ตัวแบบพยากรณ์อนุกรมเวลาของดรรชนีความแห้งแล้งของฝนที่ต่างจากค่าปรกติบริเวณลุ่มน้ำปิง จังหวัดเชียงใหม่
Main Article Content
บทคัดย่อ
การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อศึกษาภาวะความแห้งแล้งโดยใช้วิธีดรรชนีความแห้งแล้งของฝนที่ต่างจากค่าปรกติ (Standardized Precipitation Index; SPI) และเพื่อเปรียบเทียบรูปแบบพยากรณ์ 3 วิธี ได้แก่ วิธีปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังที่มีฤดูกาลอย่างง่าย (Simple Seasonal Exponential Smoothing Method) วิธีตัวแปรหุ่นแบบถดถอย (Regression Dummy Variable Method) และวิธีบอกซ์-เจนกินส์ (Box-Jenkins Method) สำหรับการพยากรณ์ค่า SPI บริเวณลุ่มน้ำปิง จังหวัดเชียงใหม่ การตรวจสอบความแม่นยำของตัวแบบพยากรณ์ใช้วิธีรากของค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error; RMSE) และวิธีค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสมบูรณ์ (Mean Absolute Percent Error; MAPE) การศึกษานี้ได้ใช้ข้อมูลปริมาณฝนรายเดือน ตั้งแต่เดือนมกราคม พ.ศ. 2543 ถึงเดือนมีนาคม พ.ศ. 2563 จำนวน 3 สถานี ได้แก่ สถานีอำเภอแม่แตง สถานีอำเภอสันทราย และสถานีอำเภอเมือง จังหวัดเชียงใหม่ ผลการศึกษาพบว่า สถานีอำเภอแม่แตงและสถานีอำเภอเมือง มีภาวะความแห้งแล้งในระดับฝนแล้งรุนแรง สำหรับการเปรียบเทียบรูปแบบพยากรณ์พบว่า วิธีตัวแปรหุ่นแบบถดถอยมีความแม่นยำในการพยากรณ์มากที่สุดเนื่องจากมีค่า RMSE และ MAPE ต่ำที่สุด
Article Details
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
[2] Hydro-Informatics Institute. (2012, February). Data collection and data analysis for the 25 rivers basin and model for flood and drought in the Ping river basin (in Thai). [Online]. Available: https:// www.thaiwater.net/web/ attachments/25basins/06-ping.pdf
[3] T. B. McKee, N. J. Doesken, and J. Kleist, “The relationship of drought frequency and duration on time scale,” in Proceedings Eighth Conference on Applied Climatology, 1993, pp. 179–184.
[4] Agro - meteorological Academic Group Meteorological Development Bureau. (2012, January). Study on drought index in Thailand (in Thai). [Online]. Available: http://www.arcims. tmd.go.th /Research_files/ดรรชนีความแห้งแล้ง สำหรับประเทศไทย%202555.pdf
[5] W. Panichkitkosolkul, “Monthly rainfall amount forecasting of meteorological stations and agrometeorological stations in Northeastern Thailand,” Thai Science and Technology Journal, vol. 17, no. 2, pp. 1 – 12, 2009 (in Thai).
[6] W. Keerativibool, “Forecasting the rainfall in Muang, Nan province,” KMUTT Research and Development Journal, vol. 38, no. 3, pp. 211–223, 2015 (in Thai).
[7] N. Papukdee, N. Senawong, and P. Busababodhin, “A comparative forecasting model of monthly rainfall in the Northeast of Thailand,” The Journal of KMUTNB, vol. 29, no. 2, pp. 302–313, 2019 (in Thai).
[8] Hydrology and Water Management Center for Upper Northern Region. (2020, March). Monthly rainfall data (in Thai). [Online]. Available: http://www. hydro-1.net/
[9] F. Yusof and F. Hui-Mean, “Use of statistical distribution for drought analysis,” Applied Mathematical Sciences, vol. 6, no. 21, pp. 1031–1051, 2012.
[10] T. Chaito, M. Khamkong, and P. Murnta, “Appropriate transformation techniques to determine a modified standardized precipitation index for the Ping River in northern Thailand,” EnvironmentAsia, vol. 12, no. 3, pp. 32–42, 2019.
[11] M. Jaithun and K. Khamkong, “Optimal parameter estimation for zero-inflated gamma distributions with application to rainfall data of Yom River in northern Thailand,” in Proceedings of the 13th IMT-GT International Conference on Mathematics, Statistics and their Applications, 2017 pp. 050021–1–6.
[12] K. Pakoksung and M. Takagi, “Mixed zeroinflation method and probability distribution in fitting daily rainfall data,” Engineering Journal, vol. 21, no. 2, pp. 63 – 80, 2016.
[13] H. Akaike, “Information theory and an extension of the maximum likelihood principle,” in Proceedings of the 2nd International Symposium on Information Theory, 1973, pp. 267–281.
[14] G.E.P. Box, G.M. Jenkins, and G.C. Reinsel, Time Series Analysis: Forecasting and Control. New Jersey, Prentice Hall. 1994. [15] S. Taesombut, Quantitative Forecasting. Bangkok: Kasetsart University Press, 2006 (in Thai).