การพยากรณ์การเกิดพายุฝนฟ้าคะนองระยะปัจจุบันจากข่าวอากาศการบิน ด้วยเทคนิคการเรียนรู้ของเครื่อง กรณีศึกษาสนามบินภาคเหนือของประเทศไทย

Abstract

วิทยานิพนธ์นี้มีวัตถุประสงค์เพื่อ (1) สร้างแบบจำลองในการพยากรณ์การเกิดพายุฝนฟ้าคะนองระยะปัจจุบัน และ (2) ประเมินประสิทธิภาพของแบบจำลองในการพยากรณ์การเกิดพายุฝนฟ้าคะนองระยะปัจจุบัน ที่มีระยะเวลาพยากรณ์ 1 และ 2 ชั่วโมงข้างหน้า สำหรับสนามบินภาคเหนือของประเทศไทยด้วยเทคนิคการเรียนรู้ของเครื่อง โดยชุดข้อมูลนำเข้า คือ ข่าวอากาศการบินของสนามบินในพื้นที่ภาคเหนือจำนวน 9 สนามบินที่มีการรายงานข่าวอากาศการบินรายชั่วโมงโดยกรมอุตุนิยมวิทยา ระหว่างเดือนมกราคม พ.ศ. 2558 ถึงเดือนธันวาคม พ.ศ. 2565 รวมทั้งสิ้น 364,382 ชุดข้อมูลระเบียบวิธีวิจัยดำเนินการโดยแบ่งข้อมูลทั้งหมดออกเป็น 5 กลุ่มข้อมูล คือ กลุ่มข้อมูลรวมสนามบินภาคเหนือ กลุ่มข้อมูลสนามบินภาคเหนือตอนบน กลุ่มข้อมูลสนามบินภาคเหนือตอนล่าง กลุ่มข้อมูลสนามบินที่มีภูเขาล้อมรอบ 1-2 ด้าน และกลุ่มข้อมูลสนามบินที่มีภูเขาล้อมรอบ 3-4 ด้าน โดยพยากรณ์การเกิดพายุฝนฟ้าคะนองระยะปัจจุบันด้วยเทคนิคการเรียนรู้ของเครื่อง และสร้างแบบจำลองการจำแนกด้วยอัลกอริทึมมาตรฐาน 3 อัลกอริทึม ได้แก่ Naive Bayes Decision Tree และ Neural Networks และอัลกอริทึมมาตรฐานร่วมกับอัลกอริทึมการเรียนรู้แบบกลุ่ม ซึ่งได้แก่ Random Forest Bagging และ AdaBoost และทำการปรับความสมดุลของข้อมูลด้วยเทคนิคการสุ่มตัวอย่างเกิน SMOTE และเปรียบเทียบประสิทธิภาพของแบบจำลองด้วยวิธี 10-Fold Cross Validationผลการวิจัยพบว่า แบบจำลองที่ดีที่สุดสำหรับกลุ่มข้อมูลรวมสนามบินภาคเหนือ ระยะเวลาการพยากรณ์ 1 ชั่วโมงข้างหน้า คือ Random Forest โดยมีค่า F-measure เท่ากับร้อยละ 76.62 ค่า Balanced Accuracy เท่ากับ 81.60 และค่า AUC เท่ากับ 0.918 และสำหรับระยะเวลาการพยากรณ์ 2 ชั่วโมงข้างหน้า คือ Neural Networks ร่วมกับ Bagging โดยมีค่า F-measure เท่ากับร้อยละ 27.72 ค่า Balanced Accuracy เท่ากับ 57.61 และค่า AUC เท่ากับ 0.681