Artifical neural network model for rainfall-runoff relationship

แบบจำลองโครงข่ายประสาทประดิษฐ์สำหรับความสัมพันธ์น้ำฝน-น้ำท่า

Name: Prem Junsawang

ThaSH: Rainfall

ThaSH: Runoff

ThaSH: Neural networks (Computer science)

Abstract: Artificial neural networks (ANNs) have emerged as an alternative approach in modeling the runoff process in which the explicit form of the relationship between the variables involved is unknown. This thesis focuses on the implementation of artificial neural network to forecast the three hourly discharge in the small watershed area with limited hydrologic data. Data for model calibration and validation are obtained from only one available hydrologic station (P.64) at the Mae Tuen River in Om Koi District, Chiang Mai Province located in the northern part of Thailand. The watershed is small with approximately 503 square kilometers. It has a distinct hydrologic feature with relatively little information on topography and runoff data. A feedforward backpropagation ANN is used to model and forecast the three hourly discharge. Rainfall-runoff relationship in this studied area was previously investigated by Pukdeboon (2001). He used the Tank model, originally proposed by Sugawara (1974), to forecast the three hourly discharge for the wet- and dry- periods. Based on the same set of hydrologic data, comparisons of the predicted discharge from the Tank model and ANN are presented. The results showed that the average relative error computed from the ANN (10.17%) substantially decreased when comparing with the average relative error computed Tank model (41.35%). The performance evaluation of these two models, based on various statistics, are presented and discussed.

Abstract: แบบจำลองโครงข่ายประสาทประดิษฐ์ถือได้ว่าเป็นอีกแนวทางหนึ่งที่นำมาใช้ในการจำลองกระบวนการของการเกิดน้ำท่าโดยที่ไม่ทราบความสัมพันธ์ของตัวแปรที่เกี่ยวข้องกับกระบวนการทางฟิสิกส์ วิทยานิพนธ์นี้มุ่งเน้นในการประยุกต์ใช้แบบจำลองโครงข่ายประสาทประดิษฐ์ในการทำนายอัตราการไหลของน้ำท่า ราย 3 ชั่วโมง ในลุ่มน้ำขนาดเล็กที่มีข้อมูลทางอุทกวิทยาอยู่อย่างจำกัด โดยข้อมูลสำหรับใช้ใน ขั้นตอนการปรับค่าพารามิเตอร์ที่เกี่ยวข้องกับแบบจำลองและขั้นตอนการทดสอบแบบจำลองนั้น บันทึกจากสถานีวัดข้อมูลทางอุทกวิทยาเพียงสถานีเดียว (P.64) ติดตั้งในบริเวณลุ่มน้ำแม่ตื่น อำเภออมก๋อย จังหวัดเชียงใหม่ ซึ่งอยู่ทางภาคเหนือของประเทศไทย ลุ่มน้ำกรณีศึกษานี้เป็นลุ่มน้ำขนาดเล็กมีพื้นที่ประมาณ 503 ตารางกิโลเมตรและมีลักษณะทางภูมิศาสตร์ที่เป็นลักษณะเฉพาะ มีข้อจำกัดของข้อมูลที่บันทึกได้เกี่ยวกับลักษณะทางภูมิศาสตร์และข้อมูลน้ำท่า แบบจำลองโครงข่ายประสาทประดิษฐ์ที่นำมาใช้ทำนายอัตราการไหลของน้ำท่า ราย 3 ชั่วโมงนั้นเป็นแบบฟีดฟอร์เวิร์ดแบ็คพรอบพะเกชัน โดยในลุ่มน้ำเดียวกันนี้ เคยมีการศึกษาเกี่ยวกับการหาความสัมพันธ์น้ำฝน-น้ำท่าโดยใช้แบบจำลองแทงค์ ( ซูกาวารา, 1974 ) สำหรับทำนายอัตราการไหลของน้ำท่าในช่วงปริมาณน้ำมากและปริมาณน้ำน้อย (ชุติพล, 2001) ในวิทยานิพนธ์เล่มนี้ ผู้วิจัยนำเสนอการเปรียบเทียบผลการทำนายอัตราการไหลที่ได้จากทั้งสองแบบจำลองโดยใช้ข้อมูลทางอุทกศาสตร์ชุดเดียวกันซึ่งผลที่ได้พบว่า ค่าความผิดพลาดสัมพัทธ์เฉลี่ยที่ได้จากแบบจำลองโครงข่ายประสาทประดิษฐ์ (10.17%) มีค่าลดลงเมื่อเปรียบเทียบกับค่าความผิดพลาดสัมพัทธ์เฉลี่ยที่ได้จากแบบจำลองแทงค์ (41.35%) โดยในงานนี้จะนำเสนอและอภิปรายเกี่ยวกับการวัดประสิทธิภาพทางสถิติของแบบจำลองทั้งสองแบบนี้

Chulalongkorn University. Center of Academic Resources

Address: BANGKOK

Email: cuir@car.chula.ac.th

Name: Jack Asavanant

Role: Advisor

Name: Chidchanok Lursinsap

Role: Advisor

Modified: 2553-11-29

Issued: 2010-11-27

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Computational Science

Grantor: Chulalongkorn University

©copyrights Chulalongkorn University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Prem_ju.pdf	1.77 MB	94	2022-02-19 18:04:04

ใช้เวลา

0.019881 วินาที