|
แบบจำลองในการพยากรณ์อัตราการไหลเข้าเขื่อนโดยการใช้ปัญญาประดิษฐ์: กรณีศึกษา พื้นที่ลุ่มน้ำภาคตะวันออก |
|---|---|
| รหัสดีโอไอ | |
| Title | แบบจำลองในการพยากรณ์อัตราการไหลเข้าเขื่อนโดยการใช้ปัญญาประดิษฐ์: กรณีศึกษา พื้นที่ลุ่มน้ำภาคตะวันออก |
| Creator | จีรัฐติกุล อัครเศรษฐการ |
| Contributor | อุรุยา วีสกุล, ที่ปรึกษา |
| Publisher | มหาวิทยาลัยธรรมศาสตร์ |
| Publication Year | 2567 |
| Keyword | พยากรณ์อัตราการไหล, แบบจำลอง LSTM, แบบจำลอง ARIMA, ลุ่มน้ำชายฝั่งทะเลภาคตะวันออก, เขื่อนบางพระ, เขื่อนหนองปลาไหล, Inflow forecast, Long short-term memory (LSTM), Autoregressive integrated moving average (ARIMA), Eastern river basin |
| Abstract | การศึกษานี้มีวัตถุประสงค์ในการพัฒนาแบบจำลองการพยากรณ์อัตราการไหลเข้าเขื่อน บางพระ และเขื่อนหนองปลาไหล เป็นกรณีศึกษาเพื่อการบริหารจัดการน้ำภายในพื้นที่เขตพัฒนาพิเศษ พื้นที่ชายฝั่งทะเลภาคตะวันออก ปริมาณน้ำฝนรายเดือนจากสถานีตรวจวัดเหนือเขื่อนทั้งสองเขื่อน และอัตราการไหลรายเดือนเข้าเขื่อนทั้งสองเขื่อน ในช่วงเวลาตั้งแต่ ปี พ.ศ.2537 ถึงปี พ.ศ.2566 ได้ถูกนำมาพัฒนาแบบจำลอง Long Short Term Memory (LSTM) ได้ถูกเลือกเป็นตัวแทนของแบบจำลองแบบปัญญาประดิษฐ์และแบบจำลอง Autoregressive Integrated Moving Average (ARIMA) ได้ถูกเลือกเป็นตัวแทนของแบบจำลองแบบดั้งเดิมที่นิยมใช้กันในปัจจุบัน โดยในการศึกษา ได้ทำการพัฒนาแบบจำลองทั้งสองในการพยากรณ์อัตราการไหลเข้าเขื่อนรายเดือน โดยใช้ข้อมูลอัตราการไหลรายเดือนเพียงอย่างเดียว เปรียบเทียบกับใช้ข้อมูลอัตราการไหลรายเดือนร่วมกับฝนรายเดือน โดยใช้ข้อมูลในช่วงปี พ.ศ.2537 ถึงปี พ.ศ.2558 เป็นข้อมูลในการปรับแก้แบบจำลอง และใช้ข้อมูลในช่วงปี พ.ศ.2559 ถึงปี พ.ศ.2565 ในการทดสองแบบจำลอง เมื่อใช้ข้อมูลอัตราการไหลเข้าเขื่อนรายเดือน และอัตราการไหลเข้าเขื่อนรายเดือนก่อนหน้า 1 เดือน เป็นตัวแปรเพียงอย่างเดียวโดยไม่ใช้ตัวแปรฝนร่วมในการพยากรณ์ จะได้ผลการพยากรณ์มีความแม่นยำน้อยกว่าใช้ข้อมูลฝนรายเดือนร่วมด้วย ซึ่งได้ใช้ตัวแปรดังกล่าวในการพยากรณ์อัตราการไหลเข้าเขื่อนล่วงหน้า 3-12 เดือน ผลการพยากรณ์พบว่า ในช่วง 3 เดือนแรก ได้ทำการประเมินประสิทธิภาพของแบบจำลองด้วยค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ (MAE) และค่าสัมประสิทธิ์สหสัมพันธ์ (R) อยู่ในเกณฑ์สูงกว่าการพยากรณ์ ล่วงหน้า 6 เดือน และ 12 เดือนตามลำดับ และผลการประเมินความแม่นยำของการพยากรณ์อัตราการไหลเข้าเขื่อนด้วยแบบจำลอง โดยทำการเปรียบเทียบความแม่นยำของอัตราการไหลเข้าเขื่อนรายเดือน ที่ได้จากการตรวจวัดจริงกับปริมาณอัตราการไหลเข้าเขื่อนพยากรณ์ของทั้ง 2 เขื่อนคัดเลือก พบว่าสำหรับเขื่อนบางพระ แบบจำลอง ARIMA ให้ค่าความแม่นยำอยู่ระหว่าง 38% ถึง 70% แบบจำลอง LSTM ให้ค่าความแม่นยำอยู่ระหว่าง 53% ถึง 75% ชี้ให้เห็นว่าการพยากรณ์อัตราการไหลเข้าเขื่อนจากแบบจำลอง LSTM ให้ค่าความแม่นยำ โดยสามารถเพิ่มความแม่นยำได้ตั้งแต่ 1% ถึง 22% สำหรับเขื่อนหนองปลาไหล แบบจำลอง ARIMA ให้ค่าความแม่นยำอยู่ระหว่าง 48% ถึง 76% แบบจำลอง LSTM ให้ค่าความแม่นยำอยู่ระหว่าง 57% ถึง 83% ผลการศึกษาชี้ให้เห็นว่า การพยากรณ์อัตราการไหลเข้าเขื่อนจากแบบจำลอง LSTM ให้ค่าความแม่นยำสูงกว่า โดยสามารถเพิ่มความแม่นยำได้ตั้งแต่ 2% ถึง 33% เมื่อพิจารณาความแม่นยำของการพยากรณ์อัตราการไหลเข้าเขื่อนในแต่ละเดือน แบบจำลอง LSTM จะมีความแม่นยำมากกว่าแบบจำลอง ARIMA โดยที่แบบจำลอง ARIMA และแบบจำลอง LSTM จะมีความแม่นยำใกล้เคียงกันในช่วง ฤดูแล้ง เดือน พ.ย.-ม.ค. และเดือน ก.พ.-เม.ย. แบบจำลอง LSTM จะพยากรณ์อัตราการไหลได้ดีกว่าแบบจำลอง ARIMA ในช่วงฤดูมรสุม คือเดือน ส.ค.-ต.ค. |
