การศึกษาวิธีการเลือกค่าลักษณะสำคัญสำหรับการพยากรณ์ปริมาณน้ำในลุ่มน้ำเพชรบุรี

สิริวัฒน์ หญีตสอน

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/30729

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	สุกรี สินธุภิญโญ	-
dc.contributor.author	สิริวัฒน์ หญีตสอน	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.coverage.spatial	ไทย	-
dc.coverage.spatial	เพชรบุรี	-
dc.date.accessioned	2013-05-02T02:07:16Z	-
dc.date.available	2013-05-02T02:07:16Z	-
dc.date.issued	2554	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/30729	-
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554	en
dc.description.abstract	การพยากรณ์ปริมาณน้ำเป็นองค์ประกอบที่สำคัญในการบริหารจัดการแหล่งน้ำ โดยการที่จะได้โมเดลการพยากรณ์ที่มีความแม่นยำนั้น จะต้องมีวิธีการคัดเลือกค่าคุณลักษณะสำคัญก่อนการประมวลผลที่มีประสิทธิภาพ สำหรับคัดเลือกข้อมูลปริมาณน้ำที่มีความสำคัญอย่างแท้จริง ดังนั้นวิทยานิพนธ์นี้จึง เสนอวิธีการผสมระหว่างการวิเคราะห์สัมประสิทธิ์สหสัมพันธ์ และการวิเคราะห์การแปลงเวฟเล็ตโดยใช้วิธีการหาความสัมพันธ์ด้วยค่าสัมประสิทธิ์สหสัมพันธ์ก่อนนำไปวิเคราะห์ด้วยวิธีการแปลงเวฟเล็ต ผลลัพธ์ที่ได้จากทั้งสองวิธีดังกล่าวจะถูกนำมาใช้เป็นข้อมูลนำเข้าโมเดลในการพยากรณ์สองโมเดล ได้แก่ โครงข่ายประสาทเทียมชนิดแบ็กพรอพาเกชัน และ การวิเคราะห์การถดถอยเชิงเส้น โดยใช้ข้อมูลปริมาณน้ำรายวันจาก 4 สถานี ในลุ่มน้ำเพชรบุรี ประเทศไทย จากผลการทดลองทั้งสองโมเดลเทียบกับวิธีการคัดเลือกค่าคุณลักษณะสำคัญวิธีอื่น ๆ พบว่า วิธีการที่เสนอให้ผลลัพธ์ในการพยากรณ์ปริมาณน้ำรายวันมีความแม่นยำกว่าวิธีอื่น ๆ	en
dc.description.abstractalternative	Discharge prediction is an essential component in water management systems. To obtain an accurate prediction model, we need a good preprocessing method for extracting actually important features of the discharge data. Thus, we propose a new combinational method which integrates Correlation Coefficient Analysis and Wavelet Decomposition. The processed discharge data from both methods are then used as input for two classification methods, namely Backpropagation Neural Networks and Multiple Linear Regression. In our experiment, we tested our method based on the real world data from the Phetchaburi river basin, Thailand. The obtained model achieved lower error rate than ones from other existing methods.	en
dc.format.extent	3229751 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	es
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.relation.uri	http://doi.org/10.14457/CU.the.2011.1231	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	ระดับน้ำ -- ไทย -- เพชรบุรี	en
dc.subject	ระดับน้ำ -- พยากรณ์	en
dc.subject	แหล่งน้ำ -- ไทย -- เพชรบุรี	en
dc.subject	แหล่งน้ำ -- การจัดการ	en
dc.subject	การป้องกันน้ำท่วม -- ไทย -- เพชรบุรี	en
dc.title	การศึกษาวิธีการเลือกค่าลักษณะสำคัญสำหรับการพยากรณ์ปริมาณน้ำในลุ่มน้ำเพชรบุรี	en
dc.title.alternative	A study on feature selection methods for predicting daily discharge in phetchaburi basin	en
dc.type	Thesis	es
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	es
dc.degree.level	ปริญญาโท	es
dc.degree.discipline	วิทยาศาสตร์คอมพิวเตอร์	es
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.email.advisor	Sukree.S@Chula.ac.th	-
dc.identifier.DOI	10.14457/CU.the.2011.1231	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
siriwat_ye.pdf		3.15 MB	Adobe PDF	View/Open

Show simple item record