Embed Size (px)
Citation preview
การพยากรณการเปลยนแปลงระดบน าดวยเทคนคโครงขายประสาทเทยมแบบแพรกลบ กรณศกษา ทะเลสาบหนองหาร จงหวดสกลนคร
Water levels forecast Using Back - Propagation neural network Technique:
A case study at Nong Han Lake, Sakon Nakhon, Thailand ศภมตร บญทา1 และจระนนต เจรญรตน1
1สาขาวชาคอมพวเตอรธรกจ คณะวทยาการจดการ มหาวทยาลยราชภฏสกลนคร E-mail: [email protected]
บทคดยอ หนองหาร เปนทะเลสาบน าจดส าคญขนาดใหญทสดของภาคตะวนออกเฉยงเหนอ ตงอยทอ าเภอเมอง
สกลนคร จงหวดสกลนคร มประตระบายน า “สรสวด” กอนไหลลงสแมน าโขงตามล าน าก าทอ าเภอธาตพนม จงหวดนครพนม ซงในชวงฤดฝนตองท าการกกเกบน าใหไดตามระดบทก าหนดไว แตในบางชวงทฝนตกหนกท าใหปรมาณน าในแหลงน าหนองหารเพมขนอยางรวดเรวสงผลใหการระบายน าออกไมทน สงผลใหเกดน าทวมนาขาวทอยบรเวณทลมใกลกบแหลงน าหนองหารไดรบความเสยหาย หากระบายน าออกมากเกนไปกจะเกดน าทวมพนทเกษตรกรรมของชมชนทอยดานทายน าเชนเดยวกน งานวจยนมวตถประสงคเพอพฒนาแบบจ าลองทเหมาะสมกบการพยากรณการเปลยนแปลงระดบน าในทะเลสาบหนองหารลวงหนา โดยวเคราะหจากขอมลทไดจากการบนทก ณ ศนยวจยและพฒนาประมงน าจดสกลนครทสงผลตอการเปลยนแปลงระดบน าในทะเลสาบหนองหาร ใชขอมลเปนรายวนระหวางป พ.ศ. 2553 - 2558 จ านวนทงสน 2,177 ระเบยน สรางตวแบบโดยใชเทคนคเหมองขอมลแบบโครงขายประสาทเทยมแบบแพรกลบ และประเมนผลประสทธภาพของตวแบบดวยคาเฉลยของความคลาดเคลอนสมบรณผลการทดลองไดตวแบบจ าลองทใชขอมลน าเขา 6 ตวแปรไดคาเฉลยของความคลาดเคลอนสมบรณเปน 11.5019 ค าส าคญ: โครงขายประสาทเทยมแบบแพรกลบ, การพยากรณการเปลยนแปลงระดบน า, ทะเลสาบหนองหาร,
จงหวดสกลนคร Abstract
Nong Han is the name of a lake in the northeast of Thailand province of Sakon Nakhon and is
the largest freshwater basin in the region. The outflow of the lake is the Nam Kam stream in the Nakhon
Panom province which flows into the Mekong river. The Nong Han lake naturally plays a vital role in
water conservation for agricultural sector in the surrounding area. Water management to keep water
levels right for a particular season is thus important. Higher level of water could damage plants and
crops, in contrary , lower water level could cause drought.This research was aimed to find a possible
water levels forecasting model for the Nong Han lake through analysing daily data collected during the
years 2010 - 2015 totalling 2,177 items of which derived from Sakon Nakhon Research and Inland
fisheries Centre using Back - Propagation neural network technique. A statistical technique , Mean absolute error, was employed to assess the model' s efficiency. The study suggested a model that needed
six input variables to forecast water fluctuation ,and mean absolute error was 11.5019. Keywords: Back-propagation neural network, water level changes Forecasting, Nong Han Lake,
Sakon Nakhon Province
หนาท 304
บทน า
น าคอทรพยากรทมความส าคญตอการด ารงชวต ทงการอปโภคบรโภค การเกษตรและภาคการผลต ซงทผานมาปญหาน าทวมและภยแลงทเกดขนทกปยงคงเปนปญหาตอประชาชนในหลายพนท จากการส ารวจพบวาชาวบานจะไดรบผลกระทบ ในการจดการการระบายน าในชวงทฝนตกหนกท าใหปรมาณน าในแหลงน าหนองหารเพมขนอยางรวดเรวสงผลใหระบายน าออกไมทน และท าใหเกดน าทวมนาขาวทอยบรเวณ ทลมใกลกบแหลงน าหนองหารเสยหาย ทงนหากระบายน าออกมากเกนไปกจะเกดน าทวมพนทเกษตรกรรมของชมชนทอยดานทายน าเชนเดยวกน จากการสอบถามพบวาในแตละปคนทมพนทท าการเกษตรทอยตดกบแหลงน าหนองหารและล าน าก าแทบจะไมได เกบเกยวผลผลตเลย ดงนน การบรหารจดการน าจงเปนเรองจ าเปนทหนวยงานภาครฐตองใหความส าคญเปนอยางมาก
ในการบรหารจดการน า ไดมการน าเทคนคตางๆ มาใชเพอใหการท างานมประสทธภาพมากขน เชน การใชแบบจ าลองอทกพลศาสตรในการท านายระดบน าทวมในชวงการเกดน าหลากในแมน าปง โดยใชขอมลน าฝน ปรมาณการไหลของน า และระดบน าสายหลก โดย อกนษฐ อรณพทกษพนธ (2549) ในปจจบนไดมการน าแบบจ าลองโครงขายประสาทเทยมมาใชในการพยากรณระดบน า เชน การศกษาเปรยบเทยบผลการเปลยนแปลงจ านวนค าตอบของโครงขายประสาทเทยมส าหรบการพยากรณระดบน าแมน ายม จงหวดแพร โดย ดวงเพญ เจตนพพฒนพงษ และรชกฤช ธนพฒนดล (2553) การพยากรณระดบน าทาดวยเทคนคโครงขายประสาทเทยมแบบแพรกลบ กรณศกษา เทศบาลเมองชยภม โดย มนนทร วรรณธาดา และพรรณ สทธเดช (2556) และการหาปจจยทมผลตอความแมนย าในการพยากรณระดบน าหลากทสถานวดระดบน า M.7 โดยใชแบบจ าลองโครงขายประสาทเทยม โดย ทวศกด วงไพศาล จกรฤทธ ตรนาจ (2556)
งานวจยนมวตถประสงคเพอน าเทคนคการท าเหมองขอมลมาสรางตวแบบจ าลองการพยากรณการเปลยนแปลงของระดบน าหนองหาร จงหวดสกลนคร เพอเปนขอมลส าหรบน าไปพฒนาโปรแกรมจ าลองสถานการณน าหนองหาร ท าการทดลองโดยใชขอมลทตยภมของ ศนยวจยและพฒนาประมงน าจดสกลนคร กรมอตนยมวทยา และกรมชลประทาน ทมผลตอระดบน าในหนองหาน ใชขอมลเปนรายวนระหวางป พ.ศ. 2553 - 2559 จ านวนทงสน 2,177 ระเบยน โดยใชเทคนคโครงขายประสาทเทยมแบบแพรกลบ (Back Propagation Neural Network) ในการพยากรณการเปลยนแปลงระดบน ารายวนลวงหนา 1 วน
การท าเหมองขอมล (Data Mining) คอ การสกดขอมล (extract data) จากฐานขอมลขนาดใหญ เพอใหไดสารสนเทศทมประโยชน ทเรายงไมทราบ โดยเปนสารสนเทศทมเหตผล และสามารถน าไปใชได ซงเปนสงส าคญทจะชวยการตดสนใจในการท าธรกจ การท าเหมองขอมลเปนกระบวนการส าคญในการคนหาความรจากฐานขอมลขนาดใหญ (สายชล สนสมบรณทอง, 2558)
โครงขายประสาทเทยมแบบแพรยอนกลบ (back propagation neural network) เปนตวแบบทางคณตศาสตรส าหรบการประมวลผลขอมลดวยการค านวณแบบคอนเนคชนนสต (connectionist) เพอจ าลองลกษณะการท างานของสมองมนษย โครงขายประสาทเทยมแบงออกไดเปน 4 แบบ ไดแก โครงขายการสงขอมลแบบไมยอนกลบ ( feed forward network) โครงขายการสงขอมลแบบยอนกลบ ( feedback network) โครงขายประสาทเทยมอยางงาย (perceptrons) และโครงขายประสาทเทยมแบบแพรยอนกลบ (back propagation algorithm) สถาปตยกรรมของโครงขายประสาทเทยมแบบแพรยอนกลบ ประกอบดวยชนของขอมลเบองตน 3 ชน ไดแก ชนขอมลน าเขา (input layer) ชนซอน (hidden layer) และชนสงออก (output layer)
หนาท 305
รปท 1 สถาปตยกรรมของโครงขายประสาทเทยมแบบแพรยอนกลบ
และการปรบสอนโครงขายประสาทเทยมแบบแพรยอนกลบ ประกอบดวย 3 ขนตอน คอ ขนตอนการค านวณไปขางหนา (feed forward) จากชนน าเขาไปยงชนซอน และชนสงออกตามล าดบ การค านวณและการแทนคากลบของผลรวม โดยท าการเปรยบเทยบความผดพลาดของผลลพธกบคาเปาหมาย และท าการปรบคานาหนก (weight) และค านวณซ า ๆ จนกระทงจะไดผลลพธทใกลเคยงกบผลลพธทตองการ (ภานวฒน สพบตร, ไกรง เฮงพระพรหม, พจน เฮงพระพรหม และ เดช ธรรมศร, 2558)
วธด าเนนการวจย
การเตรยมขอมล (Data Preparation)
ผวจยไดท าการศกษาและเลอกใชขอมลทตยภม ไดแก ขอมลปรมาณน าฝนรายวน ปรมาณน าฝนเฉลยตอสปดาห ระดบการเปดปดประตระบายน า บานท 1 บานท 2 และ บานท 3 ทไดท าการบนทกไว ณ ศนยวจยและพฒนาประมงน าจดสกลนคร และการระเหยของน าแบบถาดเฉลยตอสปดาห จาก กรมอตนยมวทยา จ านวนทงสน 2,177 เพอน ามาสรางตวแบบพยากรณการเปลยนแปลงระดบน าหนองหารเพอใชในการพยากรณการเปลยนแปลงระดบน าลวงหนา 1 วน โดยผวจยท าการแบงขอมลออกเปน 2 สวน ไดแก ชดขอมลเรยนร (Training Data set) เปนชดขอมลส าหรบสรางแบบจ าลอง (Time Series Model) โดยใชขอมลในระหวางป 2553 - 2557 และท าการแบงขอมลทเหลอในป 2558 ส าหรบใชเปนขอมลในการทดสอบ (Testing Data set)
ตารางท 1: ตวแปรทน ามาใชในการสรางตวแบบ
ตวแปร ค าอธบาย Rainfall ปรมาณน าฝน Gate 1 ระดบการเปดประตระบายน าบานท 1 Gate 2 ระดบการเปดประตระบายน าบานท 2 Gate 3 ระดบการเปดประตระบายน าบานท 3 AvgRainfall ปรมาณน าฝนเฉลย AvgEvaporation ปรมาณการระเหยของน าแบบถาดเฉลย Change การเปลยนแปลงระดบน าลวงหนา 1 วน
หนาท 306
การวเคราะหขอมล (Data Analysis)
การสรางตวแบบพยากรณ ผวจยไดท าการสรางตวแบบการพยากรณ (Prediction Model) โดยใชโปรแกรม WEKA เวอรชน 3.8 เพอวเคราะหขอมลดวยเทคนคโครงขายประสาทเทยมแบบแพรกลบทมโครงสรางจ านวนโหนดชนน าเขา 6 โหนด และ ชนผลลพธ 1 โหนด และท าการปรบเปลยนจ านวนโหนดของชนซอน (Hidden layer) จาก 3 โหนดไปจนถง 5 โหนด ปรบอตราการเรยนร (Leaning Rates) เปน 0.05, 0.1, 0.2 และ 0.3 และคาโมเมนตม (Momentum) เปน 0.1, 0.2, และ 0.3 ตามล าดบ
การวดประสทธภาพส าหรบการพยากรณ งานวจยนไดท าการวดประสทธภาพการพยากรณของตวแบบโดยใชตวชวดคอ คาเฉลยของความคลาดเคลอนสมบรณ (Mean absolute error: MAE) ซงสามารถค านวณไดจากสมการ ซงเปนการวดความแตกตางระหวางคาจรงและคาทไดจากการพยากรณ โดยหากคาทไดจากการวดมคาทเขาใกล 0 แสดงวาตวแบบมความแมนย าในการพยากรณสง ดงแสดงในสมการท (1)
𝑀𝐴𝐸 = 1
2 ∑ |𝑓𝑖 − 𝑦𝑖|𝑛
𝑖=1 (1)
𝑓𝑖 แทน คาประมาณจากแบบจ าลองคาขอมลทไดจากการพยากรณ 𝑦𝑖 แทน คาทแทจรงคาขอมลจรงทไดจากการค านวณ n แทน จ านวนขอมลทงหมด
ผลการวจย
ผลจากการวจย เพอพฒนาแบบจ าลองทเหมาะสมกบการพยากรณการเปลยนแปลงระดบน าหนองหาร จงหวดสกลนคร โดยการวเคราะหจากขอมลทไดจากขอมลปรมาณน าฝนรายวน ปรมาณน าฝนเฉลยตอสปดาห ระดบการเปดปดประตระบายน า บานท 1 บานท 2 และ บานท 3 ทไดท าการบนทกไว ณ ศนยวจยและพฒนาประมงน าจดสกลนคร และการระเหยของน าแบบถาดเฉลยตอสปดาห จาก กรมอตนยมวทยา จ านวนทงสน 2,177 ระเบยน เพอน ามาสรางตวแบบพยากรณการเปลยนแปลงระดบน าหนองหารเพอใชในการพยากรณการเปลยนแปลงระดบน าลวงหนา 1 วน ไดตวแปรน าเขา 6 ตวแปร สรางตวแบบโดยใชเทคนคเหมองขอมลแบบโครงขายประสาทเทยมแบบแพรกลบ และประเมนผลประสทธภาพของตวแบบดวยคาเฉลยของความคลาดเคลอนสมบรณ ( root mean square error : MSE ) ซงเปนการวดความแตกตางระหวางคาจรงและคาทไดจากการพยากรณ โดยหากคาทไดจากการวดมคาทเขาใกล 0 แสดงวาตวแบบมความแมนย าในการพยากรณสง ผลการทดลองตรวจสอบความถกตองของการพยากรณดวยขอมลชดฝกสอน ตวแบบทมคาเฉลยของความคลาดเคลอนสมบรณต าสด เปน 11.5019 ดงแสดงในตารางท 2 ซงเปนโครงสรางทมช นซอน 3 โหนด คาอตราการเรยนร 0.05 และ คาโมเมนตม (Momentum) เปน 0.1
หนาท 307
ตารางท 2 : ผลทดลองของตวแบบดวยขอมลฝกสอน Model Learning Rate Momentum MAE 6-3-1 0.05 0.1 11.5019 6-3-1 0.05 0.2 11.6109 6-3-1 0.05 0.3 11.6863 6-3-1 0.1 0.05 12.0421 6-3-1 0.1 0.1 12.0421 6-3-1 0.1 0.2 12.2432 6-3-1 0.1 0.3 12.4882 6-3-1 0.2 0.1 13.6104 6-3-1 0.2 0.2 13.8734 6-3-1 0.2 0.3 14.2655 6-3-1 0.3 0.1 14.4421 6-3-1 0.3 0.2 14.8175 6-3-1 0.3 0.3 15.2577 6-4-1 0.05 0.1 11.5054 6-4-1 0.05 0.2 11.601 6-4-1 0.05 0.3 11.7163 6-4-1 0.1 0.1 12.1574 6-4-1 0.1 0.2 12.4019 6-4-1 0.1 0.3 12.4349 6-4-1 0.2 0.1 13.4844 6-4-1 0.2 0.2 13.8047 6-4-1 0.2 0.3 14.1049 6-4-1 0.3 0.1 14.334 6-4-1 0.3 0.2 14.7092 6-4-1 0.3 0.3 15.1746 6-5-1 0.05 0.1 11.5321 6-5-1 0.05 0.2 11.6682 6-5-1 0.05 0.3 11.8061 6-5-1 0.1 0.1 12.0848 6-5-1 0.1 0.2 12.2033 6-5-1 0.1 0.3 12.528 6-5-1 0.2 0.1 13.5066 6-5-1 0.2 0.2 13.8581 6-5-1 0.2 0.3 14.3682 6-5-1 0.3 0.1 14.5564 6-5-1 0.3 0.2 14.9273 6-5-1 0.3 0.3 15.389
หนาท 308
หลงจากท าการสอนขอมลจนไดโมเดลโครงขายประสาทเทยมทดทสดแลว จงน าขอมลทไดแบงไวส าหรบทดสอบจ านวน 350 ชด มาทดสอบโมเดลทผานการเรยนรมาแลว เพอการวดประสทธภาพ (Evaluation) โดยผลลพธทไดใหคาเฉลยของความคลาดเคลอนสมบรณ เทากบ 11.7735 ซงถอวายงอยในระดบสง ซงจากผลการทดลองท าใหทราบวาหากตองการไปใชในการพฒนาตอใหอยในรปแบบของระบบสารสนเทศเพอการจ าลองสถานการณน าในทะเลสาบหนองหารตองน าปจจยอนทเกยวของเขามาประกอบการสรางแบบจ าลองเพมเตม
ขอเสนอแนะ
การวจยในครงนเพอพฒนาแบบจ าลองทเหมาะสมกบการพยากรณการเปลยนแปลงระดบน าหนองหาร จงหวดสกลนคร ลวงหนา 1 วน โดยการวเคราะหจากขอมลทไดจากขอมลปรมาณน าฝนรายวน ปรมาณน าฝนเฉลยตอสปดาห ระดบการเปดปดประตระบายน าทงสามบาน และการระเหยของน าแบบถาดเฉลยตอสปดาห เพยงจ านวน 2,177 ซงควรมจ านวนขอมลปฐมภมมากกวาน และนอกจากนยงมปจจยอนทมผลตอการเพมขนหรอลดลงของระดบน าในหนองหาร เชน การปลอยน าของเขอนเหนอหนองหาน ระดบน าทาในล าน ารอบหนองหาร ระยะเวลาการเปดประตระบายน าแตละบานซงมผลตออตราการปลอยน าทระบายออก อตราการใชน าเพอการอปโภคบรโภค การใชน าเพอการเกษตร เปนตน ซงปจจบนยงไมเคยมการส ารวจปรมาณการใชน าเพอการเกษตรรอบหนองหาร และควรเปรยบเทยบประสทธภาพโดยการใชเทคนคเหมองขอมลอนๆ เพอหาเทคนคทเหมาะสมส าหรบการพยากรณการเปลยนแปลงระดบน าหนองหารทแมนย ามากยงขน
บรรณานกรม คณะท างานจดท าแผนแมบทเพอการพฒนาหนองหาร จงหวดสกลนคร. (2558). แผนแมบทการอนรกษ ฟนฟ และ
พฒนาหนองหารจงหวดสกลนคร พ.ศ. 2560 - 2564. สกลนคร: คณะท างานจดท าแผนแมบทเพอการพฒนาหนองหาร จงหวดสกลนคร.
ดวงเพญ ธนพฒนดล และรชกฤช เจตนพพฒนพงษ. (2553). การศกษาเปรยบเทยบผลการเปลยนแปลงจ านวนค าตอบของโครงขายประสาทเทยมส าหรบการพยากรณระดบน าแมน ายม จงหวดแพร. วารสารการจดการสงแวดลอม ปท 6 เลมท 2, 35-53.
ทวศกด วงไพศาล และจกรฤทธ ตรนาจ. (2556). ปจจยทมผลตอความแมนย าในการพยากรณระดบน าหลากทสถานวดระดบน า M.7 โดยใชแบบจ าลองโครงขายประสาทเทยม. วารสารวชาการ วศวกรรมศาสตร ม.อบ. 6(1 ) 2013.
ปรดาวรรณ เกษเมธการณ, ชนนทร มโนชญากร และณฐภทร แกวรตนภทร. (2555). การเปรยบเทยบประสทธภาพเทคนคเหมองขอมลเพอแทนคาสญหาย. The Eighth National Conference on Computing and Information Technology, 561-567.
ภานวฒน สพบตร, ไกรง เฮงพระพรหม, สพจน เฮงพระพรหม และเดช ธรรมศร. (2558). การเปรยบเทยบประสทธภาพเทคนคการพยากรณขอมลดวยเทคนคการวเคราะหการถดถอยเชงเสนและโครงขายประสาทเทยมแบบแพรยอนกลบ. ACTIS 2015, Jan’30, Nakhon Phanom, Thailand. ISSN: 1906-9006.
มนนทร วรรณธาดา และพรรณ สทธเดช. (2556). การพยากรณระดบน าทาดวยเทคนคโครงขายประสาทเทยมแบบแพรกลบ กรณศกษา เทศบาลเมองชยภม. The 9th National Conference on Computing and Information Technology, 179-184.
สายชล สนสมบรณทอง. (2558). การท าเหมองขอมล Data Mining. กรงเทพฯ: จามจรโปรดกท.
หนาท 309
อกนษฐ อรณพทกษพนธ. (2549). การท านายระดบน าทวมของแมน าปง จากสถาน P.67 ถงสะพานนวรฐในจงหวดเชยงใหมโดยใชแบบจ าลองอทกพลศาสตร. วทยานพนธ วศวกรรมศาสตรมหาบณฑต มหาวทยาลยเชยงใหม: มหาวทยาลยเชยงใหม.
หนาท 310
