การพยากรณ์ค่าความเข้มข้นของฝุ่นละอองขนาดเล็กไม่เกิน 10 ไมครอน ด้วยเครือข่ายประสาทเทียมร่วมกับรูปแบบออโตรีเกรสซีพ

Abstract

          งานวิจัยนี้ ศึกษาการพัฒนาตัวแบบพยากรณ์ค่าความเข้มข้นเฉลี่ยรายวันของฝุ่นละอองขนาดเล็ก ไม่เกิน 10 ไมครอน (PM10) ในเขตพื้นที่ภาคเหนือของประเทศไทย จำนวน 3 ชุดข้อมูล แต่ละชุดข้อมูลเป็นอนุกรมเวลาเชิงเดี่ยวที่มีคาบเวลารายวัน ตั้งแต่วันที่ 1 มกราคม ถึงวันที่ 31 พฤษภาคม 2559 และดำเนินการสร้างตัวแบบพยากรณ์ด้วยเทคนิคเครือข่ายประสาทเทียม ผสมผสานกับรูปแบบออโตรีเกรสซีพของตัวแบบ ARIMA เรียกว่า ตัวแบบ AR-ANN จากนั้นเปรียบเทียบความแม่นยำของตัวแบบ AR-ANN กับตัวแบบ ARIMA ด้วยการวัดค่าคลาดเคลื่อน RMSE และ MAPE ผลการทดลอง พบว่าตัวแบบผสมผสาน AR-ANN ให้ค่า RMSE และค่า MAPE ต่ำกว่าตัวแบบ ARIMA ทั้ง 3 ชุดข้อมูล ดังนั้น ตัวแบบ AR-ANN สามารถนำมาใช้พยากรณ์ ค่าความเข้มข้นเฉลี่ยรายวันของ PM10 ในเขตพื้นที่ภาคเหนือของประเทศไทยได้อย่างเหมาะสม           This research aims to study a development of the forecasting model to predict the daily average PM10 concentration in the Northarea of Thailand with 3 datasets. Each of datasets is the univariate time series that is a daily data, since 1stJan -31th May 2016. To generate the forecasting model, we present a forecasting model by the artificial neural network technique combine with the autoregressive of ARIMA model, called AR-ANN model. We evaluated our experiment by measurement error between our AR-ANN model and the ARIMA model. The error measurement of each model is measured by the Root Mean Square Error (RMSE) and the Mean Absolute Percentage Error (MAPE). From the result, we found that RMSE and MAPE of the AR-ANN model has lower than ARIMAmodel for whole datasets. Therefore, we concluded that our AR-ANN model can use to forecast the daily average PM10 concentration appropriately.