การพยากรณ์ปริมาณน้ำในเขื่อน โดยใช้เทคนิคเหมืองข้อมูล
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาเทคนิคเหมืองข้อมูลที่เหมาะสมในการพยากรณ์ปริมาณน้ำในเขื่อนและ 2) เปรียบเทียบผลการพยากรณ์ปริมาณน้ำรายเดือนในเขื่อนกิ่วลม จังหวัดลำปาง โดยใช้เทคนิคเหมืองข้อมูล งานวิจัยนี้ได้นำข้อมูลที่เป็นปัจจัยที่มีผลต่อการเปลี่ยนแปลงระดับน้ำประกอบด้วย ปริมาณน้ำไหลเข้าเขื่อน ปริมาณน้ำในเขื่อน ปริมาณการปล่อยน้ำและอัตราการระเหย โดยรวบรวมข้อมูลรายวัน ตั้งแต่ปี พ.ศ. 2535 – พ.ศ. 2559 รวม 25 ปี จำนวน 9,300 รายการ โดยมีการแยกข้อมูลรายเดือนเพื่อนำมาพยากรณ์ด้วยเทคนิคการพยาการณ์
ผลการวิจัยพบว่า 1) เทคนิคเหมืองข้อมูลที่เหมาะสมในการพยากรณ์ปริมาณน้ำในเขื่อนประกอบด้วย 4 เทคนิค ได้แก่ เทคนิควิธีการวิเคราะห์การถดถอย (Regression Analysis) วิธีและโครงข่ายประสาทเทียม (Artificial Neural Network: ANN) วิธีแบบจำลองต้นไม้เอ็มไฟว์พี (Model Tree: M5P) และ วิธีเทคนิคซัพพอร์ตเวคเตอร์แมชชีนส์ (SVM) และ 2) ผลการเปรียบเทียบการพยากรณ์ปริมาณน้ำรายเดือนในเขื่อนกิ่วลม จังหวัดลำปาง โดยใช้เทคนิคเหมืองข้อมูลทั้ง 4 เทคนิค พบว่า วิธีแบบจำลองต้นไม้เอ็มไฟว์พี มีค่าสัมบูรณ์ของความคลาดเคลื่อนต่ำสุด ที่ 10.56 และเป็นวิธีที่เหมาะสมที่สุดสำหรับนำไปพัฒนาระบบพยากรณ์น้ำในเขื่อน ทั้งนี้เมื่อพิจารณาค่าสัมบูรณ์ของความคลาดเคลื่อนแต่ละเทคนิค พบว่า วิธีแบบจำลองต้นไม้เอ็มไฟว์พี วิธีซัพพอร์ตเวคเตอร์แมชชีนส์ วิธีวิเคราะห์การถดถอย และวิธีโครงข่ายประสาทเทียม มีค่าความคาดเคลื่อนเท่ากับ 10.56, 10.84, 11.12 และ 12.53 ตามลำดับ
Article Details
References
[2] พิชญ์สินี ชมพูคำ. (มปป.). การวิเคราะห์การถดถอย. สืบค้นจาก http://www.hosting.cmru.ac.th/phitsinee/regression/index.php
[3] Preis, A., and A. Ostfeld. (2007). A coupled model tree–genetic algorithm scheme for flow and water quality predictions in watersheds. Journal of Hydrology,
No.349(3-4), 364-375.
[4] R.O. Duda, and P.E. Hart. (1973). Pattern Classification and Scene Analysis. New York: John Wiley& Sons,