การพยากรณ์ปริมาณน้ำไหลเข้าอ่างเก็บน้ำในจังหวัดระยองโดยใช้โครงข่าวใยประสาทเทียม

Forecasting of major reservioe inflow in Rayong province using artificial neural networks

Name: ธิษณ์ปัณฑา คนโทฉิมพลี

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วศ.ม. (วิศวกรรมทรัพยากรน้ำ) 2562.

Classification :.LCCS: TC513.T48

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. -- สาขาวิศวกรรมทรัพยากรน้ำ -- วิทยานิพนธ์

ThaSH: การจัดการน้ำ -- ระยอง

ThaSH: อ่างเก็บน้ำ -- ระยอง

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

Abstract: ปัญหาสำคัญของการบริหารจัดการอ่างเก็บน้ำ คือการคาดการณ์ปริมาณน้ำที่จะไหลเข้าอ่างเก็บน้ำ ทั้งช่วงเวลาการจัดสรรน้ำเพื่อกิจกรรมต่าง ๆ และการพร่องน้ำเพื่อรองรับปริมาณน้ำหลาก ในช่วงฤดูฝน วัตถุประสงค์ของการวิจัยครั้งนี้เพื่อศึกษาการประยุกต์ใช้โครงข่ายใยประสาทเทียมในการพยากรณ์ปริมาณน้ำไหลเข้าอ่างเก็บน้ำที่สำคัญในจังหวัดระยอง จำนวน 4 แห่ง ประกอบไปด้วย อ่างเก็บน้ำดอกกราย อ่างเก็บน้ำหนองปลาไหล อ่างเก็บน้ำคลองใหญ่ และอ่างเก็บน้ำประแสร์ โดยทำการพยากรณ์ปริมาณน้ำไหลเข้าอ่างเก็บน้ำเป็นรายวัน รายสัปดาห์ และรายเดือน โดยทำการศึกษาความสัมพันธ์ของข้อมูลปริมาณน้ำฝนที่ใช้ในการพยากรณ์ซึ่งตั้งอยู่บริเวณหัวงานของแต่ละอ่างเก็บน้ำจำนวน 4 สถานี และโครงสร้างแบบจำลอง ANNs ที่เหมาะสมในแต่ละอ่างเก็บน้ำโดยทดสอบจำนวน หน่วยของชั้นที่ซ่อนตั้งแต่ 2-10 0.5n n 2n และ 5n หน่วย สำหรับการการพยากรณ์ปริมาณน้ำ รายวันได้ใช้ค่าเฉลี่ยเคลื่อนที่ (Moving Average) 3 วัน เพื่อศึกษาหาจำนวนวันที่สามารถพยากรณ์ ปริมาณน้ำไหลเข้าอ่างเก็บน้ำล่วงหน้าในแต่ละอ่างเก็บน้ำ นอกจากนี้ยังอาศัยข้อมูลการพยากรณ์ฝนรายวันล่วงหน้า 1-3 วัน จากกรมอุตุนิยมวิทยาและแนวโน้มปริมาณฝนสะสมเป็นรายสัปดาห์และรายเดือนจากสถิติข้อมูลในอดีตน้ำมาเป็นข้อมูลด้านเข้าเพื่อช่วยเพิ่มประสิทธิภาพของการพยากรณ์ ผลการพัฒนาแบบจำลองโครงข่ายใยประสาทเทียมแบบแพร่กระจายย้อนกลับ (Back Propagation) โดยใช้ข้อมูลย้อนหลัง 12 ถึง 16 ปี ในการฝึกและทดสอบแบบจำลอง พบว่า อ่างเก็บน้ำทั้ง 4 แห่ง สามารถพยากรณ์ปริมาณน้ำไหลเข้าอ่างเก็บน้ำและให้ผลเป็นที่ยอมรับได้ล่วงหน้า 3 วัน 1 สัปดาห์ และ 1 เดือน โดยมีค่าประสิทธิภาพ (Efficiency Index, EI) ในช่วงการทดสอบแบบจำลอง (Testing) ในการพยากรณ์ล่วงหน้า 1 วัน ของทั้ง 4 อ่างเก็บน้ำ อยู่ระหว่างร้อยละ 79 ถึง 90 และลดลงตามเวลาการพยากรณ์ที่นานขึ้น สำหรับการพยากรณ์ล่วงหน้า 1 สัปดาห์ และ 1 เดือน มีค่าประสิทธิภาพของแบบจำลองอยู่ระหว่างร้อยละ 71 ถึง 81 และ 73 ถึง 80 ตามลำดับ The key problem of reservoir management is forecasting of reservoir inflow of water management for activities and water release during rainy season. Objective of this research is to study the application of artificial neural networks for inflow forecasting of four important reservoirs in Rayong Province, which are Dok Krai reservoir, Nong Pla Lai reservoir, Khlong Yai reservoir and Prasae reservoir by using daily, weekly and monthly data. There were four stations and suitable ANNs model structure of each reservoirs for studying a relationship of rainfall data by testing the number of nodes of hidden layers range from 2-10, 0.5n, n, and 5n nodes. Three days of moving average were added to find the forecasting time that can be used for ahead-forecasting inflow of each reservoir. Apart from this, daily rainfall data from the Thai Meteorological Department are used for forecasting of 1-3 days ahead, and also the tendency of weekly and monthly accumulated rainfall from statistics in the past were used. The result of ANNs development with Back Propagation method by using 12 to 16 years of historical data for model training and testing the shows that four reservoirs were able to forecast the reservoir inflow and release agreeable result for three days, one week, and one month ahead. An Efficiency Index (EI) during the testing of one day ahead-forecasting of each of four reservoirs were between 79 percent and 90 percent and decreasing along with longer forecasting duration. While the one week and one month ahead-forecasting got Efficiency Index of the model between 71 percent and 81 percent and between 73 percent and 80 percent respectively.

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: ณัฐ มาแจ้ง

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Name: กอบเกียรติ ผ่องพุฒิ

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์ร่วม

Created: 2562

Modified: 2567-06-07

Issued: 2567-06-07

วิทยานิพนธ์/Thesis

วิทยานิพนธ์/Thesis

application/pdf

URL: https://kasetsart.idm.oclc.org/login?url=http://www.lib.ku.ac.th/KUthesis/2562/tispanta-kho-all.pdf

CallNumber: TC513.T48.ธ38

tha

Spatial: ระยอง

Spatial: ระยอง

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมทรัพยากรน้ำ

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	tispanta-kho-all.pdf	7.18 MB	15	2025-08-26 16:34:30

ใช้เวลา

0.03395 วินาที