การพัฒนาแบบจำลองการพยากรณ์น้ำฝนเพื่อวิเคราะห์ภัยแล้งในลุ่มน้ำมูล
收藏DataCite Commons2025-01-20 更新2025-04-16 收录
下载链接:
http://doi.nrct.go.th/?page=resolve_doi&resolve_doi=10.14457/TU.the.2023.1185
下载链接
链接失效反馈官方服务:
资源简介:
การศึกษานี้มีวัตถุประสงค์ในการเพิ่มความแม่นยำของการเตือนภัยแล้งโดยการใช้ปัญญาประดิษฐ์ในลุ่มน้ำมูล ปริมาณน้ำฝนรายเดือนจากสถานีวัดน้ำฝน 27 แห่ง ในช่วงเวลาตั้งแต่ปี พ.ศ.2534 ถึงปี พ.ศ.2563 ในลุ่มน้ำมูลถูกนำมาคำนวณค่า SPI โดยเปลี่ยนแปลงค่า SPI เป็น 3 แบบได้ SPI3 (ฝนสะสม 3 เดือนตั้งแต่กุมภาพันธ์ ถึง เมษายน) SPI6 (ฝนสะสม 6 เดือนตั้งแต่พฤษภาคม ถึง ตุลาคม) และ SPI12 (ฝนสะสมตั้งแต่มกราคม ถึง ธันวาคม) การวิเคราะห์ความสอดคล้องของ SPI3 SPI6 และ SPI12 กับสภาพความแห้งแล้งจริงที่เกิดขึ้นจริงซึ่งเป็นข้อมูลภาคสนามระหว่างปี พ.ศ. 2554 ถึง พ.ศ. 2563 ในส่วนของการใช้ปัญญาประดิษฐ์ ได้เลือกใช้แบบจำลอง Long Short-Term Memory (LSTMs) ด้วยเป็นแบบจำลองที่มีโครงสร้างและวิธีการคำนวณที่เหมาะสมกับการใช้ทำนายข้อมูลในลักษณะอนุกรมเวลา ที่แบ่งชุดข้อมูลปริมาณฝนออกเป็น 2 ชุดข้อมูล คือ ชุดข้อมูลแรก เป็นส่วนของการหาค่าพารามิเตอร์ที่เหมาะสม (Calibrate) โดยใช้เกณฑ์ 75% ของข้อมูลทั้งหมด (22 ปี) และส่วนที่ 2 เป็นการตรวจพิสูจน์ค่าพารามิเตอร์ (Validate) โดยใช้เกณฑ์ 25% ของข้อมูลทั้งหมด (8 ปี) และได้ทำการประเมินประสิทธิภาพของแบบจำลองด้วยค่าสัมประสิทธิ์สหสัมพันธ์ (R) ค่าความแม่นยำของแบบจำลอง (Model Accuracy) หรือประสิทธิภาพ-ประสิทธิผลของแบบจำลอง (Model Performance) ในการคาดคะเนค่าที่ต้องการ (NSE) และค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) โดยทำการเปรียบเทียบกับผลที่ได้จากการคำนวณของแบบจำลอง Autoregressive Integrated Moving Average (ARIMA) ซึ่งเป็นแบบจำลองที่นิยมใช้สำหรับการทำนายข้อมูลประเภทอนุกรมเวลา จากการเปรียบเทียบประสิทธิภาพแบบจำลองของทั้งสองแบบจำลองในลุ่มน้ำมูล พบว่า แบบจำลอง LSTMs มีค่าประสิทธิภาพแบบจำลอง คิดเป็น 77.78% มากกว่าแบบจำลอง ARIMA ที่มีค่าเพียง 22.22% ในการพยากกรณ์ภัยแล้งโดยแบบจำลอง LSTMs ทำการพยากรณ์ล่วงหน้าจำนวน 5 ปี ในช่วงปี พ.ศ. 2559 ถึง พ.ศ. 2563 โดยเปรียบเทียบกับค่าดัชนีภัยแล้งที่คำนวณได้ และเปรียบเทียบกับภัยแล้งจริงที่เกิดขึ้น เมื่อทำการเฉลี่ยค่าความแม่นยำทั้ง 5 ปี พบว่ามีค่าความแม่นยำคิดเป็น 76.30% และ 54.07% ตามลำดับ ซึ่งมากกว่า 50% ขึ้นไป เป็นค่าที่ยอมรับได้ ดังนั้นแบบจำลอง LSTMs จึงเป็นเครื่องมือที่เหมาะสมและเป็นประโยชน์ในการนำมาบริหารจัดการทรัพยากรน้ำและเตือนภัยแล้งในลุ่มน้ำมูล
提供机构:
มหาวิทยาลัยธรรมศาสตร์
创建时间:
2025-01-20



