การเปรียบเทียบวิธีการพยากรณ์ปริมาณน้ำฝนรายเดือนในจังหวัดนราธิวาส
คำสำคัญ:
การพยากรณ์ปริมาณน้ำฝน, แบบจำลองโฮลต์–วินเทอร์, แบบจำลอง ARIMA, การวิเคราะห์อนุกรมเวลาบทคัดย่อ
จังหวัดนราธิวาสมีปริมาณฝนเฉลี่ยรายเดือนที่มีความผันแปรตามฤดูกาลอย่างเด่นชัด ซึ่งส่งผลกระทบต่อการบริหารจัดการน้ำและการเตรียมพร้อมรับมือต่อภัยพิบัติ การวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ การเคลื่อนไหวของอนุกรมเวลาและเปรียบเทียบความแม่นยำของแบบจำลองการพยากรณ์ปริมาณฝนระหว่างแบบจำลอง Holt-Winters’ Additive Exponential Smoothing: HW-AES และ Box-Jenkins ARIMA: ARIMA โดยใช้ข้อมูลปริมาณน้ำฝนเฉลี่ยรายเดือน จำนวน 132 ค่า ตั้งแต่เดือนมกราคม พ.ศ. 2556 ถึงเดือนธันวาคม พ.ศ. 2566 โดยประสิทธิภาพของแบบจำลองถูกประเมินด้วยค่าเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) ค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) และค่าความแตกต่างสัมบูรณ์ต่ำสุดระหว่างค่าปริมาณฝนจริงกับค่าที่พยากรณ์ ผลการศึกษาแสดงให้เห็นว่า แบบจำลอง Holt-Winters: HW ให้ผลการพยากรณ์ที่แม่นยำกว่าแบบจำลอง ARIMA โดยมีค่า MAPE ต่ำกว่า (83.86%) RMSE (46.27 มิลลิเมตร: มม.) และค่าความแตกต่างระหว่างค่าพยากรณ์กับค่าจริงที่น้อยกว่า (116.65 มม.) เมื่อเทียบกับแบบจำลอง ARIMA ซึ่งมีค่า MAPE เท่ากับ 198.26% และ RMSE เท่ากับ 100.89 มม. การพยากรณ์ปริมาณน้ำฝน ในปี พ.ศ. 2567 พบว่า มีค่าน้อยที่สุดในเดือนมีนาคม (46.03 มม.) และมากที่สุดในเดือนพฤศจิกายน (402.42 มม.) ดังนั้นแบบจำลอง HW-AES เหมาะสมกว่าสำหรับการพยากรณ์ในพื้นที่ที่มีลักษณะปริมาณน้ำฝนที่เป็นฤดูกาลอย่างชัดเจน
เอกสารอ้างอิง
Aini, N. N., Iriany, A., Nugroho, W. H., & Wibowo, F. L. (2022). Comparison of adaptive Holt-Winters exponential smoothing and recurrent neural network model for forecasting rainfall in Malang City. ComTech: Computer, Mathematics and Engineering Applications, 13(2), 87−96. https://doi.org/10.21512/comtech.v13i2.7570
Brito, G. R. A., Villaverde, A. R., Quan A. L., & Pérez, M. E. R. (2021). Comparison between SARIMA and Holt–Winters models for forecasting monthly streamflow in the western region of Cuba. SN Applied Sciences, 3, 671. https://doi.org/10.1007/s42452-021-04667-5
Department of Disaster Prevention and Mitigation. (2023). Flood, windstorm, and landslide disaster response plan for Narathiwat Province, 2023. Retrieved from https://backoffice minisitedisaster.go.th/apiv1/apps/minisite_e17/204/content/3107/download?filename=87ddea98ba65edeb4970125534ceff22.pdf (in Thai)
Ghayyib, M. N., Abdulrazzaq, A. A., & Adnan, F. A. (2024). Rainfall forecasting with time series model in Karbala, Iraq. Al-Kut University College Journal, Special Issue, 505-514. Retrieved from https://js.alkutcollege.edu.iq/article_24250_dbe336300b4afc34f03f5b06a8da18f0.pdf
Gowri, L. Manjula, K. R., Sasireka, K., & Deepa, D. (2022). Assessment of statistical models for rainfall forecasting using machine learning technique. Journal of Soft Computing in Civil Engineering, 6(2), 51-67. https://doi.org/10.22115/SCCE.2022.304260.1363
Homdee, T., Senawang, W., Maneeakul, P., Paengnawin, T., & Krutsaeng-anant, P. (2022). Forecasting monthly rainfall in Nakhon Phanom Province at the Lower Namkam Project Station. 27th National Civil Engineering Conference, August 24-26, 2022 (pp. 1-6). Chiang Rai: National Civil Engineering. (in Thai)
Hydro - Informatics Institute. (2023). Rainfall data. Retrieved from https://data.hii.or.th/ dataset/hii-rainfall (in Thai)
Khan, M.M.H., Mustafa, M.R.U., Hossain, M.S., Shams, S. & Julius, A.D. (2023). Short-Term and Long-Term Rainfall Forecasting Using ARIMA Model. International Journal of Environmental Science and Development, 14(5), 292-298. Retrieved from https://pure.hw.ac.uk/ws/portalfiles/portal/103987196/IJESD-V14N5-1447.pdf
Narathiwat Provincial Office. (2023). Narathiwat Provincial development plan 2023-2027 (Rev. ed.). Retrieved from http://www2.narathiwat.go.th/nara2016/files/ com_news_develop_plan/2023-01_09cea4479f3f3b8.pdf (in Thai)
Poh, L. C., & Norrulashikin, S. M. (2022). Forecasting amount of rainfall in peninsular malaysia using holt-winter method and Seasonal Autoregressive Integrated Moving Average (SARIMA). Proceedings of Science and Mathematics, 10, 142 – 152. Retrieved from https://science.utm.my/procscimath/wp-content/uploads/sites/605/2022/10/142-152-Lee-Chi-Poh_Siti-Mariam-Norrulashikin.pdf
Sopipan, N. (2014). Forecasting rainfall in Thailand: A case study of Nakhon Ratchasima Province. International Journal of Environmental, Ecological, Geological and Marine Engineering, 8(11), 712-716. Retrieved from https://www.researchgate.net/publication/275713804_Forecasting_Rainfall_in_Thailand_ A_Case_ Study_of _Nakhon_Ratchasima_Province (in Thai)
Tan, T. J., & Kamisan, N. A. B. (2022). Rainfall forecasting with time series model in Senai, Johor. Proceedings of Science and Mathematics, 11, 169–178. Retrieved from https://science.utm.my/procscimath/wp-content/uploads/sites/605/2022/10/169-178-Tan-Theng-Joe_Nur-Arina-Bazilah-Kamisan.pdf (in Thai)
Tee H.Y. & Mansor R. (2024). Forecasting rainfall volume in Selangor with combined ARIMA model. Journal of Computational Innovation and Analytics, 3(1), 83-103. https://doi.org/10.32890/ jcia2024.3.1.5
Thai Meteorological Department. (2024). Forecast of the impacts from the ENSO phenomenon in 2024. Retrieved from https://www.tmd.go.th/climate/ El-Nino-La-Nina (in Thai)
Thai Meteorological Department. (2024). Rainfall outlook for Thailand 2024. Retrieved from https://www.tmd.go.th/ (in Thai)
Waqas, M., Wannasingha Humphries, U., & Hlaing, P. T. (2024). Time series trend analysis and forecasting of climate variability using deep learning in Thailand. Results in Engineering, 24, 102997. Retrieved from https://www.sciencedirect.com/science/article/pii/S2590123024012520
Wiguna, I. K. A. G., Utami, N. L. P. A. C., Parwita, W. G. S., Udayana, I. P. A. E. D., & Sudipa, I. G. I. (2023). Rainfall forecasting using the Holt-Winters exponential smoothing method conceptual framework. Journal Info Sains : Informatikan dan Sains, 13(1), 15-23. Retrieved from https://ejournal.seaninstitute.or.id/index.php/InfoSains/article/download/2656/2007
Wutthiwongyothin, S., Srijumpa, K., & Sopha, K. (2020). Estimation of missing daily rainfall data using the quantile method. 25th National Civil Engineering Conference (p. 1-7). Chonburi: National Civil Engineering (in Thai)
