การพยากรณ์ปริมาณน้่าฝนด้วยอัลกอริทึมการเรียนรู้ของเครื่องแบบมีผู้สอน

Abstract

จากการศึกษาที่ผ่านมาพบว่า เทคนิคทางสถิติที่มักถูกใช้ในการพยากรณ์เกี่ยวกับปริมาณน้่า เช่น ปริมาณน้่าฝน อย่างไรก็ตามเทคนิคดังกล่าวอาจจะไม่มีประสิทธิภาพดีพอส่าหรับการพยากรณ์ ปริมาณน้่าในระยะยาว เนื่องจากปรากฏการณ์ความแปรปรวนจากสภาพภูมิอากาศ ปัจจุบันอัลกอริทึม การเรียนรู้ของเครื่องจึงกลายเป็นเครื่องมือที่ได้รับการนิยม และการพยากรณ์ด้วยอัลกอริทึมการเรียนรู้ ของเครื่องแบบมีผู้สอน (Supervised learning algorithms) เช่น ซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine: SVM), โครงข่ายประสาทเทียม (Artificial Neural Network: ANN) และขั้นตอนวิธี เพื่อนบ้านใกล้เคียงที่สุด (K-Nearest Neighbors: KNN) ซึ่งเป็นหนึ่งในอัลกอริทึมการเรียนรู้ของเครื่องที่ ได้รับความนิยมส่าหรับงานด้านพยากรณ์ปริมาณน้่าอย่างกว้างขวาง ดังนั้นงานวิจัยฉบับนี้จึงน่าเสนอ กระบวนการส่าหรับการพยากรณ์ปริมาณน้่าฝนด้วยอัลกอริทึมการเรียนรู้ของเครื่องแบบมีผู้สอน โดย ผลลัพธ์จะถูกประเมินด้วยค่าเฉลี่ยก่าลังสองของความคลาดเคลื่อน (mean square error: MSE), ค่าเฉลี่ยของรากที่สองของก่าลังสองของความคลาดเคลื่อน (Root mean square error: RMSE) และ ค่าสัมประสิทธิ์ของความผันแปร (Coefficient of Variation: CV)