การพยากรณ์ปริมาณน้ำในเขื่อนกิ่วลม โดยใช้เทคนิคเหมืองข้อมูล

Abstract

บทคัดย่อ

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาเทคนิคเหมืองข้อมูลที่เหมาะสมในการพยากรณ์ปริมาณน้ำในเขื่อน และ 2) เปรียบเทียบผลปริมาณน้ำจริงกับผลการพยากรณ์ปริมาณน้ำในเขื่อนกิ่วลม จังหวัดลำปาง โดยใช้เทคนิคเหมืองข้อมูล งานวิจัยนี้ได้บริหารจัดการข้อมูลน้ำที่มีอยู่ที่เป็นปัจจัยต่อการเปลี่ยนแปลงระดับน้ำประกอบด้วย ปริมาณน้ำไหลเข้าเขื่อน ปริมาณน้ำในเขื่อน ปริมาณการปล่อยน้ำ และอัตราการระเหย โดยรวบรวมข้อมูลรายวัน ตั้งแต่ปี พ.ศ. 2535 – พ.ศ. 2559 รวม 25 ปี จำนวน 9,125  ระเบียน เพื่อนำมาพยากรณ์ด้วยเทคนิคการพยากรณ์

ผลการวิจัยพบว่า 1) เทคนิคเหมืองข้อมูลที่นำมาใช้ในการพยากรณ์ปริมาณน้ำในเขื่อนประกอบด้วย 4 เทคนิค ได้แก่ เทคนิควิธีการวิเคราะห์การถดถอย วิธีโครงข่ายประสาทเทียม วิธีแบบจำลองต้นไม้เอ็มไฟว์พีและวิธีเทคนิคซัพพอร์ตเวคเตอร์แมชชีนส์ โดยเลือกจากงานวิจัยที่เกี่ยวข้องที่มีการใช้งานมากที่สุดและ 2) ผลการเปรียบเทียบการพยากรณ์ปริมาณน้ำรายเดือนในเขื่อนกิ่วลม จังหวัดลำปาง โดยใช้เทคนิคเหมืองข้อมูลทั้ง 4 เทคนิค พบว่า วิธีแบบจำลองต้นไม้เอ็มไฟว์พี มีค่าสัมบูรณ์ของความคลาดเคลื่อนต่ำสุด ที่ 10.58 และเป็นวิธีที่เหมาะสมที่สุดสำหรับนำไปพัฒนาระบบเพื่อการพยากรณ์น้ำในเขื่อน ทั้งนี้เมื่อพิจารณาค่าสัมบูรณ์ของความคลาดเคลื่อนแต่ละเทคนิคเรียงตามค่าความคลาดเคลื่อนจากน้อยไปมาก พบว่า วิธีแบบจำลองต้นไม้เอ็มไฟว์พีมีค่าเท่ากับ 10.58 วิธีซัพพอร์ตเวคเตอร์แมชชีนส์ มีค่าเท่ากับ 19.90 วิธีวิเคราะห์การถดถอย มีค่าเท่ากับ 20.00 และวิธีโครงข่ายประสาทเทียม มีค่าเท่ากับ 21.65 ตามลำดับ

คำสำคัญ : การพยากรณ์, เหมืองข้อมูล, เขื่อนกิ่วลม

Abstract

This research aims to 1) study the appropriate data mining techniques to forecast the amount of water in the dam, and 2) compare the actual water volume and the prediction with the amount of water in KiewLom Dam, Lampang Province, using data mining techniques. This research manages existing water data that is a factor in water level changes consist of the amount of water flowing into the dam, the amount of water in the dam, emissions and evaporated water.  The data were collected daily from the year 2535 – 2559 totally 25 years with 9,125 records to use for forecasting with Techniques.

The results showed that: 1) appropriate data mining techniques used to forecast the water level in the dam consist of 4 techniques were (Regression Analysis: RA) , (Artificial Neural Network : ANN), (M5P Model Tree : M5P), and (Support Vector Machine : SVM)  by choosing from the most relevant research works, and 2) comparison results of the prediction of monthly water Level  in KiewLom dam, Lampang, using data mining four techniques found that M5P Model Tree had Mean absolute Error as low as 10.58 and was the most appropriate way to develop a system for forecasting the water in the dam. Considering the absolute value of a Mean absolute Error from each technique in ascending order was: how the model tree M5p is equal 10.58, support vector machine has an estimated value of 19.90, regression analysis method is equal 20.00, and artificial neural networks is equivalent to 21.65.

Keywords : Forecasting, Data Mining, Kiew Lom Dam