การศึกษานี้เป็นการพัฒนาแบบจำลองเพื่อการคาดการณ์ PM 2.5 โดยใช้ Machine Learning Model ทั้งหมด 6 แบบจำลอง ได้แก่ Decision Tree Model, Gradient Boosting Model, K-neighbors Model, MLP Model, Random Forest Model, และ Ridge Model จากชุดข้อมูลของ PM 2.5 จำนวน 2.3 ล้านข้อมูล โดยรวบรวมข้อมูลตั้งแต่เดือนมกราคม พ.ศ. 2558 - ธันวาคม พ.ศ. 2564 จากสถานีตรวจวัดจำนวน 63 สถานี ซึ่งอยู่ในพื้นที่กรุงเทพมหานคร ประเทศไทย ในการพัฒนาแบบจำลองได้เริ่มจากการตรวจสอบความถูกต้องและคัดกรองข้อมูล และนำข้อมูลมาจัดกลุ่มออกเป็น 2 กลุ่ม ได้แก่ ข้อมูลในช่วงก่อนการระบาดของ COVID-19 และข้อมูลในช่วงการแพร่ระบาดของ COVID-19 สำหรับใช้พัฒนาแบบจำลองและทดสอบประสิทธิภาพของแบบจำลอง ทั้งในช่วงสถานการณ์ปกติและสถานการณ์ที่มีการแพร่ระบาดของ COVID-19 และในงานวิจัยนี้ได้นำข้อมูลย้อนหลัง (Historic data) มาใช้ในการพัฒนาแบบจำลอง จากการวิเคราะห์ พบว่า ผลการพัฒนาแบบจำลองโดยใช้ข้อมูลในช่วงก่อนการระบาดของ COVID-19 และใช้ข้อมูลย้อนหลังรายชั่วโมง (Lag by Hour) ประกอบ ให้ผลการวิเคราะห์ดีที่สุดด้วยแบบจำลอง Gradient Boosting Model มีค่า R2 = 0.9533, RMSE = 4.1344 และ MAPE = ร้อยละ 17.13 ในขณะที่ผลการทดสอบประสิทธิภาพของแบบจำลองด้วยชุดข้อมูลทั้งช่วงก่อนการระบาดของ COVID-19 และในช่วงสถานการณ์ COVID-19 ก็พบว่า Gradient Boosting Model มีผลการทดสอบที่ดีที่สุด โดยมีค่า R2 = 0.8790, RMSE = 6.1375 และ MAPE = ร้อยละ 20.68 และ R2 = 0.8720, RMSE = 5.1344 และ MAPE = ร้อยละ 27.18 ตามลำดับ งานวิจัยนี้สรุปได้ว่า Gradient Boosting Model เป็นแบบจำลองที่เหมาะสมต่อการนำมาคาดการณ์ PM 2.5 ทั้งในช่วงสถานการณ์ปกติ และช่วงที่มี การแพร่ระบาดของ COVID-19 อย่างไรก็ตาม ประสิทธิภาพในการคาดการณ์โดยใช้ข้อมูลช่วงสถานการณ์แพร่ระบาดของ COVID-19 จะทำให้ประสิทธิภาพของแบบจำลองลดลงเล็กน้อย สำหรับแบบจำลองที่มีประสิทธิภาพรองลงมา ได้แก่ Random Forest Model, MLP Model, Decision Tree Model, K-neighbors Model, และ Ridge Model ตามลำดับ

งานวิจัยนี้นำเสนอการปรับปรุงวิธีการจับคู่เส้นทางการเดินทางของผู้ใช้บริการทางพิเศษด้วยกล้อง อ่านแผ่นป้ายทะเบียนบนสภาวะแวดล้อมจริง บนถนนเส้นทางหลักที่มีช่องทางเข้าจำนวน 4 ช่องทาง และ ช่องทางออกจำนวน 10 ช่องทาง ระยะทางรวม 14.7 กิโลเมตร ด้วยการติดตั้งกล้องอ่านแผ่นป้ายทะเบียน รถที่วิ่งผ่านไว้กับเสาไฟฟ้าส่องสว่างริมทาง ซึ่งในการทำสำรวจความต้องการในการเดินทางของผู้ใช้บริการ ทางพิเศษด้วยการอ่านแผ่นป้ายทะเบียน ในปัจจุบันจะไม่สามารถจับคู่เส้นทางการเดินทางของรถที่วิ่งผ่าน ได้ทุกคัน เนื่องจากเทคโนโลยีการประมวลภาพเพื่อการรู้จำ และจำแนกหมายเลขแผ่นป้ายทะเบียนรถ ภาษาไทยยังมีความคลาดเคลื่อนในหลายปัจจัย เช่น การอ่านตัวอักษรผิดพลาดจากสภาวะแสงสว่างหรือ การบดบังตัวอักษร การอ่านตัวอักษรผิดพลาดจากสภาวะความคล้ายคลึงของรูปแบบอักษรที่ตรวจจับได้ จากมุมกล้องหรือทิศทางและความเร็วของยานพาหนะ หรือการจับคู่ต้นทางปลายทางผิดพลาดจากการ อ่านตัวอักษรผิดพลาดไม่เหมือนกัน เป็นต้น ซึ่งส่งผลต่อความแม่นยำในขั้นตอนการจับคู่รายการรถวิ่งผ่าน ทางเข้าออกโดยตรง โดยบทความฉบับนี้แก้ปัญหาโดยการผสมผสานวิธีการปัจจุบัน เปรียบเทียบกับวิธีการ จับคู่แบบทุกตัวอักษรและวิธีการจับคู่แบบ GED ซึ่งเป็นวิธีการที่มีประสิทธิภาพและดีที่สุดในปัจจุบัน ในท้ายที่สุดงานวิจัยนี้ จะแสดงให้เห็นว่าวิธีการที่นำเสนอนั้นมีประสิทธิภาพในการจับคู่เส้นทางการเดินทาง ที่มีอัตราความแม่นยำร้อยละ 98.95 ซึ่งมีผลลัพธ์ที่ดีกว่าวิธีการ GED ที่เป็นวิธีการที่ดีที่สุดในปัจจุบัน

วัตถุประสงค์เพื่อศึกษาสมบัติทางกลของพอลิเอทิลีนน้ำหนักโมเลกุลสูงยิ่งยวดผสมโลหะเสริมแรง น้ำหนักเบาและศึกษาประสิทธิภาพทางไตรโบโลยีของพอลิเอทิลีนน้ำหนักโมเลกุลสูงยิ่งยวดผสมโลหะ เสริมแรงน้ำหนักเบา วัสดุสองชนิดที่ใช้ในงานวิจัยประกอบด้วยโพลิเอทิลีนน้ำหนักโมเลกุลสูงยิ่งยวด (UHMWPE) เป็นวัสดุหลักและผงอลูมิเนียมเป็นสารเติมแต่ง ตัวแปรที่ใช้ในกระบวนการอัดขึ้นรูปร้อน เพื่อให้ได้ก้อนวัสดุสำหรับการทดลองประกอบด้วย แรงอัดขึ้นรูป อุณหภูมิ เวลา รวมถึงอัตราส่วนผสม ระหว่างโพลิเอทิลีนน้ำหนักโมเลกุลสูงยิ่งยวดกับผงอลูมิเนียมที่ร้อยละ 2.5, 0.5,7.5 และ 10 โดยน้ำหนัก การทดสอบสมบัติทางกลและประสิทธิภาพทางไตรโบโลยี ประกอบด้วย การทดสอบแรงกระแทก ชิ้นงานพอลิเมอร์แบบ Izod ตามมาตรฐาน ASTM D256 การทดสอบ ความแข็งตามมาตรฐาน ASTM D2240 การทดสอบแรงดึงตามมาตรฐาน ASTM D638 type I การทดสอบการสึกหรอตามมาตรฐาน ASTM G77 ชิ้นทดสอบอัดขึ้นรูปร้อนภายใต้สภาวะความดัน 5 MPa อุณหภูมิ 140°C นาน 3 ชั่วโมง ผล การทดสอบสมบัติทางกลของชิ้นทดสอบที่ผ่านการอัด ขึ้นรูปร้อนด้วยส่วนผสม UHMWPE กับผง อลูมิเนียม พบว่าที่อัตราส่วนผสมผงอลูมิเนียมร้อยละ 10 โดยน้ำหนัก มีค่าเฉลี่ยเพิ่มขึ้นสูงสุดประกอบด้วย ค่า Yield Stress เท่ากับ 27.55 MPa, ค่า Ultimate Tensile Strength เท่ากับ 32.76 MPa, ค่า Breaking Strength เท่ากับ 22.83 MPa, ค่าElongation at Break เท่ากับร้อยละ 287.80, ค่า Modulus of Elasticity เท่ากับ 740.60 MPa, ค่าความแข็ง Shore D เท่ากับ 62 แต่ที่อัตราส่วนผสมดังกล่าวนี้พบว่า ค่าความทนต่อแรงกระแทกลดลงต่ำสุด มีค่าเฉลี่ยเท่ากับ 35.80 kJ/m2 และผลการศึกษาประสิทธิภาพ ทางไตรโบโลยีของชิ้นทดสอบที่ผ่านการอัดขึ้นรูปร้อนด้วยส่วนผสม UHMWPE กับผงอลูมิเนียม พบว่า อัตราส่วนผสมผงอลูมิเนียมอยู่ที่ร้อยละ 10 โดยน้ำหนัก มีค่าเพิ่มขึ้นสูงสุดประกอบด้วย ค่าสัมประสิทธิ์แรง เสียดทานและค่าความหนาแน่น มีค่าเฉลี่ยเท่ากับ 0.15 และ 1.865654 g/cm3 ตามลำดับ แต่ที่อัตรา ส่วนผสมดังกล่าวนี้พบว่าค่าอัตราการสึกหรอมีค่าลดลงเฉลี่ยเท่ากับ 6.89E-10 mm3/N m

งานวิจัยมีวัตถุประสงค์เพื่อศึกษาสมบัติทางความร้อน ทางกลของพอลิเอทิลีนน้ำหนักโมเลกุล สูงยิ่งยวดที่อลูมิเนียมออกไซด์และศึกษาประสิทธิภาพทางไตรโบโลยีของพอลิเอทิลีนน้ำหนักโมเลกุล สูงยิ่งยวดที่ผสมอลูมิเนียมออกไซด์ วัสดุสองชนิดที่ใช้ในงานวิจัยประกอบด้วยโพลิเอทิลีนน้ำหนัก โมเลกุลสูงยิ่งยวด (UHMWPE) เป็นวัสดุหลักและมีสารเติมแต่งเป็นอลูมิเนียมออกไซด์ (Al2O3) ตัวแปรที่ใช้ในกระบวนการอัดขึ้นรูปร้อนเพื่อให้ได้ก้อนวัสดุสำหรับการทดลองประกอบด้วย แรงอัด ขึ้นรูป อุณหภูมิ เวลา รวมถึงสัดส่วนระหว่างโพลิเอทิลีนน้ำหนักโมเลกุลสูงยิ่งยวดกับอลูมิเนียม ออกไซด์ การทดสอบสมบัติทางกลประกอบด้วย การทดสอบแรงกระแทก การทดสอบความแข็งตาม มาตรฐาน ASTM D2240 การทดสอบแรงดึงตามมาตรฐาน ASTM D638 type I การทดสอบการสึก หรอตามมาตรฐาน ASTM G77 ผลที่ได้คือสภาวะการอัดขึ้นรูปร้อนภายใต้สภาวะความดัน 5 MPa อุณหภูมิ 140°C นาน 180 นาที จากผลการทดสอบทางความร้อนประกอบด้วย ค่าจุดหลอมเหลว 145°C, ค่าการนำความร้อน 0.45 W/mK ทดสอบทางแรงดึงประกอบด้วยความเค้นที่จุดคราก (Yield Stress) เท่ากับ 38.58 MPa, Ultimate Tensile Strength เท่ากับ 44.78 MPa, Elongation at Break เท่ากับ ร้อยละ 190.6 และ Modulus of elasticity เท่ากับ 1014.41 MPa มีค่าความ แข็งสูงสุดเท่ากับ 64 shore D มีค่าความทนต่อแรงกระแทกสูงเท่ากับ 70.41 kJ/m2 และมีอัตราการ สึกหรอของชิ้นทดสอบที่ผ่านการอัดขึ้นรูปร้อนด้วยส่วนผสม UHMWPE ผสมกับอลูมิเนียมออกไซด์ (Al2O3) มีค่าสัมประสิทธิ์แรงเสียดทาน ค่าอัตราการสึกหรอ และค่าความหนาแน่นเท่ากับ 0.13, 8.45E-11 mm3/N.m, และ 1.698514 g/cm3 ตามลำดับ

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาอิทธิพลของตัววัดทางบัญชีแบบดั้งเดิม อิทธิพลร่วมของข้อมูลที่ไม่ใช่ตัวเงินกับตัววัดทางบัญชีแบบดั้งเดิม สินทรัพย์ไม่มีตัวตน และปัจจัยทางเศรษฐกิจมหภาคที่มีต่อมูลค่าหลักทรัพย์ ประชากรที่ใช้ในการวิจัยคือ บริษัทจดทะเบียนในตลาดหลักทรัพย์ที่มีข้อมูลครบถ้วน จำนวน 269 บริษัท ระยะเวลา 6 ปี ระหว่างปี พ.ศ. 2560 – 2565 ช่วงเวลาดังกล่าวครอบคลุมทั้งก่อนและระหว่างการแพร่ระบาดของโรคติดเชื้อไวรัส โคโรนาสายพันธุ์ใหม่ 2019 วิเคราะห์ ข้อมูลโดยใช้สมการถดถอยพหุคูณแบบ Fixed Effects ผลการวิจัยพบว่า (1) ตัววัดทางบัญชีแบบดั้งเดิมทั้ง 3 ตัวคือ กำไรต่อหุ้น มูลค่าตามบัญชีต่อหุ้น และกระแสเงินสดสุทธิจากกิจกรรมดำเนินงานต่อหุ้นมีอิทธิพลเชิงบวกต่อมูลค่าหลักทรัพย์ ในภาพรวมกำไรต่อหุ้นมีความเกี่ยวข้องในการกำหนดมูลค่าหลักทรัพย์สูงสุด อย่างไรก็ตามในระหว่างการแพร่ระบาดของ COVID-19 รวมทั้งในบางสมการทดสอบพบว่ามูลค่าตามบัญชีต่อหุ้นมีความเกี่ยวข้องในการกำหนดมูลค่าหลักทรัพย์สูงกว่าตัววัดทางบัญชีแบบดั้งเดิมตัวอื่น (2) ระดับคุณภาพการกำกับดูแลกิจการช่วยเพิ่มความเกี่ยวข้องของกำไรต่อหุ้นและมูลค่าตามบัญชีต่อหุ้นทั้งการทดสอบด้วยราคาปิดของหลักทรัพย์เดือนมีนาคมและเดือนเมษายน โดยอิทธิพลร่วมกับกำไรต่อหุ้นสูงกว่าอิทธิพลร่วมกับมูลค่าตามบัญชีต่อหุ้น (3) รางวัลด้านความยั่งยืนไม่ช่วยเพิ่ม ความเกี่ยวข้องในการกำหนดมูลค่าหลักทรัพย์ที่ทดสอบด้วยช่วงเวลารวม แต่ช่วยเพิ่มความเกี่ยวข้องของกำไรต่อหุ้นเฉพาะช่วงเวลาก่อนการแพร่ระบาดของ COVID-19 เท่านั้น (4) รายงานเชิงบูรณาการไม่ได้ช่วยเพิ่มความเกี่ยวข้องในการกำหนดมูลค่าสินทรัพย์ในทุกช่วงเวลาที่ทำการทดสอบ รวมทั้งการทดสอบด้วยราคาปิดของหลักทรัพย์เดือนเมษายน (5) ประเภทหรือขนาดของสำนักงานสอบบัญชีไม่ช่วยเพิ่มความเกี่ยวข้องในการกำหนดมูลค่าหลักทรัพย์ที่ทดสอบด้วยช่วงเวลารวม แต่ช่วยเพิ่มความเกี่ยวข้องของมูลค่าตามบัญชีต่อหุ้นในการกำหนดมูลค่าหลักทรัพย์ในระหว่างการแพร่ระบาดของ COVID-19 เท่านั้น ส่วนความเห็นของผู้สอบบัญชีไม่ช่วยเพิ่มความเกี่ยวข้องในการกำหนดมูลค่าหลักทรัพย์ที่ทดสอบด้วยช่วงเวลารวมทั้งกรณีใช้ราคาปิดของหลักทรัพย์เดือนมีนาคมและเมษายน แต่ช่วยเพิ่มความเกี่ยวข้องของมูลค่าตามบัญชีต่อหุ้นในการกำหนดมูลค่าหลักทรัพย์ในระหว่างการแพร่ระบาดของ COVID-19 เท่านั้น (6) สินทรัพย์ไม่มีตัวตนต่อหุ้นไม่มีความเกี่ยวข้องในการกำหนดมูลค่าหลักทรัพย์ในทุกช่วงเวลาที่ทำการทดสอบ รวมทั้งการทดสอบด้วยราคาปิดของหลักทรัพย์เดือนมีนาคมและเมษายน (7) ตัวแปรทางเศรษฐกิจมหภาคที่มีอิทธิพลต่อมูลค่าหลักทรัพย์คือ ผลิตภัณฑ์มวลรวมภายในประเทศและดัชนีความเชื่อมั่นทางธุรกิจโดยมีอิทธิพลเชิงลบ ส่วนดัชนีราคาผู้บริโภคมีอิทธิพลเชิงบวกต่อมูลค่าหลักทรัพย์ สำหรับตัวแปรควบคุมคือ ขนาดของกิจการมีอิทธิพลเชิงลบต่อมูลค่าหลักทรัพย์ในช่วงเวลาการแพร่ระบาดของCOVID-19 เท่านั้น