การพยากรณ์ค่าเฉลี่ยรายเดือนฝุ่นละอองขนาดไม่เกิน 2.5 ไมครอน ในจังหวัดเชียงใหม่ ด้วยวิธีแยกส่วนประกอบแบบดั้งเดิม
DOI:
https://doi.org/10.57260/stc.2024.800คำสำคัญ:
การพยากรณ์ , ฝุ่นละอองขนาดไม่เกิน 2.5 ไมครอน , การแยกส่วนประกอบแบบดั้งเดิม , เชียงใหม่บทคัดย่อ
การพยากรณ์อนุกรมเวลาด้วยวิธีแยกส่วนประกอบแบบดั้งเดิมสามารถพยากรณ์ล่วงหน้า 12 เดือน จึงเลือกมาใช้กับการพยากรณ์ค่าเฉลี่ยรายเดือนฝุ่นละอองขนาดไม่เกิน 2.5 ไมครอน (PM2.5) ในจังหวัดเชียงใหม่ โดยรวบรวมข้อมูลจากสถานีตรวจวัดถาวรจังหวัดเชียงใหม่ในเขตอำเภอเมือง ศาลากลางเมือง อำเภอเมือง (35T) ปี พ.ศ. 2563, 2564, 2565 และ 2566 (มกราคม ถึง เดือนมิถุนายน) วิธีแยกส่วนประกอบ 4 วิธี คือ วิธีตัวแบบการบวก วิธีตัวแบบการคูณ 3 วิธี ประกอบด้วย วิธีค่าเฉลี่ยอย่างง่าย วิธีอัตราส่วนต่อค่าแนวโน้ม และ วิธีอัตราส่วนต่อค่าเฉลี่ยเคลื่อนที่ถูกนำมาใช้กับข้อมูล PM2.5 ผลปรากฏว่า เมื่อใช้ข้อมูลค่าเฉลี่ยรายเดือนปี พ.ศ. 2563, 2564 และ 2565 พัฒนาตัวแบบ ความแม่นยำของตัวแบบการบวกเมื่อเทียบค่าสังเกต 36 เดือนมีค่าเฉลี่ยร้อยละความผิดพลาดสัมบูรณ์ (MAPE) ต่ำสุดเท่ากับ 7.06 อยู่ในเกณฑ์สามารถใช้พยากรณ์ได้แม่นยำสูง แต่เมื่อนำค่าพยากรณ์รายเดือนปี พ.ศ. 2566 เปรียบเทียบกับค่าสังเกต เดือนมกราคมถึงเดือน มิถุนายน พ.ศ.2566 ซึ่งมีเหตุการณ์ค่าเฉลี่ยรายเดือนสูงผิดปกติในเดือนกุมภาพันธ์ มีนาคม และเมษายนแล้ว ตัวแบบตัวแบบการคูณ วิธีค่าเฉลี่ยอย่างง่ายมีค่า MAPE ต่ำสุดเท่ากับ 28.72 จึงใช้เป็นตัวแบบในการพยากรณ์ ค่าพยากรณ์ของเดือนกรกฎาคมถึงธันวาคมมีค่าเฉลี่ยรายเดือน PM2.5 อยู่ระหว่าง 17 ถึง 26 มค.ก./ลบ.ม.
References
กระทรวงสาธารณสุข. (2566). จำนวนป่วย จำแนกรายกลุ่มโรค และรายโรค รายเดือนด้วยโรคที่เกี่ยวข้องกับมลพิษทางอากาศ. สืบค้นจาก https://hdcservice.moph.go.th/hdc/reports/report.php?&cat_id=9c647c1f31ac73f4396c2cf987e7448a&id=5968980caf87d4518aa9f0263a9299c6
กองจัดการคุณภาพอากาศและเสียง กรมควบคุมมลพิษ. (2566). สรุปข้อมูลรายเดือน (สถานี) 2566, 2565, 2564. 2563. สืบค้นจาก http://air4thai.pcd.go.th/webV2/download.php
ประชาชาติธุรกิจ ออนไลน์. (2566). เผาป่าเหนือ 5.8 แสนไร่ ชาวบ้าน 4 พันคนแลกเก็บ “เห็ดถอบ”. สืบค้นจาก https://www.prachachat.net/local-economy/news-1242280
IQAir. (2566). ดัชนีคุณภาพอากาศ (AQI) และมลพิษทางอากาศ PM2.5 ใน เชียงใหม่. สืบค้นจาก https://www.iqair.com/th/thailand/chiang-mai
Andrés, D. (2023). Error Metrics for Time Series Forecasting. Retrieved from https://mlpills .dev/time-series/error-metrics-for-time-series-forecasting/
Chan, B. (2015a). Classical Additive Decomposition. Retrieved from https://www.youtube. com/watch?v=YA8MJFdk-C4
Chan, B. (2015b). Classical Multiplicative Decomposition. Retrieved from https://www.You tube.com/watch?v=S31b-vh0Ce0
Hikmah, N., & Kartikasari, M. D. (2022). Decomposition Method with Application of Grey Model GM(1,1) for Forecasting Seasonal Time Series. Pakistan Journal of Statistics and Operation Research, 18(2), 411-416. DOI:10.18187/pjsor.v18i2.3533
Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: principles and practice. (2nd ed.). Melbourne: OTexts.
Huang, Y., Li, J., Hao, H., Xu, L., Nicholas, S., & Wang, J. (2019). Seasonal and Monthly Patterns, Weekly Variations, and the Holiday Effect of Outpatient Visits for Type 2 Diabetes Mellitus Patients in China. International Journal of Environmental Research and Public Health, 16(15), 2653. DOI:10.3390/ijerph16152653
Lewis, C. D. (1982). Industrial and business forecasting methods. Kent: Butterworths.
Li, L. (2020). STAT481/581: Introduction to Time Series Analysis Ch3. Retrieved from https://math.unm.edu/~lil/Stat581/6-decomposition.pdf
PennState Eberly College of Science. (2023). STAT 510 Applied Time Series Analysis. Retrieved from https://online.stat.psu.edu/stat510/lesson/5/5.1
Shukla, G. K., & Trivedi, M. (2017). MSTE-002 Industrial Statistics-II Block 4 TIME SERIES MODELLING Unit-14 Seasonal Component Analysis. Indira Gandhi National Open University. Retrieved from http://egyankosh.ac.in//handle/123456789/20805
United States Agency for International Development. (2017). Malaria Seasonality and Calculating Resupply Applications of the Look-Ahead Seasonality Indices in Zambia, Burkina Faso, and Zimbabwe. Retrieved from https://www.ghsupplychain.org/sites /default/files/2017-02/MalaSeasCalcResu.pdf
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2024 วารสารวิทยาศาสตร์และเทคโนโลยีสู่ชุมชน
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
1. บทความ ข้อมูล เนื้อหา รูปภาพฯลฯ ที่ได้รับการตีพิมพ์ใน “วารสารวิทยาศาสตร์และเทคโนโลยีสู่ชุมชน” ถือเป็นลิขสิทธิ์ของวารสารวิทยาศาสตร์และเทคโนโลยีสู่ชุมชน มหาวิทยาลัยราชภัฏเชียงใหม่ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจาก วารสารวิทยาศาสตร์และเทคโนโลยีสู่ชุมชน มหาวิทยาลัยราชภัฏเชียงใหม่
2. เนื้อหาบทความที่ปรากฏในวารสารเป็นความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วยหรือร่วมรับผิดชอบใดๆ
