NobleBlocks

Research indexDataset

การพฒนาแบบจำลองการพยากรณนำฝนเพอวเคราะหภยแลงในลมนำปาสก

ช่วยเมือง

NRCT Data CenterOpen access

NobleIDark:/48914/w1/20260516/9B382F06DOI10.14457/tu.the.2023.1186

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

โดยทั่วไปค่ามาตรฐานของ Standardized Precipitation Index (SPI) ถูกนำไปใช้ในการชี้วัดภัยแล้ง โดยใช้ค่า SPI ที่มีค่าน้อยกว่าศูนย์แสดงความแห้งแล้ง การศึกษานี้มีวัตถุประสงค์ เพื่อวิเคราะห์ความสอดคล้องของค่ามาตรฐานของ SPI กับความแห้งแล้งจริงที่เกิดขึ้นเพื่อปรับแต่งค่า SPI ให้สอดคล้องกับสภาวะภัยแล้งที่เกิดขึ้นจริง เพื่อให้ SPI สามารถใช้บ่งชี้ภัยแล้งได้แม่นยำยิ่งขึ้น ปริมาณฝนรายเดือนจากสถานีวัดน้ำฝน 13 แห่ง ในช่วงเวลาตั้งแต่ปี พ.ศ.2508 ถึงปี พ.ศ. 2564 ในลุ่มน้ำป่าสักถูกนำมาคำนวณหาค่า SPI โดยแบ่งเป็น SPI3 (ฝนสะสมตั้งแต่เดือนมกราคม ถึง เดือนมีนาคม) SPI6 (ฝนสะสมตั้งแต่เดือนพฤษภาคม ถึง เดือนตุลาคม) และ SPI12 (ฝนสะสมตั้งแต่เดือนมกราคม ถึง เดือนธันวาคม) การวิเคราะห์ความสอดคล้องระหว่าง SPI3 SPI6 SPI12 กับข้อมูลความแห้งแล้งจริงที่เกิดขึ้นระหว่างปี พ.ศ.2552 ถึงปี พ.ศ. 2564 แสดงให้เห็นว่า SPI12 มีความสอดคล้องมากที่สุด โดยที่เมื่อใช้ค่า SPI มาตรฐานให้ความถูกต้องในการชี้วัดภัยแล้งได้ตั้งแต่ 38% ถึง 85% และเมื่อมีการปรับแต่งค่า SPI ให้มีความสอดคล้องกับสภาวะภัยแล้งที่เกิดขึ้นจริงจาก 13 สถานีวัดน้ำฝน แสดงให้เห็นว่าควรใช้ค่า SPI ที่ต่ำกว่า 0.5 จึงสามารถชี้วัดภัยแล้งในพื้นที่ลุ่มน้ำป่าสักได้ถูกต้องยิ่งขึ้น โดยมีความสอดคล้องเพิ่มขึ้นเป็น 46% ถึง 92% ในส่วนของการใช้ปัญญาประดิษฐ์ ได้เลือกใช้แบบจำลอง Long Short-Term Memory (LSTMs) ด้วยเป็นแบบจำลองที่มีโครงสร้างและวิธีการคำนวณที่เหมาะสมกับการใช้ทำนายข้อมูลในลักษณะอนุกรมเวลา ที่แบ่งชุดข้อมูลปริมาณฝนออกเป็น 2 ชุดข้อมูล คือ ชุดข้อมูลแรก เป็นส่วนของการหาค่าพารามิเตอร์ที่เหมาะสม (Calibrate) โดยใช้เกณฑ์ 75% ของข้อมูลทั้งหมด (43 ปี) และส่วนที่ 2 เป็นการตรวจพิสูจน์ค่าพารามิเตอร์ (Validate) โดยใช้เกณฑ์ 25% ของข้อมูลทั้งหมด (14 ปี) และได้ทำการประเมินประสิทธิภาพของแบบจำลองด้วยค่าสัมประสิทธิ์สหสัมพันธ์ (R) ค่าความแม่นยำของแบบจำลอง (Model Accuracy) หรือประสิทธิภาพ-ประสิทธิผลของแบบจำลอง (Model Performance) ในการคาดคะเนค่าที่ต้องการ (NSE) และค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE)โดยทำการเปรียบเทียบกับผลที่ได้จากการคำนวณของแบบจำลอง Autoregressive Integrated Moving Average (ARIMA) ซึ่งเป็นแบบจำลองที่นิยมใช้สำหรับการทำนายข้อมูลประเภทอนุกรมเวลา จากการเปรียบเทียบประสิทธิภาพแบบจำลองของทั้งสองแบบจำลองในลุ่มน้ำป่าสัก พบว่า แบบจำลอง LSTMs มีค่าประสิทธิภาพแบบจำลองคิดเป็น 92% มากกว่าแบบจำลอง ARIMA ที่มีค่าเพียง 8% ในการพยากรณ์ภัยแล้งโดยแบบจำลอง LSTMs ทำการพยากรณ์ล่วงหน้าจำนวน 5 ปี ในช่วงปี พ.ศ. 2560 ถึง พ.ศ. 2564 โดยเปรียบเทียบกับค่าดัชนีภัยแล้งที่คำนวณได้ และเปรียบเทียบกับภัยแล้งจริงที่เกิดขึ้น เมื่อทำการเฉลี่ยค่าความแม่นยำทั้ง 5 ปี พบว่ามีค่าความแม่นยำคิดเป็น 71% และ 29% ตามลำดับ ซึ่งมากกว่า 50% ขึ้นไป เป็นค่าที่ยอมรับได้ ดังนั้นแบบจำลอง LSTMs จึงเป็นเครื่องมือที่เหมาะสมและเป็นประโยชน์ในการนำมาบริหารจัดการทรัพยากรน้ำและเตือนภัยแล้งในลุ่มน้ำป่าสัก

Discussion

Topics

More

Suggest a correction or report