It can be shown that the performanc

It can be shown that the performance of the HMM is substantially better than the traditional neural network trained by the back-propagation algorithm from the figures 5-8. MAPE obtained from the proposed HMM is 6.6953%, which is much lower than that obtained using the NN approach (8.1125%). Compared with NN, the proposed HMM has solid statistical foundation, moreover, HMM not only forecasts prices, but also provides transition path of the hidden states behind electricity price.

Results (Thai) 1:

ก็สามารถที่จะแสดงให้เห็นว่าการทำงานของอืมเป็นอย่างมากดีกว่าโครงข่ายประสาทเทียมแบบดั้งเดิมได้รับการฝึกฝนโดยขั้นตอนวิธีการกลับมาขยายพันธุ์จากตัวเลข 5-8 MAPE ที่ได้รับจาก HMM เสนอเป็น 6.6953% ซึ่งต่ำกว่าที่ได้ใช้วิธี NN (8.1125%) เมื่อเทียบกับ NN ที่ HMM เสนอมีของแข็งรากฐานทางสถิติที่ยิ่งไปกว่านั้นอืมไม่ได้เป็นเพียงการคาดการณ์ราคา แต่ยังมีเส้นทางการเปลี่ยนแปลงของรัฐที่ซ่อนอยู่เบื้องหลังราคาค่าไฟฟ้า

Results (Thai) 2:

สามารถแสดงให้ทราบว่าประสิทธิภาพการทำงานของ HMM ดีกว่าเครือข่ายประสาทแบบดั้งเดิมที่ผ่านการฝึกอบรมโดยอัลกอริทึมการเผยแพร่หลังจากตัวเลข5-8 MAPE ได้รับจาก HMM เสนอเป็น๖.๖๙๕๓% ซึ่งต่ำกว่าที่ได้รับโดยใช้วิธีการ NN (๘.๑๑๒๕%) เมื่อเทียบกับ NN, HMM นำเสนอมีพื้นฐานทางสถิติที่มั่นคง, นอกจากนี้, HMM ไม่เพียงแต่ราคาคาดการณ์, แต่ยังมีเส้นทางการเปลี่ยนแปลงของรัฐที่ซ่อนอยู่หลังจากราคาไฟฟ้า.

Results (Thai) 3:

จากกราฟ 5-8 แสดงให้เห็นว่าประสิทธิภาพของแบบจำลองฮิดเดนมาร์คอฟดีกว่าของโครงข่ายประสาทเทียมแบบดั้งเดิม ค่า mape ของรุ่นนี้คือ 6.6953 เปอร์เซ็นต์ต่ำกว่าค่า mape ของโครงข่ายประสาทเทียม เมื่อเทียบกับโครงข่ายประสาทเทียมแบบจำลองฮิดเดนมาร์คอฟที่นำเสนอในวิทยานิพนธ์ฉบับนี้มีพื้นฐานทางสถิติที่แข็งแกร่งซึ่งไม่เพียงแต่สามารถคาดการณ์ราคาไฟฟ้าแต่ยังให้เส้นทางการเปลี่ยนแปลง