Rainfall Forecasting Model in Nakhon Si Thammarat Province: Case Study Using Time Series Method

Main Article Content

Warangkhana Riansut
Supamit Wiriyakulopast
Natthanon Luengaksorn
Wachirawit Photchamnian

Abstract

December 2022. The time series was divided into 2 sets. The first series from January 2012 to December 2021 was used to create the forecasting models using the Box and Jenkins method, the simple seasonal method, Winters’ additive method, and Winters’ multiplicative method. The second series was from January to December 2022 for selecting the forecast model based on the lowest Root Mean Square Error (RMSE). This study found that a model from the Box and Jenkins method, SARIMA (0, 0, 0) (1, 1, 0)12 and no constant term, had the lowest RMSE value.

Article Details

How to Cite
Riansut, W., Wiriyakulopast, S., Luengaksorn, N., & Photchamnian, W. (2024). Rainfall Forecasting Model in Nakhon Si Thammarat Province: Case Study Using Time Series Method. Journal of Science Ladkrabang, 33(1), 51–65. Retrieved from https://li01.tci-thaijo.org/index.php/science_kmitl/article/view/257734
Section
Research article

References

สำนักงานจังหวัดนครศรีธรรมราช. 2563. ลักษณะทางกายภาพ. แหล่งข้อมูล : http://www. nakhonsithammarat.go.th/geography.php. ค้นเมื่อวันที่ 9 มกราคม 2565.

วรางคณา กีรติวิบูลย์. 2557. ตัวแบบพยากรณ์ปริมาณน้ำฝนจังหวัดสงขลา. วารสารมหาวิทยาลัยทักษิณ, 17(1), 40-48. [Keerativibool, W. 2014. Forecasting Model of the Rainfall in Songkhla Province. Thaksin University Journal, 17(1), 40-48. (in Thai)]

วรางคณา กีรติวิบูลย์. 2558. การพยากรณ์ปริมาณน้ำฝน อำเภอเมือง จังหวัดน่าน. วารสารวิจัยและพัฒนา มจธ., 38(3), 211-223. [Keerativibool, W. 2015. Forecasting the Rainfall in Muang, Nan Province. KMUTT Research and Development Journal, 38(3), 211-223. (in Thai)]

ยุพิน ไชยสมภาร และทวี ชัยพิมลผลิน. 2560. การพยากรณ์ระดับน้ำโดยแบบจำลองโครงข่ายประสาทเทียมด้วยข้อมูลปริมาณน้ำฝนจากแบบจำลอง WRF-ECHAM5. วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ สาขาวิทยาศาสตร์และเทคโนโลยี, 9(17), 83-90. [Chaisompran, Y. and Chaipimonplin, T. 2017. Water Level Forecasting by Artificial Neural Network Model with Rainfall Data from WRF-ECHAM5 Model. Srinakharinwirot University Journal of Sciences and Technology, 9(17), 83-90. (in Thai)]

Fu, H., Zhang, W., Li, Ch. and Hu, Z. 2022. A Rainfall Forecast Model Based on GNSS Tropospheric Parameters and BP-NN Algorithm. Atmosphere, 13(1045), 1-15, https://doi.org/10.3390/atmos13071045.

สมเกียรติ เกตุเอี่ยม. 2548. เทคนิคการพยากรณ์. พิมพ์ครั้งที่ 2, มหาวิทยาลัยทักษิณ, สงขลา. [Ket-iam, S. 2005. Forecasting Technique. 2nd ed., Thaksin University, Songkhla. (in Thai)]

Box, G.E.P., Jenkins, G.M. and Reinsel, G.C. 1994. Time Series Analysis: Forecasting and Control. 3rd ed., Prentice Hall, New Jersey.

มุกดา แม้นมินทร์. 2549. อนุกรมเวลาและการพยากรณ์. โฟร์พริ้นติ้ง, กรุงเทพฯ. [Manmin M. 2006. Time Series and Forecasting. Foreprinting, Bangkok. (in Thai)]

ทรูปลูกปัญญา. 2558. การเกิดฝนมีปัจจัยอะไรบ้าง. แหล่งข้อมูล : https://www.true plookpanya.com/asktrueplookpanya/detail/14210. ค้นเมื่อวันที่ 10 มกราคม 2565.