การพัฒนาแบบจำลองการพยากรณ์ปริมาณน้ำฝนเพื่อวิเคราะห์ภัยแล้งในลุ่มน้ำชี

การศึกษานี้มีวัตถุประสงค์ในการพัฒนาแบบจำลองการพยากรณ์ปริมาณน้ำฝน เพื่อวิเคราะห์ภัยแล้งในลุ่มน้ำชี โดยใช้ปริมาณฝนรายเดือนจากสถานีวัดน้ำฝนในลุ่มน้ำทั้งหมด 28 แห่ง ในช่วงเวลาตั้งแต่ปี พ.ศ. 2513 ถึงปีพ.ศ. 2564 นำมาคำนวณค่าดัชนี SPI โดยแบ่งเป็นดัชนี SPI3 ก่อนการเกิดมรสุม (ปริมาณฝนสะสมตั้งแต่เดือนมกราคมถึงเดือนมีนาคม) SPI6 ช่วงฤดูแล้ง (ปริมาณฝนสะสมตั้งแต่เดือนพฤศจิกายนถึงเดือนเมษายนของปีถัดไป) และSPI12 รายปี (ปริมาณฝนสะสมตั้งแต่เดือนมกราคมถึงเดือนธันวาคม) การวิเคราะห์ความแม่นยำระหว่างดัชนี SPI กับข้อมูลพื้นที่ประสบภัยแล้งจริงระหว่างปี พ.ศ. 2552 ถึงปี พ.ศ. 2564 ในส่วนของการใช้แบบจำลองปัญญาประดิษฐ์ได้เลือกใช้แบบจำลอง Long Short-Term Memory (LSTM) เนื่องจากเป็นแบบจำลองที่เหมาะสมสำหรับการพยากรณ์ข้อมูลที่อยู่ในลักษณะของอนุกรมเวลา โดยแบ่งชุดข้อมูลออกเป็น 2 ชุดข้อมูล คือ ข้อมูลชุดแรกเป็นส่วนของการหาค่าพารามิเตอร์ที่เหมาะสม (Calibrate) โดยใช้เกณฑ์ 75% ของข้อมูลทั้งหมด (39 ปี) และส่วนที่ 2 เป็นการตรวจพิสูจน์ค่าพารามิเตอร์ (Validate) โดยใช้เกณฑ์ 25% (13 ปี) ของข้อมูลทั้งหมด และได้ประเมินประสิทธิภาพของแบบจำลองด้วยค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) ค่าความคลาดเคลื่อนเฉลี่ยสัมบูรณ์ (MAE) และค่าสัมประสิทธิ์สหสัมพันธ์ (R) โดยทำการเปรียบเทียบประสิทธิภาพกับแบบจำลอง Autoregressive Integrated Moving Average (ARIMA) ผลการเปรียบเทียบการพยากรณ์ปริมาณน้ำฝนของทั้งสองแบบจำลอง พบว่าแบบจำลอง LSTM ให้ค่าประสิทธิภาพที่ดีกว่าแบบจำลอง ARIMA จำนวน 16 สถานี และแบบจำลอง ARIMA ให้ค่าที่ดีกว่าแบบจำลอง LSTM จำนวน 12 สถานี เมื่อนำไปตรวจสอบความแม่นยำระหว่างปริมาณฝนที่ตรวจวัดจริง กับปริมาณฝนพยากรณ์ของแต่ละสถานี ผลการพยากรณ์พบว่าแบบจำลอง ARIMA ให้ค่าความผิดพลาดระหว่าง 12% ถึง 34% และแบบจำลอง LSTM ให้ค่าความผิดพลาดอยู่ระหว่าง 13% ถึง 22% แสดงให้เห็นว่าแบบจำลอง LSTM มีความแม่นยำกว่าแบบจำลอง ARIMA ซึ่งให้มีความถูกต้องในการพยากรณ์ฝนเพิ่มขึ้นตั้งแต่ 6% ถึง 15%