ความสามารถของแบบจำลองปัญญาประดิษฐ์ในการพยากรณ์อัตราการไหลเข้าเขื่อน กรณีศึกษาลุ่มน้ำภาคตะวันออก ประเทศไทย

บทคัดย่อ

ความแม่นยำในการพยากรณ์อัตราการไหลเข้าเขื่อน มีความสำคัญในการบริการจัดการน้ำในเขื่อนให้มีประสิทธิภาพ การศึกษานี้มีวัตถุประสงค์ในการทดลองใช้แบบจำลองปัญญาประดิษฐ์เพื่อพยากรณ์อัตราการไหลของน้ำเข้าเขื่อนเพื่อทดสอบความแม่นยำในการพยากรณ์ เขื่อนบางพระ และเขื่อนหนองปลาไหลได้ถูกคัดเลือกเป็นกรณีศึกษา ปริมาณน้ำฝนจากสถานีตรวจวัดเหนือเขื่อนทั้ง 2 เขื่อน และอัตราการไหลเข้าเขื่อนระหว่างปี พ.ศ.2537 ถึงปี พ.ศ.2566 ได้ถูกนำมาใช้ในการพัฒนาและทดสอบแบบจำลอง Long Short-Term Memory (LSTM) โดยเปรียบเทียบกับแบบจำลอง ARIMA ซึ่งเป็นแบบจำลองทางสถิติที่นิยมใช้ จากการทดสอบแบบจำลองโดยใช้ข้อมูลอัตราการไหลเข้าเขื่อนและข้อมูลฝนรายเดือนในการพยากรณ์อัตราการไหลรายเดือน พบว่าการใช้ข้อมูลฝนรายเดือนร่วมกับข้อมูลอัตราการไหลย้อนหลัง 1 เดือน ให้ผลการพยากรณ์แม่นยำกว่าการใช้ข้อมูลอัตราการไหลเพียงอย่างเดียว การทดสอบความแม่นยำในการพยากรณ์ล่วงหน้าของแบบจำลอง LSTM แสดงให้เห็นว่าสามารถใช้พยากรณ์ล่วงหน้าได้ดีในช่วงเวลา 3 เดือน โดยมีความแม่นยำเฉลี่ย 85% แต่ความแม่นยำในการพยากรณ์ลดลงเป็น 80% และเป็น 52% เมื่อพยากรณ์ล่วงหน้า 6 เดือน และ 12 เดือน ในการเปรียบเทียบความสามารถในการพยากรณ์ของแบบจำลอง LSTM กับแบบจำลอง ARIMA พบว่าโดยเฉลี่ยแบบจำลอง LSTM สามารถพยากรณ์ได้แม่นยำกว่าแบบจำลอง ARIMA ที่เขื่อนบางพระแบบจำลอง LSTM ให้ความแม่นยำตั้งแต่ 53% ถึง 74% ในขณะที่ ARIMA ให้ความแม่นยำ 38% ถึง 79% ส่วนเขื่อนหนองปลาไหล LSTM ให้ความแม่นยำตั้งแต่ 53% ถึง 84% ในขณะที่ ARIMA ให้ความแม่นยำ 48% ถึง 70% นอกจากนี้ในการยืนยันความแม่นยำของแบบจำลองโดยการใช้ข้อมูลระหว่างปี พ.ศ.2559 ถึงปี พ.ศ.2565 ยังพบว่าแบบจำลอง LSTM สามารถพยากรณ์อัตราการไหลเข้าเขื่อนในช่วงฤดูฝน ได้ดีกว่าแบบจำลอง ARIMA ซึ่งช่วยในการบริการจัดการเขื่อนในยามน้ำหลากได้อย่างมีประสิทธิภาพมากขึ้น