การจำแนกคุณภาพน้ำในประเทศไทยโดยใช้เทคนิคเหมืองข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีจุดประสงค์เพื่อเปรียบเทียบการจำแนกคุณภาพน้ำด้วยเทคนิคต้นไม้การตัดสินใจ เพื่อนบ้านใกล้ที่สุด และการวิเคราะห์ถดถอยลอจิสติกทวิภาค โดยใช้ค่าความแม่นมากที่สุดเป็นเกณฑ์ โดยใช้ข้อมูลจากแหล่งน้ำทั่วประเทศไทย ตั้งแต่วันที่ 1 มกราคม 2561 ถึง วันที่ 1 มกราคม 2564 ซึ่งเป็นข้อมูลจากกองจัดการคุณภาพน้ำ กรมควบคุมมลพิษ จำแนกคุณภาพน้ำป็น 2 กลุ่ม ได้แก่ กลุ่มน้ำที่มีคุณภาพได้ตามมาตรฐานและไม่ได้ตามมาตรฐาน ตัวแปรอิสระที่ใช้ในการศึกษามีทั้งสิ้น 14 ตัว แบ่งข้อมูลด้วยวิธีการตรวจสอบไขว้แบ่ง 10 กลุ่ม ผลการศึกษาพบว่า วิธีต้นไม้ตัดสินใจเลือกตัวแปรเข้าตามการวิเคราะห์การถดถอยลอจิสติกทวินามที่ประกอบด้วย ความขุ่นของน้ำ แบคทีเรียกลุ่มโคลิฟอร์มทั้งหมด แอมโมเนีย-ไนโตรเจน แบคทีเรียกลุ่มฟีคอลโคลิฟอร์ม ออกซิเจนที่ละลายในน้ำ น้ำที่มีสารอินทรีย์ ให้ค่าความแม่นของสูงที่สุด 89.64% รองลงมาเป็นตัวแบบต้นไม้ตัดสินใจเลือกตัวแปรเข้าทุกตัว ให้ค่าความแม่น 88.71% และการถดถอยลอจิสติกทวินาม ให้ค่าความแม่น 87.25%
Article Details
เอกสารอ้างอิง
Pollution Control Department. Thailand State of Pollution Report 2021, Available Source: https://www.pcd.go.th/publication/26626, April 2, 2022. (in Thai)
Pollution Control Department. Total score of water quality 5 parameters, Available Source:http://iwis.pcd.go.th/module/wqi_calculate/wqi.pdf, February 2, 2022. (in Thai)
Gakii, C., & Jepkoech, J. (2019). A classification model for water quality analysis using decision tree. European Journal of Computer Science and Information Technology, vol. 7(3), 1-8.
Ramadhani, D., Afdal, M., & Rahmawita, M. (2021, February). The Classification Status of River Water Quality in Riau Province Using Modified K-Nearest Neighbor Algorithm with STORET Modeling and Water Pollution Index. In Journal of Physics: Conference Series (Vol. 1783, No.1, p. 012020). IOP Publishing.
Wechmongkhonkon, S., Poomtong, N., & Areerachakul, S. (2012). Application of artificial neural network to classification surface water quality. World Academy of Science, Engineering and Technology, 6(9), 574-578.
Najah, A., Elshafie, A., Karim, O. A., & Jaffar, O. (2009). Prediction of Johor River water quality parameters using artificial neural networks. European Journal of scientific research, 28(3), 422-435.
Diamantopoulou, M. J., Papamichail, D. M., & Antonopoulos, V. Z. (2005). The use of a neural network technique for the prediction of water quality parameters. Operational Research, 5(1), 115-125.
Areerachakul, S., & Sanguansintukul, S. (2009, November). Water quality classification using neural networks: Case study of canals in Bangkok, Thailand. In 2009 International Conference for Internet Technology and Secured Transactions, (ICITST) (pp. 1-5). IEEE.
Pudchaya, S. (2017). Assessment of water quality of Bang Pakong River using multivariate analysis. Burapha Science Journal. Vol. 22 No. 2. 183-193. (in Thai)
Saichon, S.(2016), Multivariate analysis. Bangkok. Chamchuree Products Co., Ltd. (in Thai)
Anupong, S. (2021). Data Mining Guide with RapidMiner Studio. Mahasarakham Business School, Mahasarakham University, Mahasarakham. (in Thai)
