Monthly Rainfall Forecasting in Phrae Province Using Statistical Methods
Keywords:
Rainfall Forecasting, Simple Seasonal Exponential Smoothing, Box and Jenkins, Combined ForecastingAbstract
Phrae Province frequently experiences chronic floods and droughts; therefore, accurate rainfall forecasting plays a pivotal role in enhancing preparedness, strategic planning, and natural disaster mitigation. This study aimed to investigate and compare three statistical approaches for forecasting monthly rainfall in Phrae Province: Simple Seasonal Exponential Smoothing (SSES), the Box and Jenkins method, and Combined Forecasting. The dataset comprised 180 monthly observations spanning from January 2011 to December 2025. This dataset was partitioned into two subsets: the first subset (January 2011 to December 2024) was utilized for model construction, whereas the second subset (January to December 2025) was reserved for evaluating and validating forecasting performance. Model accuracy was rigorously assessed using three statistical criteria: Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and Pearson correlation coefficient (r). The empirical results demonstrated that the SSES method exhibited the best overall forecasting performance, yielding the lowest RMSE of 92.47 mm and the highest r value of 0.835. Although the Combined Forecasting method achieved the lowest MAE, the SSES method produced a comparably low MAE of 52.86 mm. Consequently, SSES was determined to be the most suitable model for predicting monthly rainfall in Phrae Province. Based on this optimal model, the total annual rainfall for 2026 is projected to be 1,367.76 mm, indicating a downward trend compared to the total rainfall recorded in 2025.
References
กลุ่มงานยุทธศาสตร์และข้อมูลเพื่อการพัฒนาจังหวัด สำนักงานจังหวัดแพร่. บรรยายสรุปจังหวัดแพร่ ประจำปี 2568 [อินเตอร์เน็ต]. 2568 [เข้าถึงเมื่อ 27 เม.ย. 2569]. เข้าถึงได้จาก: https://phrae.go.th/info/Phraedetailing2569_240469.pdf
ไทยรัฐออนไลน์. ภัยแล้งกระหน่ำเมืองแพร่ เกษตรกรทนไม่ไหว ต้องช่วยตัวเองไม่ของ้อรัฐ. [อินเตอร์เน็ต]. 2559 [เข้าถึงเมื่อ 28 เม.ย. 2569]. เข้าถึงได้จาก: https://www.thairath.co.th/news/local/565013
The Standard team. แพร่สรุปพื้นที่ถูกน้ำท่วม กินพื้นที่ 8 อำเภอรวม 666 หลังคาเรือนผู้ว่าฯ เร่งให้ความช่วยเหลือ ระบายน้ำขัง. [อินเตอร์เน็ต]. 2563 [เข้าถึงเมื่อ 27 เม.ย. 2569]. เข้าถึงได้จาก: https://thestandard.co/phrae-floods-220863/
MGRonline. แพร่ท่วมหนัก น้ำยมขึ้นสูงถึง 11 เมตร ล้นทะลักจมแล้ว 5 อำเภอ พรุ่งนี้หลากลงลอง-วังชิ้น-ศรีสัชฯ [อินเตอร์เน็ต]. 2568 [เข้าถึงเมื่อ 27 เม.ย. 2569]. เข้าถึงได้จาก: https://mgronline.com/local/detail/9680000070181
ธนากร โชติช่วง, สมชาย เล็กเจริญ. การพยากรณ์ปริมาณน้ำฝนรายเดือนในจังหวัดพัทลุง ณ ศูนย์อุทกวิทยาฯ ภาคใต้. ใน: เอกสารประกอบการประชุมวิชาการระดับชาติ วิทยาลัยนครราชสีมา ครั้งที่ 5 วันที่ 31 มีนาคม 2561. วิทยาลัยนครราชสีมา. นครราชสีมา; 2561. หน้า 260-71.
ยุทธชัย มิ่งขวัญ. การพยากรณ์ปริมาณน้ำฝนในจังหวัดอุตรดิตถ์โดยใช้เทคนิคทางสถิติ. วารสารวิจัย มข (ฉบับบัณฑิตศึกษา) 2567;24(3):83-94.
วรางคณา เรียนสุทธิ์, ศุภมิตร วิริยกุลโอภาศ, ณัฐนนท์ เหลืองอักษร, วชิรวิทย์ พจน์จำเนียร. ตัวแบบพยากรณ์ปริมาณน้ำฝนในจังหวัดนครศรีธรรมราช กรณีศึกษาด้วยวิธีการทางอนุกรมเวลา. วารสารวิทยาศาสตร์ลาดกระบัง 2567;33(1):51-65.
ธนพร จิ้วไม้แดง, พรทิพย์ วิมลทรง, ธนา จารุพันธุเศรษฐ์, กานต์ธิดา บุญมา, บุษยมาศ เหมณี. การเปรียบเทียบวิธีการพยากรณ์ปริมาณน้ำฝนรายเดือนในจังหวัดนราธิวาส. วารสารวิชาการมหาวิทยาลัยอีสเทิร์นเอเชีย ฉบับวิทยาศาสตร์และเทคโนโลยี 2568;19(3):106-123.
Mohamed TM, Ibrahim AA. Time Series Analysis of Nyala Rainfall Using ARIMA Method. JECS 2016;17(1):5-11.
Nwokike CC, Offorha BC, Obubu M, Ugoala CB, Ukomah HI. Comparing SANN and SARIMA for forecasting frequency of monthly rainfall in Umuahia. Sci Afr 2020;10:e00621.
Barrera-Animas AY, Oyedele LO, Bilal M, Akinosho TD, Delgado JMD, Akanbi LA. Rainfall prediction: A comparative analysis of modern machine learning algorithms for time-series forecasting. Mach Learn Appl 2022;7:100204.
Hudnurkar S, Patel P, Ponnalagarsamy S. Comparing the Performance of Machine Learning Models for a Day Ahead Rainfall Prediction. ISI 2025;30(3):655-63.
ทรงศิริ แต้สมบัติ. การพยากรณ์เชิงปริมาณ. พิมพ์ครั้งที่ 1. กรุงเทพฯ: สำนักพิมพ์มหาวิทยาลัยเกษตรศาสตร์; 2549.
สมเกียรติ เกตุเอี่ยม. เทคนิคการพยากรณ์. พิมพ์ครั้งที่ 2. สงขลา: มหาวิทยาลัยทักษิณ; 2548.
Box GEP, Jenkins GM, Reinsel GC, Ljung GM. Time Series Analysis: Forecasting and Control. 5th ed. New Jersey: John Wiley & Sons, Inc; 2016.
วรางคณา กีรติวิบูลย์. ตัวแบบพยากรณ์ปริมาณการจำหน่ายเบียร์ในประเทศไทย. วารสารวิทยาศาสตร์และเทคโนโลยี 2558;23(5):731-42.
ยุทธชัย มิ่งขวัญ. การเปรียบเทียบตัวแบบพยากรณ์สำหรับปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์จากภาคการผลิตไฟฟ้า. วารสารวิทยาศาสตร์ลาดกระบัง 2566;32(2):122-35.
Zhang X, Liu Y, Li J. Application of a Box-Cox Transformed LSTAR-GARCH Model for Point and Interval Forecasting of Monthly Rainfall in Hainan, China. Water 2025;17(22):3274.
Islam F, Imteaz MA. A novel hybrid approach for predicting Western Australia’s seasonal rainfall variability. Water Resour Manag 2022;36(10):3649-72.
Waqas M, Humphries UW, Wangwongchai A, Dechpichai P, Zarin R, Hlaing PT. Incorporating novel input variable selection method for in the different water basins of Thailand. Alex Eng J 2024;86:557-76.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Huachiew Chalermprakiet Science and Technology Journal
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความทุกบทความที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของ คณะวิทยาศาสตร์แฟละเทคโนโลยี มหาวิทยาลัยหัวเฉียวเฉลิมพระเกียรติ
