การพัฒนาแบบจำลองเพื่อพยากรณ์ปริมาณฝุ่นละอองขนาดเล็กกว่า 10 ไมครอน โดยใช้เทคนิคการผสมผสานระหว่างซัพพอร์ตเวกเตอร์รีเกรสชัน ร่วมกับฟัซซีลอจิกบนพื้นฐานการตัดสินใจเชิงปริมาณ

Development of a prediction model of particulate matter less than 10 um using hybrid support vector regression with fuzzy logic theory based on quantitative decision algorithm

Name: เสาวลักษณ์ อร่ามพงศานุวัต

keyword: การตัดสินใจเชิงปริมาณ

ThaSH: พยากรณ์ -- แบบจำลอง

; ซัพพอร์ตเวกเตอร์รีเกรสชัน.

ThaSH: ฝุ่น

ThaSH: ฟัสซีลอจิก

Abstract: วิทยานิพนธ์เล่มนี้มีวัตถุประสงค์ในการพัฒนาแบบจำลองเพื่อพยากรณ์ปริมาณ PM₁₀(ฝุ่น ละอองขนาดเล็กกว่า 10 ไมครอน) ซึ่งเป็นสารมลพิษอากาศที่เป็นปัญหามากที่สุดโดยเฉพาะในเขต เมืองใหญ่ โดยอาศัยการทำงานบนพื้นฐานเทคนิคการผสมผสานระหว่างซัพพอร์ตเวกเตอร์รีเกรส ชัน (SVR) ร่วมกับทฤษฎีฟัซซีลอจิกบนพื้นฐานการตัดสินใจเชิงปริมาณ (FQDA) และทำการ เปรียบเทียบประสิทธิภาพระหว่างแบบจำลองที่พัฒนาขึ้น กับแบบจำลองที่ได้จากวิธีของ SVR, โครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ (Back-propagation Neural Network) และ ANFIS (Adaptive Network-Based Fuzzy Inference System) โดยอาศัยข้อมูลที่ใช้ในการวิจัยจากสถานี ตรวจวัดคุณภาพอากาศของกรมควบคุมมลพิษ ตั้งแต่ปี 2550–2554 ของสถานีดินแดง กรุงเทพมหานคร โดยใช้ข้อมูลคุณภาพอากาศ ได้แก่ คาร์บอนมอนอกไซด์ โอโซน ไนโตรเจน ไดออกไซด์ ซัลเฟอร์ไดออกไซด์ ฝุ่นขนาดเล็กกว่า 10 ไมครอน (PM₁₀) และข้อมูลทางอุตุนิยมวิทยา ได้แก่ ปริมาณรังสีดวงอาทิตย์ ปริมาณรังสีสุทธิ ความกดอากาศ ปริมาณน้ำฝน ความชื้นสัมพัทธ์ อุณหภูมิ ทิศทางลม และความเร็วลม มาเป็นข้อมูลในการสร้างแบบจำลองเพื่อพยากรณ์ ผลจากการวิจัยในการพยากรณ์ปริมาณ PM₁₀โดยใช้เทคนิคการผสมผสานระหว่าง SVR ร่วมกับทฤษฎี FQDA สามารถพยากรณ์ได้ค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Square Error: MSE) ต่ำกว่าการพยากรณ์โดยใช้เทคนิค SVR, Back-propagation Neural Network และ ANFIS

Abstract: This thesis proposes a prediction model for forecasting Particulate Matter with aerodynamic diameter up to 10 μm (PM₁₀). PM₁₀ is targeted because it constitutes a major concern for the air quality of urban in Thailand. This thesis describes the development of a prediction model based-on Hybrid Support Vector Regression Method with Fuzzy Logic for forecasting PM10 in Bangkok. This research compares the performance of the model developed by Support Vector Regression (SVR) and Fuzzy Logic Theory Based on Quantitative Decision Algorithm (FQDA) with the SVR, Back-propagation Neural Network and ANFIS (Adaptive Network-Based Fuzzy Inference System) Model. The developed models are used to establish the relationships of PM₁₀ with meteorological variables including global radiation, net radiation, air pressure, rainfall, relative humidity, temperature, wind direction, wind speed, the air quality concentrations of Carbon monoxide, Ozone, Nitrogen dioxide, and Sulfur dioxide. The data sets examined in the current study were collected by monitoring station operated by Pollution Control Department of Thailand corresponding to PM₁₀ concentrations for the years 2007–2011 from Din Dang Station in Bangkok. The experimental results indicate that the proposed FQDASVR (Fuzzy Logic Theory Based on Quantitative Decision Algorithm with Support Vector Regression) model has better results than SVR, Back-propagation Neural Network and ANFIS model in the PM₁₀ forecasting.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: พยุง มีสัจ

Role: ที่ปรึกษาดุษฎีนิพนธ์

Email : pym@kmutnb.ac.th

Created: 2555

Modified: 2555-10-25

Issued: 2555-10-25

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: ดพ DITT ส945อ

tha

DegreeName: ปรัชญาดุษฎีบัณฑิต

Level: ปริญญาเอก

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15579037.pdf	2.39 MB	175	2024-12-25 15:30:52

ใช้เวลา

0.024505 วินาที