การพยากรณ์ปริมาณน้ำท่าด้วยแบบจำลองการเรียนรู้เชิงลึกในจังหวัดเพชรบุรี

บทคัดย่อ

สภาพปัญหาอุทกภัยในพื้นที่ อ.เมือง จ.เพชรบุรี มักมีสาเหตุมากจากปริมาณฝนตกหนักในพื้นที่ ร่วมกับปริมาณน้ำที่ระบายมาจากอ่างเก็บน้ำแก่งกระจาน ส่งผลทำให้ระดับน้ำในแม่น้ำเพชรบุรีเพิ่มสูงขึ้นและเกิดสถานการณ์น้ำล้นตลิ่ง ส่งผลให้เกิดน้ำท่วมในพื้นที่เศรษฐกิจ และบ้านเรือนประชาชน การพยากรณ์น้ำหลากล่วงหน้าจึงเป็นมาตรการที่สำคัญที่ช่วยในการแจ้งเตือน เตรียมแผนเผชิญเหตุ เพื่อลดความเสียหายต่อชีวิตและทรัพย์สินได้ การศึกษานี้ได้ประยุกต์ใช้แบบจำลองการเรียนรู้เชิงลึกด้วยโครงข่ายประสาทเทียมแบบวนกลับ (Recurrent Neural Networks, RNNs) ในการพยากรณ์ปริมาณน้ำท่าล่วงหน้า 24 ชั่วโมงในพื้นที่จังหวัดเพชรบุรี บริเวณสถานีวัดน้ำท่า B.10 โดยแบ่งกรณีศึกษาเป็น 2 กรณี ได้แก่ กรณีที่ 1 พยากรณ์ปริมาณน้ำท่าล่วงหน้าแบบหลายจุดเวลา (Multi – Step Discharge Forecasting) และกรณีที่ 2 พยากรณ์ปริมาณน้ำท่าจุดเวลาเดียว (Single Step Discharge Forecasting) ผลการพยากรณ์พบว่าในช่วงฤดูน้ำหลากแบบจำลองสามารถพยากรณ์ปริมาณน้ำท่าสูงสุดได้ใกล้เคียงกับค่าตรวจวัด เนื่องจากการประยุกต์ใช้เวลาการเกิดน้ำท่าสูงสุด แต่ทั้งนี้ดัชนีทางสถิติที่ใช้ในการประเมินประสิทธิภาพของแบบจำลองทั้ง 2 กรณีนั้น มีค่าไม่แตกต่างกันมากนัก โดยเปรียบเทียบการพยากรณ์ล่วงหน้าในชั่วโมงที่ 6, 12 และ 24 สามารถสรุปได้ดังนี้ ค่า Nash - Sutcliffe’s Efficiency (NSE) กรณีที่ 1 มีค่า 0.989, 0960 และ 0.860 และกรณีที่ 2 มีค่า 0.984, 0961 และ 0.813 จากผลการศึกษาแสดงให้เห็นถึงประสิทธิภาพของแบบจำลองการเรียนรู้เชิงลึกได้เป็นอย่างดี และสามารถนำไปประยุกต์ใช้ในการพยากรณ์ปริมาณน้ำท่าล่วงหน้าเพื่อใช้ในวางแผนการบริหารจัดการน้ำในช่วงอุทกภัยได้อย่างมีประสิทธิภาพ