Deep Index Price Forecasting in Steel Industry

Conference proceedings article

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Ganokratanaa T., Ketcham M.

ผู้เผยแพร่: Elsevier

ปีที่เผยแพร่ (ค.ศ.): 2021

ISBN: 9781665438315

นอก: 0928-4931

eISSN: 1873-0191

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85112392028&doi=10.1109%2fJCSSE53117.2021.9493843&partnerID=40&md5=38ac98ba2bd580503492298dff0af287

ภาษา: English-Great Britain (EN-GB)

ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์

บทคัดย่อ

Steel is one of the most expensive materials in the construction industry. Currently, Thailand imports steel from abroad, facing a price fluctuation due to the economy, production capacity, and consumption in domestic and international markets. The cost control of the steel price can also be unstable and risky to purchase. To handle these issues, there is a need for good management of the quantity and procurement of steel at the right price. Thus, we propose a prediction of the steel price index in construction using deep learning neuron networks. Our experimental results show good performance as our mean square error equals 2.34. Our proposed method can be applied for decision-making support and used as a reliable system for steel purchases in construction projects. © 2021 IEEE.

คำสำคัญ

neuron network, steel price