การพยากรณ์ระดับน้ำในเขื่อนภาคเหนือ ประเทศไทย โดยใช้ตัวแบบการพยากรณ์การแยกส่วนประกอบแบบคลาสสิกและโฮลต์-วินเทอร์เสริมประสิทธิภาพโดยขั้นตอนวิธีหาค่าที่เหมาะที่สุดแบบแมลงหวี่
Article Sidebar
Main Article Content
บทคัดย่อ
วัตถุประสงค์ของการศึกษาครั้งนี้คือ เพื่อเปรียบเทียบประสิทธิภาพในการหาค่าพารามิเตอร์เหมาะที่สุดของการพยากรณ์ที่ใช้เทคนิคการค้นหาที่เหมาะสมที่สุดของแมลงหวี่ (FOA) ร่วมกับวิธีการพยากรณ์การแยกส่วนประกอบ (FOA-CD) และวิธีโฮลต์-วินเทอร์ (FOA-HW) กับตัวแบบพื้นฐานคือวิธีแยกส่วนประกอบแบบคลาสสิก (CD) และวิธีค้นหาแบบกริดเซิร์ชของโฮลต์-วินเทอร์ (Grid-HW) ข้อมูลที่ใช้ในการพยากรณ์ประกอบด้วยปริมาณน้ำเฉลี่ยรายเดือนในเขื่อนภาคเหนือของประเทศไทยจำนวน 8 เขื่อน โดยใช้ข้อมูลชุดฝึกฝนจำนวน 132 ชุดข้อมูล ทำการประเมินประสิทธิภาพของการพยากรณ์ด้วยค่ารากที่สองของค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) ซึ่งผลการวิเคราะห์พบว่าวิธี FOA-CD มีประสิทธิภาพในการหาค่าพารามิเตอร์ที่เหมาะที่สุดดีกว่าวิธี CD ทั้ง 8 เขื่อน ในขณะที่วิธี FOA-HW มีประสิทธิภาพเทียบเท่ากับวิธี Grid-HW ในการคัดเลือกตัวแบบเพื่อพยากรณ์ล่วงหน้า 12 เดือน ใช้เกณฑ์การประเมิน RMSE ค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAE) และค่าเปอร์เซ็นต์คลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) โดยพิจารณาค่าที่ดีที่สุด 2 ใน 3 ผลการเปรียบเทียบพบว่าวิธี CD มีประสิทธิภาพในการพยากรณ์สำหรับ 4 เขื่อน ในขณะที่ FOA-HW ก็สามารถพยากรณ์ได้อย่างมีประสิทธิภาพเช่นเดียวกันสำหรับ 4 เขื่อน โดยวิธี FOA-HW แสดงความสามารถในการพยากรณ์ที่มีความแม่นยำและความเหมาะสมมากกว่าในบางกรณี
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
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.
