Please use this identifier to cite or link to this item: http://kb.psu.ac.th/psukb/handle/2016/17814
Title: ตัวแบบการถดถอยร่วมกับการแปลงแบบเวฟเล็ตและตัวแบบโครงข่ายประสาทเทียมร่วมกับการแปลงแบบเวฟเล็ตสำหรับพยากรณ์ปริมาณน้ำท่าในลุ่มน้ำทะเลสาบสงขลา
Other Titles: Wavelet Regression Model and Wavelet Artificial Neural Network Model For Predicting Runoff in Songkhla Lake Basin
Authors: วิจิตรสงวน เจ็ดวรรณะ
สร้อยกนก ศรีสวัสดิ์
Faculty of Science (Mathemetics and Statistics)
คณะวิทยาศาสตร์ ภาควิชาคณิตศาสตร์และสถิติ
Keywords: เวฟเล็ต (คณิตศาสตร์);นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)
Issue Date: 2020
Publisher: มหาวิทยาลัยสงขลานครินทร์
Abstract: This study aimed to compare the forecasting efficiency of daily runoff in Songkhla Lake Basin by Wavelet Regression Model and Wavelet Neural Network Model. 70% of daily rainfall and runoff were randomly selected for calibration of models. Data from December 26", 2018 to October 31, 2019 were used for validation of models. The performance of the models was evaluated based on these statistics; Coefficient of Determination (R), Nash-Sutliffe Efficiency Coefficient (ENs) and Root Mean Square Error (RMSE). The results showed that Wavelet Regression Model and Wavelet Neural Network Model were able to explain the variation in Songkhla Lake Basin's runoff equally at 99.99%. The value of Nash-Sutcliffe Efficiency Coefficient (Ens) and Root Mean Square Error (RMSE) of Wavelet Neural Network Model was better. Hence Wavelet Neural Network Model was performed more efficient than Wavelet Regression Model.
Abstract(Thai): การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพการพยากรณ์ปริมาณ น้ำท่ารายวันในลุ่มน้ำทะเลสาบสงขลาโดยตัวแบบการถดถอยร่วมกับการแปลงแบบเวฟเล็ตและตัวแบบโครงข่ายประสาทเทียมร่วมกับการแปลงแบบเวฟเล็ต โดยใช้ข้อมูลปริมาณน้ำฝนและน้ำท่ารายวันตั้งแต่วันที่ 1 มิถุนายน พ.ศ.2560 ถึงวันที่ 31 ธันวาคม พ.ศ.2561 โดยแบ่งข้อมูลปริมาณ น้ำฝนและน้ำท่ารายวันออกเป็น 2 ส่วน คือ 1) ข้อมูลปริมาณน้ำฝนและนำท่ารายวันจำนวนร้อยละ 70 ของข้อมูลทั้งหมดโดยการสุ่ม เพื่อใช้ในการหาตัวแบบการพยากรณ์ปริมาณน้ำท่า (Calibration) 2) ข้อมูลปริมาณน้ำฝนและน้ำท่ารายวันตั้งแต่วันที่ 26 ธันวาคม พ.ศ.2561 ถึงวันที่ 31 ตุลาคม พ.ศ. 2562 เพื่อใช้ในการทดสอบประสิทธิภาพการพยากรณ์ปริมาณน้ำท่าของตัวแบบ (Validation) โดยใช้ค่าสัมประสิทธิ์การกำหนด (Coefficient of Determination : R=) ค่าสัมประสิทธิ์ประสิทธิผลของ Nash และ Sutcliffe (Nash-Sutcliffe Efficiency: (ENs)) และรากของค่าคลาดเคลื่อนกำลังสอง เฉลี่ย (Root Mean Square Error : (RMSE)) เป็นตัวชี้วัด ผลการศึกษา พบว่า ตัวแบบการถดถอยร่วมกับการแปลงแบบเวฟเล็ตและตัวแบบ โครงข่ายประสาทเทียมร่วมกับการแปลงแบบเวฟเล็ตสามารถอธิบายความผันแปรของปริมาณน้ำท่ารายวันในลุ่มน้ำทะเลสาบสงขลาได้ร้อยละ 99.99 เท่ากัน แต่เมื่อเปรียบเทียบจากค่าสัมประสิทธิ์ ประสิทธิผลของ Nash และ Sutcliffe (Nash-Sutcliffe Efficiency: (ENs)) และรากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : (RMSE)) จะได้ว่าโครงข่ายประสาทเทียมร่วมกับการแปลงแบบเวฟเล็ตมีประสิทธิภาพดีกว่าตัวแบบการถดถอยร่วมกับการแปลงแบบเวฟเล็ต
Description: วิทยานิพนธ์ (วท.ม. (สถิติ))--มหาวิทยาลัยสงขลานครินทร์, 2563
URI: http://kb.psu.ac.th/psukb/handle/2016/17814
Appears in Collections:322 Thesis

Files in This Item:
File Description SizeFormat 
447055.pdf2.65 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons