การพยากรณ์ระดับน้ำในแม่น้ำเจ้าพระยาภายใต้อิทธิพลของระดับน้ำขึ้นน้ำลง โดยใช้โครงข่ายใยประสาทเทียม

Abstract

การพยากรณ์ค่าระดับน้ำรายชั่วโมงภายในแม่น้ำและบริเวณปากแม่น้ำเป็นมาตรการทางวิศวกรรมที่ไม่ใช้โครงสร้างที่สำคัญ วิธีหนึ่ง ซึ่งมีบทบาทสำคัญต่อการวางแผนและบริหารกิจกรรมต่าง ๆ เช่น ระบบเตือนภัยน้ำท่วม การบรรเทาน้ำท่วม การระบายน้ำ และการเดินเรือ แบบจำลองโครงข่ายใยประสาทเทียม (Artificial Neural Network : ANN) ชนิดปรับแก้ค่าย้อนหลังถูกใช้ในการพยากรณ์ระดับน้ำรายชั่วโมงที่สถานีปากเกร็ด สถานีสามเสน สถานีป้อมพระจุล และสถานีสันดอนกรุงเทพ ล่วงหน้า 1, 3, 6, 12, 24 ชั่วโมง 2, 3, 5 และ 7 วัน รวม 9 ค่าตัวแปรเข้าของแบบจำลองคือ ค่าระดับน้ำสังเกตรายชั่วโมงที่สถานีบางไทรซึ่งเป็นตัวแทนของน้ำหลากจากทางด้านเหนือ ค่าระดับน้ำสังเกตรายชั่วโมงที่สถานีใกล้เคียงและความลึกฝนเป็นตัวแทนของฝนที่ตกในพื้นที่ และค่าระดับน้ำสังเกตรายชั่วโมงที่สถานีสันดอนกรุงเทพซึ่งเป็นตัวแทนของระดับนำทะเล การศึกษาพบว่า 1. โครงสร้างที่เหมาะสมของแบบจำลองสำหรับสถานีปากเกร็ด คือ 139-139-9 ค่าโมเมนตัม = 0.8 และอัตราการเรียนรู้ = 0.01 2. โครงสร้างที่เหมาะสมของแบบจำลองสำหรับสถานีสามเสน ป้อมพระจุล และสันดอนกรุงเทพ คือ 126-126-9 ค่าโมเมนตัม = 0.8 และอัตราการเรียนรู้ = 0.01 3. ตัวแปรเช้าสู่แบบจำลองเป็นปัจจัยหลักที่มีผลต่อความถูกต้องในการพยากรณ์มากที่สุด 4. เมื่อเปรียบเทียบผลการพยากรณ์ค่าระดับน้ำรายชั่วโมง พบว่า สำหรับสถานีปากเกร็ดและสถานีสามเสน แบบจำลอง ANN ให้ผลดีกว่าแบบจำลองฮาร์โมนิก 10 % แต่สำหรับสถานีป้อมพระจุลและสถานีสันดอนกรุงเทพ แบบจำลองฮาร์โมนิก ให้ผลดีกว่าแบบจำลอง ANN 10-25 %