การพยากรณ์ปริมาณน้ำท่าล่วงหน้าแบบหลายขั้นตอนในพื้นที่ลุ่มน้ำยมตอนบน

บทคัดย่อ

พื้นที่ลุ่มน้ำยมตอนบนมักประสบปัญหาน้ำหลากเป็นประจำทุกปี เนื่องจากสภาพภูมิประเทศเป็นภูเขาและมีความลาดชันของพื้นที่สูง ประกอบกับไม่มีแหล่งเก็บกักน้ำในบริเวณพื้นที่ต้นน้ำ การพยากรณ์ปริมาณน้ำท่าเป็นหนึ่งในมาตรการป้องกันและบรรเทาความเสียหายจากอุทกภัยที่ส่งผลกระทบต่อชีวิตและทรัพย์สินของมนุษย์ ในการศึกษานี้ได้พัฒนาแบบจำลองพยากรณ์น้ำท่าล่วงหน้า 24 ชั่วโมงในพื้นที่ลุ่มน้ำยมตอนบนโดยใช้แบบจำลอง Recurrent Neural Networks (RNNs), Long Short-Term Memory networks (LSTMs) และ Gated Recurrent Units (GRUs) ร่วมกับการประยุกต์ใช้พารามิเตอร์ของการตอบสนองของเวลาในลุ่มน้ำ โดยใช้ข้อมูลจากสถานีวัดฝนจำนวน 8 สถานี และสถานีวัดน้ำท่าจำนวน 4 สถานี เพื่อเป็นข้อมูลนำเข้าสำหรับการฝึกฝนแบบจำลอง โดยแบ่งสัดส่วนชุดข้อมูลสำหรับการฝึกฝนแบบจำลอง (Training) 60% ตรวจพิสูจน์แบบจำลอง (Validation) 20% และตรวจสอบแบบจำลอง (Testing) 20% ผลการศึกษาพบว่าแบบจำลอง GRUs สามารถพยากรณ์อัตราการไหลของน้ำล่วงหน้า 24 ชั่วโมงได้อย่างแม่นยำที่สุด โดยในช่วงตรวจสอบ แบบจำลองมีค่าดัชนีทางสถิติ r, RMSE และ NSE คือ 0.9649, 19.7187 และ 0.9283 ตามลำดับ ซึ่งให้ผลที่ดีกว่าแบบจำลอง LSTMs และ RNNs ที่มีประสิทธิภาพลดหลั่นลงมา ผลการศึกษานี้แสดงให้เห็นว่าแบบจำลองมีความสามารถในการเรียนรู้และปรับตัวตามลักษณะข้อมูลที่เปลี่ยนแปลงได้ดี สามารถนำไปประยุกต์ใช้ประกอบการตัดสินใจในการบริหารจัดการน้ำและการเตือนภัยน้ำท่วมในพื้นที่ที่มีความเสี่ยงสูงจากน้ำท่วมได้อย่างมีประสิทธิภาพ