การพยากรณ์ปริมาณฝุ่นละออง PM2.5 ในจังหวัดนครราชสีมาด้วยตัวแบบอนุกรมเวลาและการเรียนรู้ของเครื่องจักร
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างตัวแบบพยากรณ์ปริมาณฝุ่นละออง PM2.5 รายเดือนในจังหวัดนครราชสีมา โดยใช้ 3 วิธีการ คือวิธีบอกซ์-เจนกินส์ การถดถอยเชิงเส้นพหุคูณ และโครงข่ายประสาทเทียม และเปรียบเทียบประสิทธิภาพของตัวแบบพยากรณ์ดังกล่าวด้วยค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) สำหรับการสร้างตัวแบบการพยากรณ์ ใช้ข้อมูลปริมาณ PM2.5 ชุดที่ 1 ที่เก็บจาก 42 คาบเวลา ตั้งแต่เดือนกรกฎาคม พ.ศ. 2562 ถึงเดือนธันวาคม พ.ศ. 2565 ส่วนการเปรียบเทียบประสิทธิภาพของตัวแบบพยากรณ์ ใช้ข้อมูลปริมาณ PM2.5 ชุดที่ 2 ที่เก็บจาก 12 คาบเวลา ตั้งแต่เดือนมกราคม พ.ศ. 2566 ถึงเดือนธันวาคม พ.ศ. 2566 ผลการวิจัย พบว่า ตัวแบบพยากรณ์ปริมาณ PM2.5 รายเดือนในจังหวัดนครราชสีมาที่เหมาะสม คือ ตัวแบบโครงข่ายประสาทเทียม ซึ่งใช้ตัวแปรอิสระทั้ง 16 ตัวแปร มีชั้นซ่อน 1 ชั้น และจำนวนโหนดในชั้นซ่อน เท่ากับ 7 โหนด มีค่าอัตราการเรียนรู้ (Learning rate) เท่ากับ 0.1 ค่าโมเมนตัม (Momentum) เท่ากับ 0.1 และจำนวนการเรียนรู้ (Epoch) 500 รอบ นอกจากนี้ยังมีค่า RMSE ต่ำสุดเท่ากับ 2.560 และค่าสัมประสิทธิ์การตัดสินใจ (R2) เท่ากับ 0.988
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของ วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับมหาวิทยาลัยอุบลราชธานี และคณาจารย์ท่านอื่นๆในมหาวิทยาลัยฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
เอกสารอ้างอิง
Pochanart, P. 2016. The present state of urban air pollution problems in Thailand’s large cities: cases of Bangkok, Chiang mai, and Rayong. Journal of Environmental Management. 12(1):114-33. (in Thai)
Department of Disease Control. 2023. Disease and Health Hazard Forecast for Week No. 9/2022. https://ddc.moph.go.th/odpc9/forecast_detail.php?publish=12452. Accessed 15 January 2023. (in Thai)
Thairathonline. 2023. Korat Sky Clears, PM2.5 Dust Levels Decrease, Mainly Caused by Forest Fires in the National Park. https://www.thairath.co.th/news/local/northeast/2627065. Accessed 20 February 2023. (in Thai)
Sukkasem, I. 2020. Forecasting the amount of particulate matter having a diameter of less than 2.5 micrometers (PM2.5) in Nakhon Ratchasima province. The Office of Disease Prevention and Control 9 Nakhon Rathasima Journal. 27(1): 16-25. (in Thai)
Sangsri, P. and Chaiwuttisak, P. 2021. Hybrid of neural network and Markov chain method for predicting PM2.5 concentrations. Thai Science and Technology Journal. 29(5): 752-765. (in Thai)
Amnuaylojaroen, T. 2022. Prediction of PM2.5 in an urban area of northern Thailand using multivariate linear regression model. Advances in Meteorology. 2022: 3190484.
Kumharn, W. and et al. 2022. Improved hourly and long-term PM2.5 prediction modeling based on MODIS in Bangkok. Remote Sensing Applications: Society and Environment. 28: 100864.
Saiohai, J. and et al. 2023. Statistical PM2.5 prediction in an urban area using vertical meteorological factors. Atmosphere. 14(3): 589.
Masood, A. and Ahmad, K. 2020. A model for particulate matter (PM2. 5) prediction for Delhi based on machine learning approaches. Procedia Computer Science. 167: 2101-2110.
Sobri, M.N. and et al. 2021. Predicting particulate matter (PM2.5) in Malaysia using multiple linear regression and artificial neural network. Journal of Physics: Conference Series. 2084: 012010.
Hyndman, R.J. and Athanasopoulos, G. 2021. Forecasting: Principles and Practice. 3rd edition. Melbourne: OTexts.
Hair, J.F. and et al. 2009. Multivariate Data Analysis. 7th edition. New York: Pearson.
Han, J., Kamber, M. and Pei, J. 2012. Data Mining: Concepts and Techniques. Amsterdam: Elsevier.
Pasilatetsang, B. 2021. Creating Learning for AI with Python Machine Learning. Bangkok: V. Print (1991) Co., Ltd. (in Thai)
Pollution Control Department. 2022. Historical Air Quality Data. http://air4thai.pcd.go.th/webV3/#/History. Accessed 1 October 2022. (in Thai)
Northeastern Meteorological Center (Lower Part). 2022. Request Online Data. http://www.ubonmet.tmd.go.th/. Accessed 1 October 2022. (in Thai)
Pollution Control Department. 2023. Air Quality Index. http://air4thai.pcd.go.th/webV3/#/AQIInfo. Accessed 15 October 2023. (in Thai)
