จะต้องเข้าไปบริหารจัดการให้มีประสิทธิภาพและเหมาะสม เนื่องจากก๊าซ CO2 เป็นสาเหตุสำคัญของการเปลี่ยนแปลงทางสภาพภูมิอากาศ มลพิษทางอากาศ และการดำรงชีวิตของมนุษย์ โดยเฉพาะอย่างยิ่งภาคการขนส่งที่มีแนวโน้มการเติบโตที่เพิ่มขึ้นอย่างมีนัยสำคัญ ดังนั้นการเข้าใจแนวโน้มและรูปแบบการปล่อยก๊าซ CO2 ในอนาคตจะช่วยให้ผู้กำหนดนโยบายสามารถพัฒนามาตรการและโครงการที่ตอบสนองต่อการเปลี่ยนแปลงได้อย่างเหมาะสม ผู้วิจัยจึงสนใจศึกษาตัวแบบในการพยากรณ์ปริมาณการปล่อยก๊าซ CO2 จากภาคการขนส่งด้วยวิธีการวิเคราะห์การถดถอยและวิธีโครงข่ายประสาทเทียม โดยทำการเก็บข้อมูลปริมาณการใช้พลังงานเชื้อเพลิง จำนวนพาหนะจดทะเบียน จำนวนประชากร ผลิตภัณฑ์มวลรวมของประเทศ และดัชนีความเชื่อมั่นอนาคตเศรษฐกิจภูมิภาค เพื่อมาช่วยในการพยากรณ์ตามตัวแบบข้างต้นตั้งแต่ปีพ.ศ. 2550 ถึงปีพ.ศ. 2566 โดยพบว่าตัวแบบการพยากรณ์ด้วยวิธีโครงข่ายประสาทเทียมสามารถพยากรณ์ปริมาณการปล่อยก๊าซ CO2 ได้แม่นยำและมีประสิทธิภาพมากกว่าวิธีการวิเคราะห์การถดถอย โดยพิจารณาจากค่ารากที่สองของความคลาดเคลื่อนกำลังสอง และเมื่อทำการพยากรณ์ออกไปล่วงหน้าเป็นระยะเวลา 5 ปี โดยกำหนดให้ปริมาณการใช้พลังงานเชื้อเพลิง จำนวนพาหนะจดทะเบียน และผลิตภัณฑ์มวลรวมของประเทศ มีแนวโน้มเพิ่มขึ้นในอัตราร้อยละ 1 ในแต่ละเดือน จะมีผลทำให้ปริมาณการปล่อยก๊าซ CO2 เพิ่มขึ้นอย่างต่อเนื่อง และเมื่อพิจารณาผลของการพยากรณ์จากตัวแบบทั้งสอง ณ จุดเวลาใดๆ จะพบว่าค่าพยากรณ์ที่ได้จากตัวแบบการถดถอยจะมีค่าสูงกว่าค่าพยากรณ์ที่ได้จากตัวแบบโครงข่ายประสาทเทียม โดยรวมเฉลี่ยที่ 6,787,756 ตัน และเมื่อระยะเวลาในการพยากรณ์ยาวนานมากขึ้น ความแตกต่างจากการพยากรณ์ของทั้งสองตัวแบบจะยิ่งห่างมากขึ้นเช่นกัน ด้วยความสามารถในการพยากรณ์ของตัวแบบโครงข่ายประสาทเทียม ผู้กำหนดนโยบายและหน่วยงานกำกับดูแลสามารถนำมาสร้างนโยบายด้านการจัดการสิ่งแวดล้อมที่มีประสิทธิภาพและยั่งยืนยิ่งขึ้นได้ โดยสามารถใช้ติดตามแนวโน้มการปล่อยก๊าซ CO2 และประเมินประสิทธิภาพของกลยุทธ์การลดการปล่อยก๊าซ CO2 ได้อย่างต่อเนื่อง
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข่อมูลในบทความที่ลงตีพิมพ์ในวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วย หรือว่าร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม ถือเป็นลิขสิทธิ์ของวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม หากบุคคล หรือหน่วยงานใดต้องการนำทั้งหมด หรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อ หรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาต เป็นลายลักษณ์อักษรจากวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม เท่านั้น
References
การุณย์ ชัยวณิชย์. (2564). การประเมินก๊าซเรือนกระจกระดับเมืองและแนวทางการลดการปล่อยก๊าซเรือนกระจก กรณีศึกษาเทศบาลตำบลภาชี. วารสารวิชาการโรงเรียนนายร้อยพระจุลจอมเกล้า, 19(1), 65 - 75.
กลุ่มสถิติการขนส่ง กองแผนงาน กรมการขนส่งทางบก. (2566). รายงานสถิติการขนส่งปีงบประมาณ 2562 – 2566. แหล่งข้อมูล: https://web.dlt.go.th/statistics/plugins/UploadiFive/uploads/6f6897 ce35cd1d6a488eab4c29a548a0b5d0973421176078322eff0d7d61b5a5.pdf ค้นเมื่อวันที่ 10 พฤษภาคม 2567.
ชนนิกานต์ คำยันต์. (2560). การประเมินและการพยากรณ์ปริมาณการปล่อยก๊าซเรือนกระจกจากเทศบาลคาร์บอนต่ำ = Evaluation and forecasting of greenhouse gas emission from low carbon municipality / ชนนิกานต์ คำยันต์. เชียงใหม่ บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่. https://cmudc.library.cmu.ac.th/frontend/Info/item/dc:125909.
ณภัทณ์จันทร์ ด่านสวัสดิ์. (2566). การพยากรณ์ปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) จากภาค อุตสาหกรรมในประเทศไทย. วารสารวิจัย มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย, 15(2), 408 – 422.
ถิรยุทธ ลิมานนท์ , อาทิตย์ ศรีแก้ว, สวลี อุตรา และชุติมา เจิมขุนทด. (2553). การเปรียบเทียบประสิทธิภาพแบบจำลองการครอบครองยานพาหนะของครัวเรือนในประเทศไทย: โดยวิธีวิเคราะห์สมการถดถอยเชิงเส้นแบบพหุกับวิธิีเครือข่ายประสาทเทียมการเรียนรู้แบบแพร่กลับ. รายงานสืบเนื่องการประชุมวิชาการ The 3rd ATRANS Symposium Student Chapter Session หัวข้อ Equity and Efficiency in Transportation หน้าที่ 21 - 27 ในวันที่ 27 สิงหาคม 2553 กรุงเทพฯ ประเทศไทย.
พุทธดี อุบลศุข, ฉัตรแก้ว ชัยลือชา และสุรัตน์ เศษโพธิ์. (2563). การศึกษาและประเมินการปล่อยก๊าซเรือนกระจกของกระบวนการกำจัดซากแผงโซลาร์เซลล์: กรณีศึกษา มหาวิทยาลัยพะเยา. วารสารวิชาการ
คณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏลำปาง, 13(2), 12 - 23.
ยุทธชัย มิ่งขวัญ. (2566). การเปรียบเทียบตัวแบบพยากรณ์สำหรับปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์จากภาคการผลิตไฟฟ้า. วารสารวิทยาศาสตร์ลาดกระบัง, 32(2), 122 - 135.
ยุพิน กาญจนะศักดิ์ดา, บุญหญิง สมร่าง, สุณี ทวีสกุลวัชระ และลักขณา เศาธยะนันท์. (2563). การพยากรณ์ปริมาณก๊าซคาร์บอนไดออกไซด์จากการใช้น้ำมันสำเร็จรูปโดยวิธีบอกซ์-เจนกินส์ และวิธีการของวินเตอร์. วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ (สาขาวิทยาศาสตร์และเทคโนโลยี), 12(24), 76 - 86.
วรางคณา เรียนสุทธิ์. (2563). ตัวแบบสำหรับการพยากรณ์ปริมาณการนำเข้ายางธรรมชาติ. วารสารวิทยาศาสตร์ มข., 48(1), 156 - 165.
สริญญา ศาลางาม. (2565). ตัวแบบการพยากรณ์ปริมาณก๊าซคาร์บอนไดออกไซด์ด้วยวิธีการวิเคราะห์การถดถอยและวิธีโครงข่ายประสาทเทียม. วารสารวิชาการเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏสวนสุนันทา, 10(2), 54 - 65.
สำนักงานนโยบายและแผนพลังงาน กระทรวงพลังงาน. (2566). การปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2). แหล่งข้อมูล: https://www.eppo.go.th/index.php/th/graph-analysis/item/19298-news-170366-01. ค้นเมื่อวันที่ 10 พฤษภาคม 2567.
สำนักงานนโยบายและแผนพลังงาน กระทรวงพลังงาน. (2566). สถานการณ์การปล่อยก๊าซคาร์บอนไดออกไซด์จากภาคพลังงานรายปี 2566. แหล่งข้อมูล: https://www.eppo.go.th/index.php/th/energy-information/situation-co2/per-year?Orders[publishUp]=publishUp&issearch=1&limitstart =0. ค้นเมื่อวันที่ 12 พฤษภาคม 2567.
อุปริฏฐา อินทรสาด และนัสมล บุตรวิเศษ. (2565). ตัวแบบการพยากรณ์แบบอนุกรมเวลาสำหรับการพยากรณ์ปริมาณการส่งออกยางแผ่นรมควันของประเทศไทย. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี, 24(1), 76 - 86.
Alam, T. & AlArjani, A. (2021). A Comparative Study of CO2 Emission Forecasting in the Gulf Countries using Autoregressive Integrated Moving Average, Artificial Neural Network and Holt-Winters Exponential Smoothing Models. Advances in Meteorology, 2021, 1 - 9.
Bermúdez, J. D., Segura, J. V. & Vercher, E. (2006). Improving Demand Forecasting Accuracy using Non-Linear Programming Software. Journal of the Operational Research Society, 57(1), 94 - 100.
Box, G. E. P., Jenkins, G. M., Reinsel, G. C. & Ljung, G. M. (2016). Time Series Analysis: Forecasting and Control. 5th ed, John Wiley and Sons, New Jersey.
Fournier, R., Wang, L., Yazyev, O. V. & Wu, Q. (2020). Artificial Neural Network Approach to the Analytic Continuation Problem. Physical Review Letter. 124(1), 056401.
Khruachalee, K., Vatthana, M. & Phounnaly, P. (2020). On Prediction of Euro and Pound Sterling using Box-Jenkins Approach. St. Theresa Journal of Humanities and Social Sciences, 6(2), 51 – 69.
Khruachalee, K. (2018). Classification of Company Credit Rating Using Artificial Neural Network with Data Factorization. International Journal of the Computer, the Internet and Management, 26(3), 52 – 59.
Khruachalee, K. (2017). Asian Currencies Forecasting Using a Time Series Analysis. International Journal of the Computer, the Internet and Management, 25(2), 59 – 67.
Moayedi, H., Mukhtar, A., khedher, N. B., Badawi, I. A., Amara, M. B., Quynh, T. & Khalilpoor, N. (2024). Forecasting of Energy-Related Carbon Dioxide Emission using ANN Combined with Hybrid Metaheuristic Optimization Algorithms. Engineering Applications of Computational Fluid Mechanics 18(1), 2322509.
Natarajan, Y., Wadhwa, G., Preethaa, K. S. & Paul, A. (2023). Forecasting Carbon Dioxide Emissions of Light-Duty Vehicles with Different Machine Learning Algorithms. Electronics, 12(10), 2288
Rahman, A. & Hasan, M. M. (2017). Modeling and Forecasting of Carbon Dioxide Emissions in Bangladesh using Autoregressive Integrated Moving Average (ARIMA) Models. Open Journal of Statistics, 7(4), 560 - 566.
Singh, S., Parmar, K. S., Kumar, J. & Makkhan, S. J. S. (2020). Development of New Hybrid Model of Discrete Wavelet Decomposition and Autoregressive Integrated Moving Average (ARIMA) Models in Application to One Month Forecast the Casualties Cases of COVID-19. Chaos, Solitons & Fractals, 135(2020), 109866.
Thabani, N., Hapanyengwi, H. O. & Mutongi, C. (2019). Modeling and Forecasting Carbon Dioxide Emissions in China using Autoregressive Integrated Moving Average (ARIMA) Models. International Journal of Multidisciplinary Research, 5(4), 215 - 224.
Thabani, N. & Wellington, G. B. (2019). Prediction of CO2 Emissions in India using ARIMA Models. Journal of Economics and Finance, 4(2), 1 - 10.