ระบบพยากรณ์สมรรถนะสูงสำหรับลุ่มน้ำที่มีความผันผวนสูงของประเทศไทย

บทคัดย่อ

ลุ่มน้ำโยมเป็นหนึ่งในลุ่มน้ำหลัก 22 แห่งในประเทศไทย พื้นที่นี้เป็นที่ประสบปัญหาน้ำท่วมและภัยแล้งตลอดปีซึ่งมีผลกระทบมากต่อภาคการเกษตร เพื่อลดผลกระทบนี้ เรื่องการจัดการน้ำรวมถึงการประมาณระดับน้ำเป็นสิ่งสำคัญ งานวิจัยนี้นำเสนอโมเดลที่เหมาะสมสำหรับการพยากรณ์ชุดข้อมูลระดับน้ำประจำวันจากสี่สถานีวัดระดับน้ำ ระยะเวลาของการศึกษาครอบคลุมตั้งแต่ปี 2007 ถึงกันยายน ปี 2022 ประสิทธิภาพของโมเดลพยากรณ์นี้ถูกกำหนดจากการเปรียบเทียบกับวิธีการสามวิธี คือ วิธีเฉลี่ยเคลื่อนที่แบบศูนย์กลาง (CMA), วิธีการแยกส่วนเชิงบวก (DEC), และ วิธีการของโฮลท์และวินเทอร์เชิงบวก (WIN) ผลการวิจัยแสดงให้เห็นว่า: การพยากรณ์ในช่วงเวลาสองปีแสดงรูปแบบการพยากรณ์ที่คล้ายกับค่าที่สังเกตเห็นในอดีต โดยส่วนใหญ่ วิธี DEC มีความแม่นยำมากกว่าวิธีอื่น ๆ สำหรับทุกสถานี ค่า RMSE ของสถานีต้นน้ำน้อยกว่าค่า RMSE ของสถานีปลายน้ำสำหรับทั้งสามวิธี นอกจากการใช้แนวทางการพยากรณ์แบบอนุกรมเวลาแล้ว ยังสามารถประยุกต์ใช้วิธีการเรียนรู้ของเครื่องจักรมาใช้ในการพยากรณ์ได้ โดยได้ทำการศึกษากับปัญหาอนุภาคขนาดเส้นผ่านศูนย์กลางไม่เกิน 2.5 ไมครอนหรือ PM2.5 ที่เกินค่ามาตรฐานในพื้นที่หลายแห่งโดยเฉพาะในจังหวัดเชียงใหม่ และค่าความเข้มข้นดังกล่าวก็มีความผันผวนรุนแรง ในทำนองเดียวกันกับระดับน้ำในลุ่มน้ำบางแห่ง วัตถุประสงค์ของงานวิจัยชิ้นที่สองคือการศึกษาโครงสร้างของตัวแบบสำหรับความเข้มข้นของ PM2.5 โดยใช้วิธีการเรียนรู้ของเครื่องจักรแบบ Deep Belief Network (DBN) ด้วยชุดข้อมูลความเข้มข้นของ PM2.5 ประจำวัน จากสถานีตรวจวัดคุณภาพอากาศในจังหวัดเชียงใหม่ ข้อมูลถูกวิเคราะห์โดยใช้อัลกอริทึม Minimizing Contrastive Divergence (MCD) และอัลกอริทึม Back-Propagation Neural Network (BPNN) เพื่อประมาณค่าพารามิเตอร์ของ DBN ผลการวิจัยแสดงให้เห็นว่าโครงสร้าง DBN ที่เหมาะสมมีโหนดนำเข้า 5 โหนดและเลเยอร์ซ่อนแรกมีจำนวนนิวรอนซ่อน 20 ตัว โมเดลนี้มีความแม่นยำในการทำนายความเข้มข้นของ PM2.5 อยู่ที่ร้อยละ 88.4 นอกจากนี้โมเดลนี้สามารถนำไปใช้ในการพยากรณ์สภาพอากาศอื่น ๆ เช่นปริมาณน้ำฝนหรือระดับน้ำในลุ่มน้ำได้ด้วย โดยเฉพาะปริมาณฝนช่วงที่ตกหนักของฤดูกาล หรือระดับน้ำในลุ่มน้ำช่วงฤดูฝนที่มีความผันผวนสูง

คำสำคัญ