Page Header

การเปรียบเทียบรูปแบบการพยากรณ์ปริมาณน้ำฝนรายเดือนในภาคตะวันออกเฉียงเหนือ
A Comparative Forecasting Model of Monthly Rainfall in the Northeast of Thailand

Nipada Papukdee, Nuntuschaporn Senawong, Piyapatr Busababodhin

Abstract


การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบรูปแบบการพยากรณ์ 5 วิธี ได้แก่ วิธีอัตราส่วนต่อแนวโน้ม (Ratio-to-Trend Method) วิธีปรับให้เรียบเอ็กซ์โพเนนเชียลแบบโฮลท์-วินเทอร์ (Holt-Winters Exponential Smoothing Method) วิธีตัวแปรหุ่นแบบถดถอย (Regression Dummy Variables Method) วิธีทีตา (Theta Method) และวิธีการพยากรณ์ร่วม (Combined Forecasting Method) เพื่อพยากรณ์ปริมาณน้ำฝนสูงสุดรายเดือน (Maximum Monthly Rainfall; MMR) และปริมาณน้ำฝนสะสมรายเดือน (Accumulated Monthly Rainfal; AMR) ของ 3 จังหวัดในภาคตะวันออกเฉียงเหนือ ได้แก่ จังหวัดสกลนคร จังหวัดนครพนม และจังหวัดมุกดาหาร ซึ่งเก็บรวบรวมข้อมูลโดยกรมอุตุนิยมวิทยา ตั้งแต่ปี พ.ศ. 2527–2560 ทั้งนี้ผู้วิจัยได้ตรวจสอบความถูกต้องของรูปแบบการพยากรณ์ด้วยค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Square Error; MSE) โดยค่า MSE ต่ำที่สุดจะบ่งบอกถึงรูปแบบการพยากรณ์ที่ดีที่สุด ทั้งนี้ผู้วิจัยวิเคราะห์ข้อมูลด้วยโปรแกรม R จากการศึกษาพบว่า ข้อมูลปริมาณน้ำฝนที่นำมาศึกษาเป็นข้อมูลอนุกรมเวลาที่มีแนวโน้มและฤดูกาล และรูปแบบการพยากรณ์ที่ดีที่สุดคือ วิธีการพยากรณ์ร่วม รองลงมาคือวิธีอัตราส่วนต่อแนวโน้ม วิธีทีตา แนวโน้ม วิธีปรับให้เรียบเอ็กซ์โพเนนเชียลแบบโฮลท์-วินเทอร์ และวิธีตัวแปรหุ่นแบบถดถอย ตามลำดับ

The purpose of this study was to compare 5 forecasting models, i.e. Ratio-to-Trend Method, Holt-Winters Exponential Smoothing Method, Regression Dummy Variables Method, Theta Method, and Combined Forecasting Method. These methods were used to forecast the maximum monthly rainfall (MMR) and accumulated monthly rainfall (AMR) in 3 northeastern provinces of Thailand, including Sakon Nakhon, Nakhon Phanom and Mukdahan. Related data collected by Meteorological Department of Thailand during 1984 through 2017 were investigated for the accuracy of the forecasting models. The Mean Square Error (MSE) was used to determine the model accuracy while the smallest MSE values indicate the optimal forecasting model. The R programming was used for data analysis. Rainfall time series and seasonal variability were detected. As results, the optimal model was found to be Combined Forecasting Method; followed by other 4 tops models: the Ratio-to-Trend Method, Theta Method, Holt-Winters Exponential Smoothing Method and Regression Dummy Method respectively.


Keywords



Full Text: PDF

DOI: 10.14416/j.kmutnb.2018.12.14

ISSN: 2465-4698