Rice Production Forecasting: A Machine Learning Approach
เมื่อวันที่ 9 กรกฎาคม 2564 สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์ ได้รับเกียรติจาก ดร.สุรภาพ รายะนาคร คุณอิศราวดี เหมะ คุณอภิไท กาญจนสุวรรณ คุณสุปวีร์ รัตนจิตต์ดำรง และคุณสุเมธ พฤกษ์ฤดี จากธนาคารแห่งประเทศไทยมาบรรยายในงาน PIER Research Exchange ออนไลน์ ในหัวข้อ “Rice Production Forecasting: A Machine Learning Approach”
งานวิจัยนี้ศึกษาการพยากรณ์ผลผลิตการเพาะปลูกข้าวนาปรังต่อปีในระดับจังหวัดโดยใช้เทคนิคทาง machine learning และ data augmentation นักวิจัยได้พัฒนาแบบจำลอง 2 ระยะ คือ แบบจำลองระยะสั้นสำหรับการพยากรณ์ปริมาณผลผลิตสำหรับฤดูกาลเพาะปลูกปัจจุบัน ประมาณ 2–4 เดือนก่อนเก็บเกี่ยว และแบบจำลองระยะยาวสำหรับการพยากรณ์สำหรับฤดูกาลเพาะปลูกที่จะเกิดขึ้นในอีก 1 ปีข้างหน้า โดยมีการบูรณาการข้อมูลจาก 3 หน่วยงาน ได้แก่ สำนักงานเศรษฐกิจการเกษตร GISTDA และ สถาบันสารสนเทศทรัพยากรน้ำ ซึ่งครอบคลุมตัวชี้วัดทั้งด้านสภาพอากาศ ปริมาณน้ำในเขื่อน พื้นที่การเพาะปลูก ดัชนีพืชพรรณ (NDVI) และราคาข้าวและพืชทดแทน การศึกษาพบว่า แบบจำลองระยะสั้นมีความแม่นยำสูงกว่าแบบจำลองระยะยาว โดยปัจจัยสำคัญที่ส่งผลต่อการพยากรณ์ผลผลิตข้าวแบบระยะสั้น ได้แก่ ขนาดพื้นที่เพาะปลูกปีก่อนหน้า ปีที่เพาะปลูก ค่าดัชนี NDVI และปริมาณน้ำในเขื่อน ส่วนปัจจัยสำคัญที่ส่งผลต่อการพยากรณ์ผลผลิตข้าวแบบระยะยาว ได้แก่ ขนาดพื้นที่เพาะปลูก ราคาข้าว ดัชนี ONI และราคาพืชทดแทนอื่น ๆ
