แบบจำลองรังสีอัลตราไวโอเลตที่มีผลต่อผิวหนังมนุษย์ในประเทศไทยโดยใช้โครงข่ายประสาทเทียมและ Extreme Gradient Boosting
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์ในการประมาณค่ารังสีอัลตราไวโอเลตที่มีผลต่อผิวหนังมนุษย์ภายใต้ทุกสภาพท้องฟ้าด้วยตัวแปรทางบรรยากาศและอุตุนิยมวิทยาโดยใช้แบบจำลองการเรียนรู้ของเครื่อง ข้อมูลที่ใช้ในงานวิจัยรวบรวมมา ณ ตำแหน่งสถานีวัดภาคพื้นดิน 4 แห่ง ในภูมิภาคต่าง ๆ ของประเทศไทย ได้แก่ เชียงใหม่ อุบลราชธานี สงขลา และนครปฐม ตั้งแต่ปี ค.ศ. 2019 ถึง ค.ศ. 2023 ในงานวิจัยนี้ใช้แบบจำลองการเรียนรู้ของเครื่อง 2 แบบจำลอง ได้แก่ โครงข่ายประสาทเทียมและ XGBoost และทำการเปรียบเทียบประสิทธิภาพของแบบจำลองทั้งสอง ผลการวิจัยที่ได้พบว่าแบบจำลอง XGBoost สามารถประมาณค่ารังสีอัลตราไวโอเลตที่มีผลต่อผิวหนังมนุษย์ได้แม่นยำกว่าแบบจำลองโครงข่ายประสาทเทียม โดยให้ค่านอร์มัลไลซ์ของรากที่สองของค่าความคลาดเคลื่อนเฉลี่ยกำลังสองอยู่ในช่วง 8.56% ถึง 14.32% แสดงให้เห็นว่าแบบจำลอง XGBoost มีประสิทธิภาพในการประมาณค่ารังสีอัลตราไวโอเลตในประเทศไทยได้ดีและสามารถนำไปต่อยอดพัฒนาการพยากรณ์รังสีอัลตราไวโอเลตที่มีผลต่อผิวหนังมนุษย์ได้ต่อไป
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Ahmed, A.A.M., Ahmed, M.H., Saha, S.K., Ahmed, O. and Sutradhar, A. (2022). Optimization algorithms as training approach with hybrid deep learning methods to develop an ultraviolet index forecasting model. Stochastic Environmental Research and Risk Assessment 36: 3011 - 3039. doi: 10.1007/s004 77-022-02177-3.
Antón, M., Serrano, A., Cancillo, M.L. and García, J.A. (2009). An empirical model to estimate ultraviolet erythemal transmissivity. Annales Geophysicae 27(4): 1387 - 1398. doi: 10.5194/angeo-27-1387-2009.
Bilbao, J. and de Migue, A. (2020). Erythemal Solar Irradiance, UVER, and UV Index from Ground-Based Data in Central Spain. Applied Sciences 10(18): 6589. doi: 10.3390/app10186589.
Bilbao, J., Román, R., Yousif, C., Mateos, D. and de Miguel, A. (2014). Total ozone column, water vapour and aerosol effects on erythemal and global solar irradiance in Marsaxlokk, Malta. Atmos Environ. 99: 508 - 518. doi: 10.1016/j.atmosenv.2014.10.005.
Commission Internationale de l’éclairage (2006). Action Spectrum for the Production of Previtamin D3 in Human Skin. CIE 174:2006. International Commission on Illumination.
Demir, V. and Citakoglu, H. (2023). Forecasting of solar radiation using different machine learning approaches. Neural Computing and Applications 35: 887 - 906. doi: 10.1007/s00521-022-07841-x.
Dieste-Velasco, M.I., García-Rodríguez, S., García-Rodríguez, A., Díez-Mediavilla, M. and Alonso-Tristán, C. (2023). Modeling horizontal ultraviolet irradiance for all sky conditions by using Artificial Neural Networks and regression models. Applied Sciences 13(3): 1473. doi: 10.3390/app13031473.
Elmets, C.A., Lim, H.W., Stoff, B., Connor, C., Cordoro, K.M., Lebwohl, M., Armstrong, A.W., Davis, D.M.R., Elewski, B.E., Gelfand, J.M., Gordon, K.B., Gottlieb, A.B., Kaplan, D.H., Kavanaugh, A., Kiselica, M., Kivelevitch, D., Korman, N.J., Kroshinsky, D., Leonardi, C.L., Lichten, J., Mehta, N.N., Paller, A.S., Parra, S.L., Pathy, A.L., Farley Prater, E.A., Rupani, R.N., Siegel, M., Strober, B.E., Wong, E.B., Wu, J.J., Hariharan, V. and Menter, A. (2019). Joint American Academy of Dermatology-National Psoriasis Foundation guidelines of care for the management of psoriasis with phototherapy. Journal of the American Academy of Dermatology 81(3): 775 - 804. doi: 10.1016/j.jaad.2019.11.024.
García-Rodríguez, S., García-Rodríguez, A., Granados-López, D., García, I. and Alonso-Tristán, C. (2023). Ultraviolet erythemal irradiance (UVER) under different sky conditions in Burgos, Spain: Multilinear regression and Artificial Neural Network models. Applied Sciences 13(19): 10979. doi: 10.3390/app 131910979.
Janjai, S., Buntoung, S., Wattan, R. and Masiri, I. (2010a). Mapping solar ultraviolet radiation from satellite data in a tropical environment. Remote Sensing of Environment 114(3): 682 - 691. doi: 10.1016/j.rs e.2009.11.008.
Janjai, S., Kirdsiri, K., Masiri, I. and Nunez, M. (2010b). An investigation of solar erythemal ultraviolet radiation in the tropics: a case study at four stations in Thailand. International Journal of Climatology 30: 1893 - 1903. doi: 10.1002/joc.2006.
Juzeniene, A. and Moan, J. (2012). Beneficial effects of UV radiation other than via vitamin D production. Dermato-Endocrinology 4(2): 109 - 117. doi: 10.4161/derm.20013.
Kalnay, E., Kanamitsu, M., Kistler, R., Collins, W., Deaven, D., Gandin, L., Iredell, M., Saha, S., White, G., Woollen, J., Zhu, Y., Chelliah, M., Ebisuzaki, W., Higgins, W., Janowiak, J., Mo, K.C., Ropelewski, C., Wang, J., Leetmaa, A., Reynolds, R., Jenne, R. and Joseph, D. (1996). The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society 77(3): 437 - 472.
Laiwarin, P., Buntoung, S. and Janjai, S. (2024). Development of empirical models for calculating global and diffuse erythemal weighted solar ultraviolet radiation under clear sky conditions in Thailand. Science, Engineering and Health Studies 18: 24020003.
Levelt, P.F., van den Oord, G.H.J., Dobber, M.R., Malkki, A., Visser, H., de Vries, J., Stammes, P., Lundell, J.O.V. and Saari, H. (2006). The ozone monitoring instrument. IEEE Transactions on Geoscience and Remote Sensing 44(5): 1093 - 1101. doi: 10.1109/TGRS.2006.872333.
Prasad, S.S., Deo, R.C., Salcedo-Sanz, S., Downs, N.J., Casillas-Pérez, D. and Parisi, A.V. (2023). Enhanced joint hybrid deep neural network explainable artificial intelligence model for 1-hr ahead solar ultraviolet index prediction. Computer Methods and Programs in Biomedicine 241: 107737. doi: 10.1016 /j.cmpb.2023.107737.
Prasad, S.S., Joseph, L.P., Ghimire, S., Deo, R.C., Downs, N.J., Acharya, R. and Yaseen, Z.M. (2025). Explainable hybrid deep learning framework for enhancing multi-step solar ultraviolet-B radiation predictions. Atmospheric Environment 343: 120951. doi: 10.1016/j.atmosenv.2024.120951.
Rainio, O., Teuho, J. and Klén, R. (2024). Evaluation metrics and statistical tests for machine learning. Scientific Reports 14: 6086. doi: 10.1038/s41598-024-56706-x.
Raksasat, R., Sri-iesaranusorn, P., Pemcharoen, Laiwarin, P., Buntoung, S., Janjai, S., Boontaveeyuwat, E., Asawanonda, P., Sriswasdi, S. and Chuangsuwanich, E. (2021). Accurate surface ultraviolet radiation forecasting for clinical applications with deep neural network. Scientific Reports 11: 5031. doi: 10.10 38/s41598-021-84396-2.
Rivas, M., Calaf, G.M., Laroze, D., Rojas, E., Mendez, J., Honeyman, J. and Araya, M.C. (2020). Solar ultraviolet A radiation and nonmelanoma skin cancer in Arica, Chile. Journal of Photochemistry and Photobiology B: Biology 212: 112047. doi: 10.1016/j.jphotobiol.2020.112047.
Roshan, D.R., Koç, M., Abdallah, A.A., Pomares, L.M., Isaifan, R. and Fountoukis, C. (2020). UV index forecasting under the influence of desert dust: Evaluation against surface and satellite-retrieved data. Atmosphere 11(1): 96.
Webb, A., Gröbner, J. and Blumthaler, M. (2006). COST-726: A practical guide to operating broadband instruments measuring erythemally weighted irradiance. EU Publications Office. No. EUR22595.
Webb, A.R., Alghamdi, R., Kift, R. and Rhodes, L.E. (2021). 100 YEARS OF VITAMIN D: Dose-response for change in 25-hydroxyvitamin D after UV exposure: outcome of a systematic review. Endocrine Connections 10(10): R248 - R266. doi: 10.1530/EC-21-0308.
WHO (2002). Global solar UV index: A practical guide (A joint recommendation of World Health Organization, World Meteorological Organization, United Nations Environment Programme, International Commission on Non-Ionizing Radiation Protection). Geneva: World Health Organization.
