การพยากรณ์อัตราเร็วลมด้วยแบบจำลองสภาพอากาศ เพื่อการวิจัยขั้นสูง WRF-ARW
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้เป็นการศึกษาการพยากรณ์อัตราเร็วของลมสเกลปานกลางของประเทศไทย โดยใช้แบบจำลองสภาพอากาศเพื่อการวิจัยขั้นสูง (WRF-ARW) ซึ่งเป็นระบบพยากรณ์อากาศเชิงตัวเลขที่ได้รับการพัฒนาให้เป็นระบบการพยากรณ์อากาศเชิงตัวเลขสเกลปานกลาง และใช้ระยะเวลาพยากรณ์ 12 วัน โดยมีความละเอียดเชิงพื้นที่ 9 กิโลเมตร และ เอาท์พุตรายชั่วโมงในกระบวนการรันแบบจำลอง โดยอาศัยข้อมูลเงื่อนไขขอบเขตสภาพอากาศรูปแบบการวิเคราะห์ขั้นสุดท้าย (FNL Reanalysis) จากศูนย์พยากรณ์แห่งชาติสหรัฐ (NCEP) และการประกอบแบบแผนการจำลองแบบ โดยอาศัยการกำหนดตัวแปร จุลภาคกายภาพ (Microphysics) แบบ WSM3 แบบการแผ่รังสีของคลื่นสั้นและคลื่นยาว รูปแบบ Dudhia และ RRTM แบบแผนพื้นผิว MM5 ส่วนชั้นผิวดินเป็นแบบแผน Unified Noah LSM และขอบเขตระดับชั้นโลก (Planetary Boundary Layer) แบบ YSU แบบแผนเมฆเป็นแบบ Kain-Fritsch จากนั้นนำผลการพยากรณ์ที่ได้น้ำมาเปรียบเทียบกับข้อมูลตรวจวัดจากเสาวัดลม 2 ตำแหน่ง ที่อำเภอซับใหญ่ จังหวัดชัยภูมิ และที่อำเภอปากพนัง จังหวัดนครศรีธรรมราช ที่ระดับความสูง 117.5 เมตร และ 120 เมตร ตามลำดับ และระยะเวลาที่ใช่ในการพยากรณ์อัตราเร็วลมแบ่งออกเป็น 2 ช่วงที่แตกต่างกัน ที่อำเภอซับใหญ่และอำภอปากพนัง ในช่วงวันที่ 20-31 ธันวาคม 2017 และวันที่ 20-31 พฤษภาคม 2012 พบว่า ค่าไวล์บุลล์ k และ A ของอำเภอซับใหญ่จังหวัดชัยภูมิ จากผลการตรวจวัดและการพยากรณ์มีค่าเท่ากับ 3.58 7.63 และ 3.61 11.20 อำเภอปากพนังจังหวัดนครศรีธรรมราช มีค่าเท่ากับ 3.09 6.91 และ 2.79 8.87 และค่าเฉลี่ยความแตกต่างสัมบูรณ์ (MAD) มีค่าเท่ากับร้อยละ 3.43 2.96 ค่าเฉลี่ยความผิดพลาดกำลังสอง (MSE) มีค่าเท่ากับ 13.65 14.06 รากที่สองของค่าเฉลี่ยความผิดพลาดกำลังสอง (RMSE) มีค่าเท่ากับ 3.69 3.75 ค่าเฉลี่ยความผิดพลาดร้อยละสัมบูรณ์ (MAPE) มีค่าเท่ากับ 54.05 83.95 ตามลำดับ
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
de Freitas, N.C.A., Silva, M. P. dos S., & Sakamoto, M. S. (2018). Wind speed forecasting: a review. International. Journal of Engineering Research and Application, 8(1), 4–9. DOI: 10.9790/9622-0801010409.
Kay, M., & MacGill, I. (2010). Improving weather forecasts for wind energy applications. IOP Conference Series: Earth and Environmental Science, 11, 012009. DOI:10.1088/1755-1315/11/1/012009.
Energy Regulatory Commission and Office of the Energy Regulatory Commission (2019). Annual Report 2018 (Online). Retrieved December 10, 2019, from http://www.erc.or.th/ERCWeb2/Upload/Document/annual%20report/Annual%20Report-%20ERC2018-190919%20FINAL.pdf.
Skamarock, W.C., Klemp, J.B., Dudhia, J., Gill, D.O., Barker, D.M., Duda, M.G., ...Powers, J.G. (2008). A description of the advanced research WRF version 3. NCAR technical note: a description of the advanced research WRF version 3. Boulder, Colorado: National Center for Atmospheric Research.
Dudhia, J., Gill, D., Manning, K., Wang, W., & Bruyere, C. (2005). PSU/NCAR mesoscale modeling system tutorial class notes and user’s guide: MM5 modeling system version 3. Available from NCAR Boulder, USA.
Hari Prasad, K.B.R.R., Srinivas, C.V., Rao, T.N., Naidu, C.V., & Baskaran, R. (2017). Performance of WRF in simulating terrain induced flows and atmospheric boundary layer characteristics over the tropical station Gadanki. Atmospheric Research, 185, 101–117.
Research Data Archive Computational & Information Systems Lab (2000). NCEP FNL Operational Model Global Tropospheric Analyses, continuing from July 1999. (Online). Retrieved January 24, 2020, from https://rda.ucar.edu/datasets/ds083.2/.
Xianguo, L. (2011). Wind speed distribution – a theoretical approach to probability density function. Green Energy. Progress in Green Energy, vol 1. 66–122. London, England: Springer. DOI: https://doi.org/10.1007/978-1-84882-647-2_3.
Che, Y., Chen, L., Zheng, J., Yen, L., & Xiao. F. (2019). A novel hybrid model of WRF and clearness index-based Kalman filter for day-ahead solar radiation forecasting. Applied Sciences, 9(19), 3967. DOI: 10.3390/app9193967.
Siuta, D., West, G., & Stull, R. (2017). WRF hub-height wind forecast sensitivity to PBL Scheme, grid length, and initial condition choice in complex terrain. Weather and Forecasting, 32(2), 493–509.
DuVivier, A. K., & Cassano, J. J. (2013). Evaluation of WRF model resolution on simulated mesoscale winds and surface fluxes near Greenland. Monthly Weather Review, 141(3), 941–963.