Forecasting Water Volume of Dam Reservoirs in Northern Thailand Using a Classical Decomposition and Holt-Winters Enhanced by Fruit Fly Optimization Algorithm
Article Sidebar
Main Article Content
Abstract
This study aims to investigate the efficiency of finding the optimal parameters for forecasting using Fruit Fly Optimization Algorithm with Classical Decomposition model (FOA-CD) and Holt-Winter Exponential Smoothing (FOA-HW) were compared with classic forecasting model that Classical Decomposition (CD) and Holt-Winter Exponential Smoothing with grid search (Grid-HW). The forecast data were the average monthly water volume from 8 dam reservoirs in northern Thailand, which comprise 132 training datasets. The model's performance was evaluated using the Root Mean Squared Error (RMSE). The results indicated that FOA-CD was more efficient in finding the optimal parameters compared to the CD across all 8 dam reservoirs, while FOA-HW performed comparably to Grid-HW. Model selection for 12-months-ahead forecasting, the evaluation criteria included RMSE, Mean Absolute Error (MAE), and Mean Absolute Percentage Error (MAPE), with the best 2 out of 3 metrics considered. The results revealed that the CD method was effective for forecasting in 4 dam reservoirs. The FOA-HW method also demonstrated comparable effectiveness for other 4 dam reservoirs. Moreover, the FOA-HW method showed superior forecasting accuracy and suitability in certain cases.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
ทรงศิริ แต้สมบัติ. (2539). เทคนิคการพยากรณ์เชิงปริมาณ. พิมพ์ครั้งที่ 1. กรุงเทพฯ: สำนักพิมพ์ฟิสิกส์เซ็นเตอร์. 337 หน้า.
รอยล จิตรดอน. (2564). วิกฤติน้ำ’ ปี 64 แล้งหนัก-น้ำเค็มรุก. กรุงเทพธุรกิจ. แหล่งข้อมูล: https://www.bangkokbiznew s.com/social/925562. ค้นเมื่อวันที่ 5 ธันวาคม 2567.
ศานิกานต์ เสนีวงศ์. (2565). เราได้อะไรมา และเสียอะไรไปจากการสร้างเขื่อน. สถาบันส่งเสริมการสอนวิทยาศาสตร์และเทคโนโลยี (สสวท.). แหล่งข้อมูล: https://www.ipst.ac.th/knowledge/knowledge-article/article-primary science/31776/damp.html. ค้นเมื่อวันที่ 25 ธันวาคม 2567.
ศูนย์ประมวลวิเคราะห์สถานการณ์น้ำ กรมชลประทาน. (2567). ตารางสรุปข้อมูลอ่างขนาดใหญ่ทั้งประเทศ. แหล่งข้อมูล: https://water.rid.go.th/flood/flood/res_table.htm. ค้นเมื่อวันที่ 20 มกราคม 2567.
ปรารถนา มินเสน และวฐา มินเสน (2567a). การพยากรณ์ปริมาณน้ำที่ไหลเข้าอ่างเก็บน้ำเขื่อนขนาดใหญ่รายเดือน ในภาคตะวันออกของประเทศไทย โดยการค้นหาค่าเหมาะที่สุดแบบนกกาเหว่าปรับปรุงเทคนิค การแยกส่วนประกอบและโฮลต์-วินเทอร์. วารสารไทยการวิจัยดำเนินงาน 12(2): 69 - 89.
ปรารถนา มินเสน และวฐา มินเสน (2567b). เทคนิคการแยกส่วนประกอบ และ โฮลต์-วินเทอร์ ที่ได้รับการปรับปรุงด้วยขั้นตอนวิธีการหาค่าเหมาะที่สุดแบบวาฬ: กรณีศึกษาการพยากรณ์ PM2.5 ใน 8 จังหวัดภาคเหนือของประเทศไทย. วารสารวิทยาศาสตร์และเทคโนโลยี 32(6): 12 - 34.
Belton, V. and Stewart, T.J. (2002). Multiple Criteria Decision Analysis: An Integrated Approach. Springer.
Dorigo, M., Birattari, M. and Stutzle, T. (2006). Ant colony optimization. IEEE Computational Intelligence Magazine 1(4): 28 – 39. doi: 10.1109/MCI.2006.329691.
Goldberg, D.E. and Holland, J.H. (1988). Genetic Algorithms and Machine Learning. Machine Learning 3: 95 –99. doi: 10.1023/a:1022602019183.
Jiang, W., Wu, X., Gong, Y., Yu, W. and Zhong, X. (2020). Holt-Winters smoothing enhanced by fruit fly optimization algorithm to forecast monthly electricity consumption. Energy 193: 116779. doi: 10.1016/j.energy.2019.116779.
Kennedy, J. and Eberhart, R. (1995). Particle Swarm Optimization. In: the IEEE International Conference on Neural Networks. Proceedings of ICNN'95 - International Conference on Neural Networks. Perth, Australia 4: 1942 - 1948. doi: 10.1109/ICNN.1995.488968.
Khairalla, M. (2022). Meta-Heuristic Search Optimization and its application to Time Series Forecasting Model. Intelligent Systems with Applications 16: 200142. doi: 10.1016/j.iswa.2022.200142.
Mirjalili, S. and Lewis, A. (2016). The Whale Optimization Algorithm. Advances in Engineering Software 95: 51 - 67. doi: 10.1016/j.advengsoft.2016.01.008.
Minsan, W. and Minsan, P. (2023). Incorporating Decomposition and the Holt-Winters Method into the Whale Optimization Algorithm for Forecasting Monthly Government Revenue in Thailand. Science & Technology Asia 28(4): 38 - 53.
Minsan, W. and Minsan, P. (2024). Decomposition and Holt-Winters Enhanced by the Whale Optimization Algorithm for Forecasting the Amount of Water Inflow into the Large Dam Reservoirs in Southern Thailand. Journal of Current Science and Technology 14(2): 38
Minsan, W., Minsan, P. and Panichkitkosolkul, W. (2024). Enhancing Decomposition and Holt-Winters Weekly Forecasting of PM2.5 Concentrations in Thailand’s Eight Northern Provinces Using the Cuckoo Search Algorithm. Thailand Statistician 22(4): 963 - 985.
Pan, W.T. (2012). A new Fruit Fly Optimization Algorithm: Taking the financial distress model as an example. Knowledge-Based Systems 26: 69 - 74. doi: 10.1016/j.knosys.2011.07.001.
Wang, L., Shi, Y. and Liu, S. (2015). An improved fruit fly optimization algorithm and its application to joint replenishment problems. Expert Systems with Applications 42(9): 4310 - 4323.
Winters, P.R. (1960). Forecasting Sales by Exponentially Weighted Moving Averages. Management Science 6(3): 324 - 342.
Yang, X.S. (2009). Firefly Algorithms for Multimodal Optimization. In: Stochastic Algorithms: Foundations and Applications. Watanabe, O. and Zeugmann, T. (Eds.), Lecture Notes in Computer Science. Springer, Berlin. 169 – 178.
Yang, X.S., and Deb, S. (2009). Cuckoo Search via Lévy flights. In: World Congress on Nature & Biologically Inspired Computing (NaBIC 2009). IEEE Publications, Coimbatore, IndiaIndia. 201 - 214. doi: 10.1109/ NABIC.2009.5393690.
