ยุทธวิธีการออกแบบจำลองโครงข่ายประสาทเทียมสำหรับการพยากรณ์น้ำท่วม กรณีศึกษา ลุ่มน้ำปิงตอนบนและลุ่มน้ำมูลตอนล่าง

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์ 3 ข้อ คือ (1) ศึกษาประสิทธิภาพการพยากรณ์ของแบบจาลองโครงข่ายประสาทเทียม จากประเภทการเรียนรู้ที่แตกต่างกัน จานวนโหนดในชั้นซ่อนเร้น และเทคนิคการคัดเลือกข้อมูลนาเข้า (2) เข้าใจถึงหลักการวิธีการออกแบบโครงข่ายประสาทเทียมสาหรับพยากรณ์น้าท่วม สาหรับลุ่มน้าที่มีลักษณะพฤติกรรมการไหลและความสัมพันธ์ทางกายภาพที่แตกต่างกัน และ (3) สามารถพัฒนาแบบจาลองโครงข่ายประสาทเทียมที่เหมาะสมที่สุดสาหรับการพยากรณ์น้าท่วมในลุ่มน้าปิง และลุ่มน้ามูล โดยมีการทดสอบกระบวนการเรียนรู้ทั้งหมด 12 ประเภท และมีการเพิ่มจานวนโหนดในชั้นซ่อนเร้น 1, 25%, 50% และ 100% โดยอ้างอิงจากจานวนตัวแปรข้อมูลนาเข้าที่ได้จากการคัดเลือกด้วยวิธี Cross Correlation (C), Stepwise Regression (S), เทคนิคผสม CS, Genetic Algorithms (G) และ เลือกใช้เฉพาะเวลา t (Sp) โดยมีการพยากรณ์ 6, 12 และ 18 ชั่วโมงล่วงหน้า ณ สถานี P.1 (ลุ่มน้าปิงตอนบน) ในช่วงปี ค.ศ. 2005-2011 และ พยากรณ์ 24, 36 และ 48 ชั่วโมงล่วงหน้า ณ สถานี M.7 (ลุ่มน้ามูลตอนล่าง) ในช่วงปี ค.ศ. 2007-2014 โดยผลการศึกษาพบว่า เทคนิควิธี S และ G เป็นเทคนิคที่เหมาะสมสาหรับการคัดเลือกตัวแปรข้อมูลนาเข้าทั้ง 2 สถานี โดยพบว่าข้อมูลระดับน้าต้นน้าที่มีความสัมพันธ์ต่อการพยากรณ์ระดับน้าสถานี P.1 คือ สถานี P.1, P.67, P.75 และ P.20 ส่วนข้อมูลระดับน้าที่มีความสัมพันธ์ต่อการพยากรณ์ระดับน้าสถานี M.7 ทั้ง 3 ช่วงเวลา คือ สถานี M.7, M.176, M.181, M.182 และ E.20A แต่สถานี M.182 ไม่มีความสัมพันธ์สาหรับการพยากรณ์ 48 ชั่วโมงล่วงหน้า ณ สถานี M.7 สาหรับประเภทของกระบวนการเรียนรู้ส่วนมากให้ผลการพยากรณ์ที่ไม่แตกต่างกันมากนัก และกระบวนการเรียนรู้ส่วนมากให้ผลการพยากรณ์ที่ไม่แตกต่างกันมากนักเมื่อมีการใช้จานวนโหนดในชั้นซ่อนเร้นที่แตกต่างกัน ดังนั้นการจึงสามารถสรุป ยุทธวิธีหรือแนวทางการพัฒนาแบบจาลองโครงข่ายประสาทเทียมสาหรับการพยากรณ์ระดับน้า P.1 ณ 6 และ 12 ชั่วโมงล่วงหน้า และ M.7 ณ 24, 36 และ 48 ชั่วโมงล่วงหน้า คือ เลือกข้อมูลนาเข้าด้วยวิธี G หรือ วิธี S เลือกกระบวนการเรียนรู้ LM และกาหนดจานวนโหนดในชั้นซ่อนเร้น 1 โหนด

คำสำคัญ