Download

วารสาร : ปีที่ 4 ฉบับที่ 1 มกราคม-มิถุนายน 2560
ชื่องานวิจัย (TH): การพยากรณ์ปริมาณน้ำในเขื่อน โดยใช้เทคนิคเหมืองข้อมูล
ชื่องานวิจัย (EN) : Forecasting Daily Discharge in Dam Using Data Mining Techniques
ผู้วิจัย : วีรศักดิ์ ฟองเงิน, วรปภา อารีราษฎร์ และ เผด็จ พรหมสาขา ณ สกลนคร
บทคัดย่อ (TH) : 

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาเทคนิคเหมืองข้อมูลที่เหมาะสมในการพยากรณ์ปริมาณน้ำในเขื่อนและ 2) เปรียบเทียบผลการพยากรณ์ปริมาณน้ำรายเดือนในเขื่อนกิ่วลม จังหวัดลำปาง โดยใช้เทคนิคเหมืองข้อมูล งานวิจัยนี้ได้นำข้อมูลที่เป็นปัจจัยที่มีผลต่อการเปลี่ยนแปลงระดับน้ำประกอบด้วย ปริมาณน้ำไหลเข้าเขื่อน ปริมาณน้ำในเขื่อน ปริมาณการปล่อยน้ำและอัตราการระเหย โดยรวบรวมข้อมูลรายวัน ตั้งแต่ปี พ.ศ. 2535 – พ.ศ. 2559 รวม 25 ปี จำนวน 9,300 รายการ โดยมีการแยกข้อมูลรายเดือนเพื่อนำมาพยากรณ์ด้วยเทคนิคการพยาการณ์
ผลการวิจัยพบว่า 1) เทคนิคเหมืองข้อมูลที่เหมาะสมในการพยากรณ์ปริมาณน้ำในเขื่อนประกอบด้วย 4 เทคนิค ได้แก่ เทคนิควิธีการวิเคราะห์การถดถอย (Regression Analysis) วิธีและโครงข่ายประสาทเทียม (Artificial Neural Network: ANN) วิธีแบบจำลองต้นไม้เอ็มไฟว์พี (Model Tree: M5P) และ วิธีเทคนิคซัพพอร์ตเวคเตอร์แมชชีนส์ (SVM) และ 2) ผลการเปรียบเทียบการพยากรณ์ปริมาณน้ำรายเดือนในเขื่อนกิ่วลม จังหวัดลำปาง โดยใช้เทคนิคเหมืองข้อมูลทั้ง 4 เทคนิค พบว่า วิธีแบบจำลองต้นไม้เอ็มไฟว์พี มีค่าสัมบูรณ์ของความคลาดเคลื่อนต่ำสุด ที่ 10.56 และเป็นวิธีที่เหมาะสมที่สุดสำหรับนำไปพัฒนาระบบพยากรณ์น้ำในเขื่อน ทั้งนี้เมื่อพิจารณาค่าสัมบูรณ์ของความคลาดเคลื่อนแต่ละเทคนิค พบว่า วิธีแบบจำลองต้นไม้เอ็มไฟว์พี วิธีซัพพอร์ตเวคเตอร์แมชชีนส์ วิธีวิเคราะห์การถดถอย และวิธีโครงข่ายประสาทเทียม มีค่าความคาดเคลื่อนเท่ากับ 10.56, 10.84, 11.12 และ 12.53 ตามลำดับ

Abstract : 

This research aimed to 1) study the appropriate data mining techniques to predict the amount of water in the dam, and 2) compare the prediction of monthly water in Kiew Lom Dam, Lampang, using data mining techniques. This research used information on the factors affecting the level of water in town. The amount of water flowing into the dam, the amount of water in the dam, emissions and evaporated water. The Laehi Data were collected daily from the year 2535 – 2559, including 25 years by 9,300. Data were monthly separated to use for forecasting with Forecasting Techniques.
The results showed that: 1) the data mining techniques appropriate for forecasting the water level in the dam consists of four techniques: Regression (Regression Analysis) method, ANN (Artificial Neural Network: ANN), Maroon Peak (Model Tree: M5P), and Technical Support Vector Machine Co. (SVM); and 2) comparing the results from predictions of water monthly in Kiew Lom dam, Lampang, using, the four techniques data mining techniques of found that. MLB replica trees Five Peel showed the lowest absolute tolerances at 10.56 and with the most appropriate technique to develop a system for forecasting the water in the dam. Considering the absolute values of a deviation from the technical tolerances ascending order at the following: the model tree M. Light Peak with 10.56. the support vector machine was 10.84, the regression analysis with 11:12, and artificial neural networks with 12.53.

Keywords : Forecasting, Data Mining, Regression Analysis, Neural Network, Model Tree: M5P, Support Vector Model:SVM
Full Paper : Download

<< ย้อนกลับ | |