การทำนายดัชนีคุณภาพอากาศในบริเวณภาคตะวันออกของประเทศไทย ด้วยความแม่นของข่ายงานระบบประสาท

Air Quality Index Prediction in the Eastern Regions of Thailand with Accuracy of Neural Networks

Name: จตุภัทร เมฆพายัพ

Organization : มหาวิทยาลัยบูรพา. คณะวิทยาศาสตร์

Email : jatupat@buu.ac.th

Name: กิดาการ สายธนู

Organization : มหาวิทยาลัยบูรพา. คณะวิทยาศาสตร์

Email : ksaithan@buu.ac.th

ThaSH: คุณภาพอากาศ

ThaSH: ข่ายงานคอมพิวเตอร์

ThaSH: มลพิษทางอากาศ

Abstract: ปัจจุบันนี้มลพิษทางอากาศกำลังเป็นปัญหาทางสิ่งแวดล้อมที่อยู่ในขั้นวิกฤต การทำนายคุณภาพอากาศจึงกลายมามีบทบาทที่สำคัญในการแจ้งหรือเตือนประชาชนและควบคุมมลพิษทางอากาศในทุกประเทศรวมถึงประเทศไทย มัลติเลเยอร์เพอร์เซพตรอน หรือ MLP เป็นตัวแบบข่ายงานระบบประสาทอย่างง่ายซึ่งถูกสร้างขึ้นเพื่อประเมินและทำนายค่าดัชนีคุณภาพอากาศ หรือ AQI ในบริเวณภาคตะวันออกของประเทศไทย โดยตรวจวัดข้อมูลจากสถานีตรวจวัดคุณภาพอากาศ จำนวน 8 สถานี ที่ตั้งอยู่ในจังหวัดระยอง ชลบุรี และฉะเชิงเทรา ผลการศึกษาพบว่าสารมลพิษหลักทางอากาศที่ส่งผลต่อค่า AQI ในบริเวณภาคตะวันออกของประเทศเป็นส่วนใหญ่ คือ ก๊าซโอโซนและฝุ่นละอองขนาดเล็กกว่า 10 ไมครอน และที่เหลืออีกไม่ถึง 2% เป็นผลมาจากก๊าซไนโตรเจนไดออกไซด์ ก๊าซซัลเฟอร์ไดออกไซด์ และก๊าซคาร์บอนมอนอกไซด์ สำหรับช่วงเวลาที่มีอิทธิพลต่อค่า AQI สามารถแบ่งได้เป็น 3 กลุ่ม คือ กลุ่มที่ 1 เป็นกลุ่มที่มีค่า AQI ต่ำ ซึ่งเป็นช่วงปลายฤดูร้อนและฤดูฝน (เดือนเมษายน และเดือนมิถุนายนถึงกันยายน) กลุ่มที่ 2 เป็นกลุ่มที่มีค่า AQI ปานกลาง ซึ่งเป็นช่วงฤดูร้อนและต้นฤดูฝน (เดือนกุมภาพันธ์ มีนาคม และพฤษภาคม) และกลุ่มที่ 3 เป็นกลุ่มที่มีค่า AQI สูง ซึ่งเป็นช่วงฤดูหนาว (เดือนตุลาคมถึงมกราคม) นอกจากนี้ตัวแบบข่ายงานระบบประสาทที่ได้ยังสามารถทำนายและจำแนกกลุ่มของดัชนีคุณภาพอากาศได้ค่อนข้างสมบูรณ์และถูกต้องโดยเห็นได้จากความแม่นของค่าอัตราการจำแนกถูกที่มีค่ามากประมาณ

Noted: โครงการวิจัยประเภทงบประมาณสนับสนุนการวิจัยจากกองทุนวิจัยและพัฒนา ประจำปีงบประมาณ พ.ศ. 2562

Abstract: Air pollution has turned to a critical environmental problem nowadays. Prediction of air quality then plays a significant role in notifying or warning people about and controlling air pollution in every countries including Thailand. Based on data measured by the eight monitoring stations located in Rayong, Chon Buri and Chachoengsao, the simple design, Multi-Layer Perceptron or MLP, was built for neural network models to appraise and predict the air quality index or AQI in the eastern area of Thailand. The study results indicate that O3 and PM10 respectively play the dominant role in AQI value while NO2, SO2 and CO together account for less than 2% importance. The period associated with AQI levels is classified into three groups. The low AQI is at the end of summer and in rainy season (April, June to September). The medium AQI is in summer and at the beginning of rainy season (February, March and May). The high AQI is in winter (October to January). Additionally, the obtained neural network models are able to rather perfectly predict and classify the AQI groups, as seeing of the accuracy of high percentage for correct classification rate or CCR with approximately 90% in training data set as well 88% in validation data set.

มหาวิทยาลัยบูรพา. สำนักหอสมุด

Address: ชลบุรี

Email: buulibrary@buu.ac.th

Name: กองทุนวิจัยและพัฒนา มหาวิทยาลัยบูรพา

Role: ผู้ให้ทุน

Created: 2563

Modified: 2565-01-04

Issued: 2565-01-04

งานวิจัย/Research report

application/pdf

tha

©copyrights มหาวิทยาลัยบูรพา

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	2565_097.pdf	1.92 MB	16	2025-02-26 10:11:19

ใช้เวลา

0.020206 วินาที