การทำนายค่าปริมาณความเข้มข้นสูงสุดรายวันของก๊าซโอโซนที่ระดับพื้นผิวโลกด้วยตัวแบบการถดถอย ส่วนประกอบหลัก

Abstract

บทคัดย่อ        การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อสร้างตัวแบบการถดถอยส่วนประกอบหลักในการทํานายค่าปริมาณความเข้มข้นสูงสุดรายวันของก๊าซโอโซนที่ระดับพื้นผิวโลกจากปัจจัยมลพิษทางอากาศและปัจจัยทางอุตุนิยมวิทยาด้วยการวิเคราะห์ปัจจัย ข้อมูลสําหรับการศึกษาเป็นข้อมูลเกี่ยวกับสภาพมลพิษทางอากาศและสภาพทางอุตุนิยมวิทยาซึ่งเก็บที่สถานีตรวจวัดคุณภาพอากาศในเขตภาคตะวันออกของ ประเทศไทยตั้งแต่ ปี ค.ศ. 2006 - 2010 ดัชนีสมรรถนะของตัวแบบจะพิจารณาจากค่าคลาดเคลื่อนซึ่งคํานวณจากชุดของข้อมูลที่ใช้ใน การสร้างตัวแบบซึ่งเป็นข้อมูลใน ปี ค.ศ. 2006 - 2009 และชุดของข้อมูลที่ใช้ในการตรวจสอบความถูกต้องของตัวแบบซึ่งเป็นข้อมูลของปี ค.ศ. 2010 ผลการวิจัยพบว่ามีตัวแปรที่มีอิทธิพลต่อการทํานายค่าปริมาณความเข้มข้นสูงสุดรายวันของก๊าซโอโซนที่ระดับพื้นผิวโลก 5 ตัวได้แก่ อุณหภูมิและการแผ่รังสีดวงอาทิตย์, ก๊าซมีเทนและก๊าซไฮโดรคาร์บอน, ฝุ่นละอองขนาดเล็กที่มีขนาดไม่เกิน 16 ไมครอน (PM10), ความดัน และปริมาณน้ำฝน นอกจากนี้ยังพบว่าดัชนีสมรรถนะที่คํานวณจากชุดของข้อมูลที่ใช้ในการสร้างตัวแบบและชุดของข้อมูลที่ใช้ในการตรวจสอบความถูกต้องของตัวแบบให้ค่าคลาดเคลื่อนเอนเอียงเฉลี่ยมีค่าเข้าใกล้ศูนย์ ABSTRACT           The purpose of this research is to build the principal component regression model for predicting the daily maximum concentration of ground level ozone from air pollutant and meteorological factors by factor analysis method. Data for study is related to air pollutant and meteorological conditions collecting at eastern air quality stations of Thailand since 2006 to 2010. The performance index of model was considered from the error between the training data set (using data from 2006 - 2009) and the validation data set (using data in 2010). The research results indicated there were five influential variables to predict the daily maximum concentration of ground level ozone: Temperature and solar radiation, Methane and hydrocarbon, PM10, Pressure and Rain. Furthermore, for the performance index of the training data set and the validation data set gave the values of mean bias error approached to zero.