กิตติกรรมประกาศ

ขอขอบพระคุณ นายเกิดชัย ธัญวัฒนกุล ตําแหนงผูอํานวยการสํานักงานชลประทานท่ี 9 นายสมเจต พานทอง ตําแหนงผูเชี่ยวชาญดานวิศวกรรมชลประทาน (ดานการพัฒนาแหลงน้ําและจัดการน้ําในพ้ืนท่ีลุมน้ํา สํานักงานชลประทานท่ี 9) และ นายจักราวุธ สุนทรวิภาต ตําแหนงผูอํานวยการสวนแผนงาน สํานักงานชลประทานท่ี 9 ท่ีใหคําแนะนําและขอคิดเห็นตางๆ ท่ีดีและเปนประโยชนอยางยิ่ง ตลอดจนเจาหนาท่ีของสวนแผนงาน สํานักงานชลประทานท่ี 9 ท่ีใหความรวมมือชวยเหลืองานดานเอกสาร และอํานวยความสะดวกดานตาง ๆ ในการทํางานวิจัย สงผลใหโครงการวิจัย ฯ นี้สําเร็จลุลวงไปไดดวยดี

ขอขอบพระคุณ นายประเทือง วันดี ตําแหนงผูอํานวยการโครงการสงน้ําและบํารุงรักษา

ขุนดานปราการชล และนายมนตรี ยี่กะแพทย ตําแหนงหัวหนาฝายสงน้ําและบํารุงรักษาท่ี 1 โครงการสงน้ําและบํารุงรักษาขุนดานปราการชล ตลอดจนเจาหนาท่ีของโครงการฯ ทุกทาน ท่ีอํานวยความสะดวก ใหขอมูล และใหการสนับสนุนงานวิจัยดวยดีมาโดยตลอด ทําใหโครงการวิจัย ฯ นี้สําเร็จลุลวงไปไดดวยดี

อุรินทร โสตรโยม 25 สิงหาคม 2559

1

บทท่ี 1

บทนํา

1.1 คํานํา

น้ําเปนทรัพยากรธรรมชาติท่ีมีความสําคัญตอการดํารงชีวิต และการพัฒนาทางเศรษฐกิจ ใน

สภาพการณปจจุบันเราตองมีการบริหารจัดการและใชทรัพยากรน้ําอยางเปนระบบ ซ่ึงหนึ่งใน

กระบวนการดังกลาวก็คือการบริหารจัดการอางเก็บน้ํานั่นเอง เพราะการบริหารจัดการอางเก็บน้ํา คือ

การสรางสมดุลระหวางปรากฏการณทางอุทกวิทยา (ปริมาณฝน ปริมาณน้ําไหลเขาอางเก็บน้ํา อัตรา

การระเหย ฯลฯ) ซ่ึงมีความไมแนนอน กับปริมาณความตองการน้ําซ่ึงมีแนวโนมเพ่ิมข้ึนทุกป ดังนั้น

การวางแผนเพ่ือบริหารจัดการอางเก็บน้ําใหเหมาะสมจึงมีความยากลําบาก และอาจตองเผชิญกับ

สภาวะเสี่ยงท่ีปริมาณน้ําในอางเก็บน้ําไมเพียงพอกับความตองการน้ําในชวงฤดูแลง และสภาวะเสี่ยง

การเกิดน้ําทวมในชวงฤดูน้ําหลาก โดยเฉพาะอยางยิ่งอางเก็บน้ําท่ีเปนแหลงน้ําตนทุนสําหรับเขตพ้ืนท่ี

เศรษฐกิจท่ีมีความตองการน้ําสูง

จังหวัดระยอง เปนจังหวัดท่ีมีความสําคัญทางเศรษฐกิจของประเทศไทย เนื่องจากเปนแหลง

ผลิตผลไมท่ีสําคัญของประเทศไทย และยังเปนท่ีตั้งของแหลงนิคมอุตสาหกรรมหลากหลายประเภท

ท้ังเขตประกอบการอุตสาหกรรม ชุมชนอุตสาหกรรม สวนอุตสาหกรรม รวมท้ังสิ้น 23 แหง

(eastosm.com) ซ่ึงทุกแหงลวนมีความตองการทรัพยากรน้ําท่ีเพียงพอกับความตองการของตนเอง

โดยไดรับการบริหารจัดการน้ําจากบริษัทจัดการและพัฒนาทรัพยากรน้ําภาคตะวันออก จํากัด

(มหาชน) สวนภาคการเกษตรไดรับการบริหารจัดการน้ําโดยโครงการชลประทานระยอง กรม

ชลประทาน ซ่ึงมีแหลงเก็บกักน้ําประมาณ 543 ลานลูกบาศกเมตร สําหรับใชเพ่ือการอุปโภค –

บริโภค อุตสาหกรรม การเกษตร และรักษาระบบนิเวศวิทยา ซ่ึงจากการบริหารจัดการน้ําท่ีขาดการ

คาดการณขอมูลดานอุตุ – อุทกวิทยาท่ีแมนยํา สงผลใหในป 2547 เกิดปญหาภัยแลงครอบคลุมท่ัวท้ัง

จัดหวัดระยองกอใหเกิดความเสียหายของภาคการเกษตรคิดเปนมูลคากวา 7,600 ลานบาท และภาค

อุสาหกรรมกวา 3 แสนลานบาท (อิทธิพล และดวงสุรีย, 2012)

จากเหตุผลความจําเปนดังกลาวขางตน จึงควรไดมีการวิจัยเพ่ือหาเครื่องมือสําหรับ

คาดการณปริมาณน้ําทารายเดือนลวงหนา 1 ป สําหรับใชเปนขอมูลสําหรับประเมินปริมาณน้ําทา

และปริมาณน้ําตนทุนในอางเก็บน้ํา ตลอดจนความตองการใชน้ําของภาคสวนตาง ๆ โดยเฉพาะ

อยางยิ่งภาคอุปโภค – บริโภค ภาคการเกษตร และภาคอุตสาหกรรม

1.2 วัตถุประสงคของการศึกษา

2

วัตถุประสงคของโครงการวิจัยคือ เพ่ือคาดการณปริมาณน้ําทารายเดือนลวงหนา 1 ป เพ่ือให

เจาหนาท่ี และผูบริหารท่ีมีสวนเก่ียวของกับการบริหารจัดการน้ําในลุมน้ํา และอางเก็บน้ํา

ประกอบดวย กรมชลประทาน กรมอุตุนิยมวิทยา กรมทรัพยากรน้ํา นักวิชาการ และผูสนใจเก่ียวกับ

ขอมูลปริมาณน้ําทา สามารถใชเปนขอมูลในการบริหารงาน หรือปฏิบัติหนาท่ีในความรับผิดชอบ

1.3 ขอบเขตของการวิจัย

งานวิจัยนี้กําหนดพ้ืนท่ีศึกษาในจังหวัดระยอง โดยมีการศึกษาขอมูลจากอางเก็บน้ํา จํานวน 4

อาง ประกอบดวย อางเก็บน้ําคลองใหญ อางเก็บน้ําประแสร อางเก็บน้ําดอกกราย และอางเก็บน้ํา

หนองปลาไหล

1.4 ประโยชนท่ีคาดวาจะไดรับ

1.4.1 สามารถคาดการณปริมาณน้ําทารายเดือนลวงหนา 1 ป ของอางเก็บน้ําคลองใหญ

อางเก็บน้ําประแสร อางเก็บน้ําดอกกราย และอางเก็บน้ําหนองปลาไหล

1.4.2 ไดเทคนิคการคาดการณปริมาณน้ําทารายเดือนลวงหนา 1 ป สําหรับใหเจาหนาท่ี

และผูบริหารท่ีมีสวนเก่ียวของกับการบริหารจัดการน้ําในลุมน้ํา และอางเก็บน้ํา ประกอบดวย

กรมชลประทาน กรมอุตุนิยมวิทยา กรมทรัพยากรน้ํา นักวิชาการ และผูสนใจเก่ียวกับขอมูลปริมาณ

น้ําทาสามารถนําเทคนิคนี้ไปใชในการคาดการณปริมาณน้ําทารายเดือนลวงหนาได

3

บทท่ี 2

ตรวจเอกสาร

2.1 ขบวนการทางอุทกวิทยา

วัฎจักรของอุทกวิทยา (Hydrological Cycles) คือ กระบวนการตางๆ ไดแก การเกิดน้ําจาก

ฟา (Precipitation) การซึมของน้ําลงดิน (Infiltration) การเกิดน้ําทา (Run Off) และการระเหย

และการคายน้ําของพืช (Evapotranspiration) กระบวนการเหลานี้ประกอบกันเปน "วัฎจักรของ

อุทกวิทยา" น้ําจะหมุนเวียนอยูในวัฎจักรโดยปรากฏอยูในรูปแบบและสถานะตางๆ กัน วัฎจักรของ

อุทกวิทยาไมมีจุดเริ่มตน ไมมีจุดสิ้นสุด หากกําหนดใหวัฎจักรของอุทกวิทยาเริ่มตนท่ีการระเหยของ

น้ําจากทะเลและแหลงอ่ืนๆ บนพ้ืนโลก ไอน้ําเหลานี้เม่ือลอยสูเบื้องบนจะเย็นตัวลง และภายใตสภาวะ

ท่ีเหมาะสมก็จะกลั่นตัวเปนละอองน้ําท่ีเห็นเปนเมฆ ละอองน้ํานี้จะรวมตัวจนมีขนาดใหญข้ึนแลว

ตกลงมาเปนน้ําจากฟา ซ่ึงอาจมีรูปแบบแตกตางกันไปตามสภาพทางอุตุนิยมวิทยา เม่ือฝนตกลงสู

พ้ืนดินน้ําบางสวนคงคางอยูตามใบและลําตนของพืชบางสวนจะขังอยูตามแองน้ําหรือท่ีลุม

น้ําเหลานี้อาจกลับ คืนสูบรรยากาศโดยการระเหยจากแหลงน้ําหรือการคายน้ําของพืช นอกจากนี้

น้ําบางสวนอาจซึมลึกลงไปในดิน ไปรวมกันเปนแหลงน้ําใตดิน สวนท่ีเหลือจะไหลอยูบนผิวดินในรูป

ของน้ําทา (Surface Run Off) กลายเปนแหลงน้ําผิวดิน เชน แมน้ําลําคลอง ในท่ีสุดท้ังน้ําใตดินและ

น้ําผิวดินก็จะไหลลงสูทะเลและมหาสมุทร แลวระเหยกลับข้ึนไปสูบรรยากาศอีกครบวงจร ตามวัฎจักร

(ตามรูปท่ี 2.1)

รูปท่ี 2.1 วัฏจักรของอุทกวิทยา

4

ท่ีมา: http://th.wikipedia.org/wiki/วัฏจักรของน้ํา

ขบวนการทางอุทกวิทยา (ขบวนการเกิดฝน) เปลี่ยนแปลงไปตามเวลาและสถานท่ีในลักษณะ

ท่ีทําใหสามารถคาดการณไดบางสวน (Deterministic) และบางสวนคาดการณไมได (Random)

ขบวนการนี้เรียกวา ขบวนการ สโตคาสติก (Stochastic Process) บางกรณีจะมีอิทธิพลในเชิง

Random มากกวาแบบ Deterministic จนกระท่ังพิจารณาวาเปนขบวนการ Random อยางเดียว

ซ่ึงหมายถึงวา คาของตัวแปรไมมีสหสัมพันธกับคาอ่ืนๆ ท่ีวัดได เพราะฉะนั้นหลักการทางสถิติจะ

สามารถอธิบายความแปรปรวนแบบ Random ของชุดขอมูลท่ีไดจากขบวนการอันใดอันหนึ่งทาง

อุทกวิทยาโดยพิจารณาจากคาท่ีวัดไดมากกวาลักษณะทางกายภาพของขบวนการ

2.2 สมดุลน้ําในอางเก็บน้ํา

อางเก็บน้ําทําหนาท่ีเก็บกักน้ําในยามท่ีปริมาณน้ําไหลเขาอางมากกวาความตองการ เพ่ือใหมี

น้ําเพียงพอสําหรับความตองการตางๆในชวงเวลาขาดแคลนน้ํา การวางแผนการใชน้ําจากอางเก็บน้ํา

ประจําเดือนจะทําไดโดยการวิเคราะหสมดุลของน้ํา (water balance) ในอางเก็บน้ํา ตามรูป 2.2

รูปท่ี 2.2 สมดุลของน้ําในอางเก็บน้ํา

หลักการสมดุลของน้ําในอางเก็บน้ํา คือ ปริมาณน้ําท่ีไหลเขาอาง –ปริมาณน้ําท่ีไหลออกจาก

อางท้ังหมด = ปริมาณน้ําในอางท่ีเปลี่ยนไป หรือจากรูปท่ี 2.2 เราสามารถเขียนสมการแสดงความ

สัมพันธระหวางปริมาณน้ํา ไหลเขา ปริมาณน้ําไหลออก และปริมาณน้ําในอางแตละเดือนไดดังนี้

Total V1 = Total V0 + Q - D - EV - L (2.1)

fi ǿǿǿǿǿǿǿTotal V1 = ȝflfiŦʼnʼnõfiʼnȜʼn

5

Total V0 = ȝflfiŦʼnʼnõfiđʼnȜʼn Q = ȝflfiŦʼnħõõʼnȜʼnʼnʼn D = ȝflfiŦôǺfiđõì flʼnšì õffiǺđŋȝflõôđõ EV = ȝflfiŦì flflšì IJǺʼnʼnõȜʼnʼnʼn L = ȝflfiŦì flflǺüfišì õʼnȜʼnʼnʼn

ŋȝflfiŦʼnʼnõfiʼnȜʼnħôʼnǺŦȜfiì ì ǺȝflfiŦʼnì ŧ ì ì õȜ šŋǺfiì flʼnõʼnȜʼnʼnʼn ȝflfiŦʼnħʼnõšħì ŧ ȝflfiŦʼnʼnõfiʼnȜʼnŧȜǺȝflfiŦʼnì ŧ ì ì õȜ ȝflfiŦʼnʼnõflŧđʼnȜʼnđȝšħì ŧȝflfiŦʼnì ŧ ì ì õȜ ʼnħõì ŧ ì ʼnŋȝflfiŦʼnʼnõfiʼnȜʼnħôʼnǺŦȜʼnì ǺȝflfiŦʼnì ŧ ì ì đȜšŋǺfi ì flñȜʼnʼnȜʼnʼnʼn ȝflfiŦʼnħõšì õšʼnì ǺôǺfiđõì flʼnħõfiȜšì õ ȝflfiŦʼnħñȜȝħì ŧȝflfiŦʼnì ŧ ì ì đȜŧȜǺȝflfiŦʼnʼnõfiʼnȜʼn ȝflfiŦʼnʼnõflŧđʼnȜʼnŋȜȝšħì ŧȝflfiŦʼnì ŧ ì ì đȜ

ì flǺõIJʼnì flûʼnšì õšȝflì ŧȝȜǺ ì flȝflfiʼnȝflfiŦʼnõõ ȝflfiŦôǺfiđõì flʼnšì õħõfiȜ ì flýʼnʼnõšì ì flflì flflǺüfi ǺʼnfiôʼnǺŦȝflfiŦʼnħđõõħʼnõ šì ȝflfiŦʼnħfifiđʼnȜʼnđfiì fiȜʼn ì flôʼnǺŦfiȜʼnȝflšȜʼnšħđʼnõì ʼnȝđȜflǺħûʼnì flǺõIJʼnüõȝì đšȝʼn 1 ȝ

2.3 การแจกแจงความนาจะเปน (Probability Distribution)

การแจกแจงความนาจะเปน (วิชัย, 2552) ใชสําหรับอธิบายการแจกแจงตัวแปร Random

การแจกแจงจะระบุถึงโอกาสท่ีตัวแปรมีคาอยูภายในชวงท่ีกําหนด และถา A เปนเหตุการณใน

Sample Space จะสามารถหาความถ่ีสัมพัทธของเหตุการณ A ไดโดย nA/n ถาตัวอยางมีขนาด

เพ่ิมข้ึนความถ่ีสัมพัทธจะใหคาประเมินของความนาจะเปนไดดียิ่งข้ึน ซ่ึงรูปแบบการแจกแจงความ

นาจะเปนเชิงทฤษฏี (Theoretical Proability Distribution) มีหลายรูปแบบอาทิเชน Normal

Distribution, Two – Parameter Lognormal Distribution, Three – Parameter Lognormal

Distribution, Gramma Family Distribution, Extreme Value Distribution, The Wakeby

Distribution และ The Logistic Distribution (Rao and Hamed, 2000)

Vogel and Wilson (1996) ทําการศึกษารูปแบบการแจกแจงความนาจะเปนทางทฤษฎี

แบบ Extreme Value Distribution Three – Parameter Lognormal Distribution

และ Gramma Family Distribution (Log - Pearson Type III Distribution) ท่ีเหมาะสมกับ

รู ปแบบการแจกแจงคว ามน าจะ เป นของปริ มาณน้ํ าหลากสู ง สุ ด รายป ของลุ มน้ํ า ใ น

ประเทศ สหรัฐอเมริกาจํานวน 1,455 ลุมน้ํา

6

Cheng. et al. (2006) นําเสนอวิธีการสุมตัวอยางขอมูลจากรูปแบบการแจกแจง

ความนาจะเปนทางทฤษฎี 5 รูปแบบ ไดแก Normal, Log–normal, Extreme-Value Type I,

Pearson Type III and Log-Pearson Type III ซ่ึงเปนรูปแบบการแจกแจงความนาจะเปนท่ีใชใน

การวิเคราะหความถ่ีของขอมูลทางอุทกวิทยา

Jornpradit and Chittaladakorn (2011) นําเสนอเทคนิคการเลือกรูปแบบรูปแบบการแจก

แจงความนาจะเปนทางทฤษฎีแบบ Beta, Erlang, Gumbel (Extreme), Gamma, Inverse

Gaussian, Log-logistic, Log-Normal, Pareto, Pearson (Type III), Rayleigh, และ Weibull

ท่ีเหมาะสมกับรูปแบบการแจกแจงความนาจะเปนของปริมาณฝนรายวัน

2.3.1 การแจกแจงแบบปกติ (Normal Distribution)

การแจกแจงแบบปกติ เปนการแจกแจงความนาจะเปนของคาของตัวแปรสุมท่ีเปน

คาแบบตอเนื่อง โดยท่ีคาของตัวแปรสุมมีแนวโนมท่ีจะมีคาอยูใกลๆกับคาๆหนึ่ง (เรียกวาคามัชฌิม)

กราฟแสดงคาฟงกชันความหนาแนน (Probability Density Function) จะเปนรูปคลายระฆังคว่ํา

หรือเรียกวา Guassian Function สามารถใชไดกับขอมูล สถานการณ และปรากฏการณตาง ๆ ได

หลากหลาย เชน น้ําหนัก สวนสูง อายุการใชงาน คาใชจาย และคะแนนสอบ เปนตน และยังสามารถ

ใชในการวิเคราะหสถิติอนุมาน โดยมีลักษณะการแจกแจงตามรูปท่ี 2.3 และมีคาฟงกชั่นความ

หนาแนนของการแจกแจงปกติ ดังนี้

𝑓(𝑥; 𝜇,𝜎2) =1

√2𝜋𝜎2𝑒−(𝑥−𝜇)22𝜎2 ;−∞ < 𝑥 < ∞,−∞ < 𝜇 < ∞,𝜎 > 0

โดยท่ี e = 2.71828

π = 3.14159

µ = คาเฉลี่ย

σ2 = ความแปรปรวน

7

รูปท่ี 2.3 ลักษณะการแจกแจงแบบปกติ

ท่ีมา: http://th.wikipedia.org/wiki/การแจกแจงปกติ

2.3.2 คาผิดปกติ (Outliers)

คาผิดปกติ เปนขอมูลท่ีมีคาแยกออกจากกลุมหรือผิดแผกแตกตางไปจากขอมูลคา

อ่ืน ๆ สามารถทดสอบไดหลายวิธีเชน แผนภาพกระจัดกระจาย มัชฌิมเลขคณิต คาสัมประสิทธิ์

สหสัมพันธ คาคะแนนมาตรฐาน และ คาพิสัยควอไทล เปนตน

คาพิสัยควอไทล (Interquartile Range; IQR) คือชวงหางระหวางควอไทลท่ี 1

และควอไทลท่ี 3 โดยคาผิดปกติคือคาตามสมการท่ี 1 และ 2 (D.C. Montgomery, 2007)

𝑄1 − 1.5(𝑄3 − 𝑄1) > 𝑥 (2.2)

𝑄3 + 1.5(𝑄3 − 𝑄1) < 𝑥 (2.3)

โดยท่ี Q1 = คาควอไทลท่ี 1 ของชุดขอมูล

Q3 = คาควอไทลท่ี 3 ของชุดขอมูล

x = คาใด ๆ ในชุดขอมูล

8

2.4 แบบจําลองสโตคาสติก (Stochastic Model)

แบบจําลองสโตคาสติก (วราวุธ, 2553) เปนแบบจําลองท่ีไมสามารถคาดการณผลลัพธของ

แบบจําลองวาจะเปนอยางไร แตใชสมการทางคณิตศาสตรอธิบายลักษณะการแจกแจงขอมูลของ

อนุกรมเวลา (Time Series) ข้ันตอนการสรางแบบจําลองประกอบดวย การทดสอบการแจกแจง

ขอมูล การกําหนดคาลําดับ (Order of Model) การประมาณคาพารามิเตอร (Estimation of

Parameters) และ การทดสอบความเหมาะสมของแบบจําลอง (Test of Goodness of Fit of

Selected Model) (Salas et al., 1988)

อารียา (2549) ไดพัฒนาแบบจําลองท่ีไมมีกฎเกณฑท่ีแนนอน (Stochastic Model) เพ่ือใช

ในการวิเคราะหความเสี่ยงในการปฏิบัติงานระบบอางเก็บน้ํา สําหรับประเมินความนาเชื่อถือไดของ

การปฏิบัติงานท้ังในสภาวะปจจุบัน และอนาคต พรอมท้ังคาดการณผลผลิตสูงสุดท่ีเปนไปไดของ

อางเก็บน้ําในลุมน้ําแมกลองท่ีระดับความนาเชื่อถือตาง ๆ

Wagener T. et al. (2004) ไดนําเสนอรูปแบบการสรางแบบจําลองท่ีไมมีกฎเกณฑท่ี

แนนอน (Stochastic Model) เพ่ือใชในการจําลองพฤติกรรมทางอุทกวิยา ซ่ึงมีความไมแนนอน

หรือไมมีกฎเกณฑท่ีแนนอนในการเกิด โดยแบงปจจัยท่ีสงผลตอลักษณะทางอุทกวิทยาออกเปน 2

ปจจัยหลัก คือปจจัยท่ีสามารถทราบคาท่ีแนนอน กับปจจัยท่ีไมสามารถทราบคาได โดยใชปจจัยท่ี

ทราบคาเปนขอมูลสําหรับวิเคราะหหาปจจัยท่ีไมทราบคา และจําลองพฤติกรรมทางอุทกวิทยา

Sang Y. F. and D. Wang (2008) ไดพัฒนาแบบจําลองท่ีไมมีกฎเกณฑท่ีแนนอน

(Stochastic Model) สําหรับคาดการณการเกิด runoff ลวงหนา โดยผสมผสานเทคนิคการสราง

แบบจําลองทางคณิตศาสตรระหวาง WA (Wavelet Analyze) และ ANNs (Artificial Neural

Network ท่ีสถานีอุทกวิทยา Lijin

อุรินทร (2554) ไดพัฒนาแบบจําลองท่ีไมมีกฎเกณฑท่ีแนนอน (Stochastic Model) สําหรับ

คาดการณระดับน้ําท่ีการเกิดจากผลของ Perturbation ของการสงน้ําในคลองสงน้ํา 5L – 2L ของ

โครงการสงน้ําและบํารุงรักษาสองพ่ีนอง ดัวยแบบจําลอง Autoregressive Model ลําดับท่ี 1 (AR1)

อุรินทร (2557) ไดพัฒนาแบบจําลองท่ีไมมีกฎเกณฑท่ีแนนอน (Stochastic Model) สําหรับ

คาดการณปริมาณฝนลวงหนารายปของจังหวัดระยอง

2.4.1 การสรางแบบจําลองอนุกรมเวลา (Time Series Modeling)

การสรางแบบจําลองอนุกรมเวลา (Salas and Smith, 1980) คือ การสราง

แบบจําลองเพ่ือใชเปนตัวแทนหรือใชอธิบายลักษณะการเกิดของกลุมขอมูลของอนุกรมเวลา (Time

9

Series) ประกอบดวย 6 ข้ันตอน กําหนดลักษณะของแบบจําลอง (Identification of Model

Composition) เลือกชนิดของแบบจําลอง (Selection of Model Type) กําหนดรูปแบบของ

แบบจําลอง (Identification of Model Form) ประมาณคาพารามิเตอร (Estimation of Model

Parameters) ทดสอบความเหมาะสม (Testing Goodness of Fit of Select Model) และ หาคา

ความนาเชื่อถือ (Evaluation of Uncertainties)

2.4.2 Autoregressive Model (AR Model)

Autoregressive Model เปนแบบจําลองท่ีนิยมใชในการการวิเคราะหอนุกรมเวลา

กันอยางแพรหลายดวยสาเหตุหลัก 2 ประการ คือ (1) เปนแบบจําลองท่ีสามารถจําลองรูปแบบของ

ความสัมพันธท่ีข้ึนกับเวลากลาวคือ คาของตัวแปรในปจจุบันจะข้ึนอยูกับคาของตัวแปรในอดีต และ

(2) มีรูปแบบของสมการท่ีไมซับซอน แตสอดคลองกับขอมูลอนุกรมเวลาทางอุทกวิทยา โดยมีรูปแบบ

ของสมการดังนี้

𝑦𝑡 = 𝜇 + �∅𝑗�𝑦𝑡−𝑗 − 𝜇�𝑝

𝑗=1

+ 𝜀𝑡 (2.4)

หรือในกรณีท่ีกําหนดใหตัวแปรสุมเปน Standard Normal Random Variable คือมีคาเฉลี่ยเทากับ

0 และมีความแปรปรวนเทากับ 1 จะไดสมการดังนี้

𝑧𝑡 = �∅𝑗𝑧𝑡−𝑗

𝑝

𝑗=1

+ 𝜀𝑡 (2.5)

สําหรับ AR(1)

∅�1 = 𝑟1 (2.6)

𝑟𝑘 =∑ (𝑥𝑡 − �̅�𝑡)(𝑥𝑡+𝑘 − �̅�𝑡+𝑘)𝑁−𝑘𝑡=1

[∑ (𝑥𝑡 − �̅�𝑡)𝑁−𝑘𝑡=1 ∗ ∑ (𝑥𝑡+𝑘 − �̅�𝑡+𝑘)2𝑁−𝑘

𝑡=1 ]1/2 (2.7)

−1 < ∅�1 < 1 (2.8)

สําหรับ AR(2)

10

∅�1 =𝑟1(1− 𝑟2)

1 − 𝑟12 (2.9)

∅�2 =𝑟2 − 𝑟12

1 − 𝑟12 (2.10)

∅�1 + ∅�2 < 1

∅�2 − ∅�1 < 1 (2.11)

−1 < ∅�2 < 1

โดยท่ี zt = ขอมูลอนุกรมเวลาท่ีเวลา t; t = 1,2,…,T

εt = คาความคลาดเคลื่อนของแบบจําลองท่ีเวลา t

φj = พารามิเตอรของแบบจําลอง AR ลําดับท่ี j; j = 1, 2, …, p

rk = Auto Correlation ของชุดขอมูลท่ี Lag time k; k = 1, 2, …, N/4

xt = ขอมูลลําดับท่ี t ในชุดขอมูล

N = จํานวนขอมูลท้ังหมดในชุดขอมูล

2.4.3 Autoregressive-Moving Average Modeling (ARMA Model)

จากการศึกษา AR Model พบวาเปนแบบจําลองท่ีสรางข้ึนโดยใชความสัมพันธของ

ขอมูลในอดีตกับตัวแปรสุมท่ีมีการกระจายตัวแบบปกติอีกชุดหนึ่ง ไมมีการใหน้ําหนักความสําคัญของ

ตัวแปรสุมกับการเกิดของขอมูล ซ่ึงทําใหไมสามารถอธิบายพฤติกรรมการเกิดของชุดขอมูลบาง

ประเภทได ดังนั้นเพ่ือใหสามารถอธิบายพฤติกรรมการเกิดของขอมูลไดครอบคลุมยิ่งข้ึน จึงไดนํา

น้ําหนักความสําคัญของตัวแปรสุมท่ีเกิดข้ึนในชุดขอมูลมารวมกับแบบจําลอง จึงไดเปนแบบจําลอง

ARMA(p,q) โดยมีรูปของสมการ ดังนี้

𝑧𝑡 = �∅𝑗𝑧𝑡−𝑗

𝑝

𝑗=1

+ 𝜀𝑡 −�𝜃𝑗𝜀𝑡−𝑗

𝑞

𝑗=1

(2.12)

สําหรับ ARMA(1,1)

∅�1 =𝑐2𝑐1

(2.13)

11

𝑐𝑘 =1𝑁�(𝑥𝑡 − �̅�)(𝑥𝑡+𝑘 − �̅�), 0 ≤ 𝑘 < 𝑁𝑁−𝑘

𝑡−1

(2.14)

𝜃�1 = −𝑐1́𝜎�𝜀2

(2.15)

𝜎�𝜀2 =𝑐0́

1 + 𝜃�12 (2.16)

𝑐0́ = �1 + ∅�12�𝑐0 − 2∅�1𝑐1 (2.17)

𝑐1́ = �1 + ∅�12�𝑐1 − ∅�1(𝑐2 + 𝑐0) (2.18)

𝑐1́𝜃�12 + 𝑐0́𝜃�1 + 𝑐1́ = 0 (2.19)

สําหรับ ARMA(2,1)

𝑐2 = ∅1𝑐1 + ∅2𝑐0 (2.20)

𝑐3 = ∅1𝑐2 + ∅2𝑐1 (2.21)

𝑐0́ = �1 + ∅�12 + ∅�22�𝑐0 + �2�−∅�1 + ∅�1∅�2�𝑐1 − 2∅�2𝑐1� (2.22)

𝑐1́ = �1 + ∅�12 + ∅�22�𝑐1 + ��−∅�1 + ∅�1∅�2�(𝑐2 + 𝑐0) − ∅�2(𝑐2 + 𝑐0)� (2.23)

โดยท่ี zt = ขอมูลอนุกรมเวลาท่ีเวลา t; t = 1,2,…,T

εt = คาความคลาดเคลื่อนของแบบจําลองท่ีเวลา t

φj = พารามิเตอรของแบบจําลอง AR ลําดับท่ี j; j = 1, 2, …, p

θj = พารามิเตอรของแบบจําลอง MA ลําดับท่ี j; j = 1, 2, …, q

ck = Auto covariance ของชุดขอมูลท่ี Lag time k; k = 1, 2, …, N/4

σε2 = คาความแปรปรวนของ εt

xt = ขอมูลลําดับท่ี t ในชุดขอมูล

N = จํานวนขอมูลท้ังหมดในชุดขอมูล

12

2.5 การตรวจสอบผลของแบบจําลอง (Validation Model)

การตรวจสอบผลของแบบจําลอง (วราวุธ, 2553) คือ การตรวจสอบความแมนยําของ

แบบจําลองในการจําลองผลลัพธของระบบลวงหนา โดยทําการเปรียบเทียบคาจากผลการจําลอง

(Simulate Result) กับคาท่ีเกิดข้ึนจริงซ่ึงไดจากการตรวจวัด (Observation) ดวยคาดัชนี NSE

(Nash – Sutcliffe Efficiency) โดยคาดัชนี NSE มีคาอยูระหวาง -∞ ถึง 1 และมีความหมายของคา

ดัชนี ดังนี้

ตารางท่ี 2.1 การแปลความหมายคาดัชนี NSE

คา NSE การแปลความหมายของความแมนยําในการคาดคะเน (Model Accuracy)

1 แบบจําลองสามารถคาดคะเนคาโดยไมมีความผิดพลาด

> 0 ถึง < 1 แบบจําลองสามารถคาดคะเนคาโดยมีความแมนยํามากกวาการคาดคะเนโดยใช

คาเฉลี่ย > 0.75 Good Prediction

0.36 – 0.75 Satisfactory Prediction

0 แบบจําลองสามารถคาดคะเนคาโดยมีความแมนยําไมตางจากการคาดคะเนโดยใช

คาเฉลี่ย

< 0 แบบจําลองสามารถคาดคะเนคาโดยมีความแมนยํานอยกวาการคาดคะเนโดยใช

คาเฉลี่ย

ท่ีมา: วราวุธ (2553)

Legates and McCabe (1999) ใชคาดัชนี NSE (Nash – Sutcliffe Efficiency) ในการ

ตรวจสอบความถูกตองแบบจําลองทางอุทกวิทยาท่ีไดจากการทดสอบความเหมาะสม (Goodness of

Fit) ดวยวิธีตาง ๆ

Moriasi, et al (2007) ใชคาดัชนี NSE (Nash – Sutcliffe Efficiency) ในการตรวจสอบผล

ของแบบจําลองขอบเขตพ้ืนท่ีรับน้ํา (Watershed model) เพ่ือใชพ้ืนท่ีรับน้ําท่ีไดในแบบจําลอง

วิเคราะหหาขอบเขตของพ้ืนท่ีท่ีไดรับผลกระทบจากการบริหารจัดการใชประโยชนท่ีดิน และการ

บริหารจัดการแหลงน้ํา

13

อุรินทร (2554) ใชคาดัชนี NSE (Nash – Sutcliffe Efficiency) ในการตรวจสอบความ

แมนยําของ Forecasted Perturbation Model ซ่ึงเปนแบบจําลองสโตคาสติกสําหรับคาดการณ

ระดับน้ําท่ีการเกิดจากผลของ Perturbation ของการสงน้ําในคลองสงน้ํา 5L – 2L ของโครงการสง

น้ําและบํารุงรักษาสองพ่ีนอง

อุรินทร และคณะ (2555) ใชคาดัชนี NSE (Nash – Sutcliffe Efficiency) ในการตรวจสอบ

ผลของแบบจําลองวดัอัตราการไหลแบบเปรียบเทียบระดับน้ํา 2 จุด กับผลท่ีไดจากการตรวจวัดอัตรา

การไหลในสนาม โดยทดสอบในคลองบางขนาก อําเภอบางน้ําเปรี้ยว จังหวัดฉะเชิงเทรา

อุรินทร และคณะ (2557) ใชคาดัชนี NSE (Nash – Sutcliffe Efficiency) ในการตรวจสอบ

ความถูกตองแบบจําลองทางอุทกวิทยาท่ีไดจากการทดสอบความเหมาะสม (Goodness of Fit) ดวย

วิธีตาง ๆ สําหรับการคาดการณปริมาณฝนลวงหนารายปของจังหวัดระยอง

2.6 ขอมูลเบ้ืองตนของอางเก็บน้ํา

2.6.1 อางเก็บน้ําประแสร

เริ่มกอสราง/แลวเสร็จ 2543-2554

ประเภทเข่ือน เข่ือนดิน

ระดับสันเข่ือน +39.00 ม.(รทก.)

ระดับน้ําสูงสุด +36.57 ม.(รทก.)

ปริมาตรน้ําท่ีระดับเก็บกักปกติ 248.00 ลาน ลบ.ม.

ปริมาตรน้ําท่ีระดับต่ําสุด 1.00 ลาน ลบ.ม.

ปริมาตรน้ําใชการได 247.00 ลาน ลบ.ม.

พ้ืนท่ีรับน้ําฝน 603.00 ตร.กม.

ปริมาณฝนเฉลี่ยตอป 1,597.2 มม.

ปริมาณน้ําไหลลงอางเฉลี่ยรายป 294.50 ลาน ลบ.ม.

14

รูปท่ี 2.4 พ้ืนท่ีอางเก็บน้ําประแสร

2.6.2 อางเก็บน้ําคลองใหญ

เริ่มกอสราง/แลวเสร็จ 2543-2547

ประเภทเข่ือน เข่ือนดิน

ระดับสันเข่ือน +50.00 ม.(รทก.)

ระดับน้ําสูงสุด +47.72 ม.(รทก.)

ปริมาตรน้ําท่ีระดับเก็บกักปกติ 40.10 ลาน ลบ.ม.

ปริมาตรน้ําท่ีระดับต่ําสุด 3.00 ลาน ลบ.ม.

ปริมาตรน้ําใชการได 37.10 ลาน ลบ.ม.

พ้ืนท่ีรับน้ําฝน 218.00 ตร.กม.

ปริมาณฝนเฉลี่ยตอป 1,200 มม.

ปริมาณน้ําไหลลงอางเฉลี่ยรายป 49.20 ลาน ลบ.ม.

15

รูปท่ี 2.5 พ้ืนท่ีอางเก็บน้ําคลองใหญ

2.6.3 อางเก็บน้ําดอกกราย

เริ่มกอสราง/แลวเสร็จ 2512-2518

ปรับปรุง 2534-2537

ประเภทเข่ือน เข่ือนดิน

ระดับสันเข่ือน +54.85 ม.(รทก.)

ระดับน้ําสูงสุด +53.30 ม.(รทก.)

ปริมาตรน้ําท่ีระดับเก็บกักปกติ 71.40 ลาน ลบ.ม.

ปริมาตรน้ําท่ีระดับต่ําสุด 3.00 ลาน ลบ.ม.

ปริมาตรน้ําใชการได 68.40 ลาน ลบ.ม.

พ้ืนท่ีรับน้ําฝน 391.00 ตร.กม.

ปริมาณฝนเฉลี่ยตอป 1,500 มม.

ปริมาณน้ําไหลลงอางเฉลี่ยรายป 156.63 ลาน ลบ.ม.

16

รูปท่ี 2.6 พ้ืนท่ีอางเก็บน้ําดอกกราย

2.6.4 อางเก็บน้ําหนองปลาไหล

เริ่มกอสราง/แลวเสร็จ 2533-2536

ประเภทเข่ือน เข่ือนดิน

ระดับสันเข่ือน +49.00 ม.(รทก.)

ระดับน้ําสูงสุด +49.00 ม.(รทก.)

ปริมาตรน้ําท่ีระดับเก็บกักปกติ 163.75 ลาน ลบ.ม.

ปริมาตรน้ําท่ีระดับต่ําสุด 13.16 ลาน ลบ.ม.

ปริมาตรน้ําใชการได 150.59 ลาน ลบ.ม.

พ้ืนท่ีรับน้ําฝน 408.00 ตร.กม.

ปริมาณฝนเฉลี่ยตอป 1,200 มม.

ปริมาณน้ําไหลลงอางเฉลี่ยรายป 127.69 ลาน ลบ.ม.

17

รูปท่ี 2.6 พ้ืนท่ีอางเก็บน้ําหนองปลาไหล

11

บทท่ี 3

อุปกรณ และวิธีการ

3.1 อุปกรณ

งานวิจัยเรื่องการคาดการณปริมาณฝนลวงหนารายเดือน กรณีศึกษาจังหวัดระยอง

ใชอุปกรณในการดําเนินงานวิจัยประกอบดวย เครื่องคอมพิวเตอรประมวลผลระดับสูง โดยมี

รายละเอียดอุปกรณ ดังนี้

รูปท่ี 3.1 เครื่องคอมพิวเตอรระดับสูงท่ีใชในโครงการฯ

3.1.1 ตัวเครื่อง ใชหนวยประมวลผลกลางชนิด Core I7 มีระดับความถ่ีสัญญาณนาฬิกา

3.4 GHz พรอมหนวยความจํา DDR3 ขนาด 4 GB

3.1.2 หนวยความจําขนาด 2 TB แบบ SATA II มีความเร็วรอบการหมุน 7,200 รอบ/นาที

มีอุปกรณเขียน DVD 1 ชุด และ Card Reader รองรับ SD, MMC และ Micro SD 1 ตัว

3.1.3 หนวยแสดงผลเปนจอภาพสีระดับ SVGA ขนาด 20” แบบ TFT คาความละเอียด

1,440 x 900 อัตราสวนความคมชัด 2,000,000 : 1

3.1.4 ระบบปฏิบัติการใช Windows 7. Home (ลิขสิทธิ์ถูกตอง)

12

3.2 วิธีการ

งานวิจัยนี้มีข้ันตอนในการดําเนินงาน 7 ข้ันตอนประกอบดวย (1) รวบรวมขอมูลน้ําทา (2)

ตรวจสอบขอมูล (3) กําหนดรูปแบบแจกแจงความถ่ี (4) สรางแบบจําลองสโตคาสติก (5) คาดการณ

น้ําทาลวงหนารายป (6) แจกแจงขอมูลน้ําทารายเดือน และ(7) ตรวจสอบความแมนยําของ

แบบจําลอง ตามรูปท่ี 3.2

รูปท่ี 3.2 แผนผังการดําเนินงานการคาดการณปริมาณฝนลวงหนารายเดือน กรณีศึกษาจังหวัดระยอง

3.2.1 รวบรวมขอมูลน้ําทา

รวบรวมขอมูลน้ําทา

ตรวจสอบขอมูล ปรับแก

กําหนดรูปแบบแจกแจงความถ่ี

สรางแบบจําลองสโตคาสติก

คาดการณน้ําทาลวงหนารายป

แจกแจงขอมูลน้ําทารายเดือน

ตรวจสอบแมนยําของ

แบบจําลอง

ไมถูกตอง

ไมครบถวน ถูกตอง ครบถวน

13

รวบรวมขอมูลน้ําทารายวันจากอางเก็บน้ําของกรมชลประทาน ไดแก อางเก็บน้ํา

คลองใหญ อางเก็บน้ําประแสร อางเก็บน้ําดอกกราย และอางเก็บน้ําหนองปลาไหลจังหวัดระยองใน

แบบปปฏิทิน และปน้ํา

3.2.2 ตรวจสอบขอมูล

ตรวจสอบความถูกตองและความสมบูรณของขอมูลน้ําทารายวันท่ีรวบรวมได โดย

การใชการวิเคราะหขอมูลทางสถิติเบื้องตน (ประกอบดวย คาเฉลี่ยเลขคณิต คาเบี่ยงเบนมาตรฐาน

คาสูงสุด และคาต่ําสุด) และทําการวิเคราะห Outlier ของขอมูลน้ําทารายป พรอมกับตัดขอมูลท่ีเปน

Outlier ออก และแทนคาขอมูลน้ําทาของปท่ีถูกตัด ดวยหลักการทางสถิติ

3.2.3 กําหนดรูปแบบการแจงแจงความถ่ี

กําหนดรูปแบบการแจกแจงความถ่ี โดยใชการแจกแจงขอมูลน้ําทารายเดือนแบบ

รอยละของขอมูลน้ําทารายป ซ่ึงกําหนดใหใชการแจกแจง 3 ชุดขอมูล คือ ขอมูลท้ังหมด ขอมูล

ยอนหลัง 15 ป และขอมูลยอนหลัง 10 ป และคํานวณหาคาดัชนี NSE เพ่ือใชประกอบการเลือก

รูปแบบการแจงแจงความถ่ีของแบบจําลอง

3.2.4 สรางแบบจําลองสโตคาสติก

สรางแบบจําลองสโตคาสติก (Stochastic Model) ของขอมูลน้ําทารายป พรอม

คาดการณน้ําทารายปลวงหนา 1 ชวงเวลา ดวยแบบจําลอง Auto Regressive Model (Order 1

และ 2) และแบบจําลอง Auto Regressive Moving Average Model (Order 1,1 และ 2,1)

3.2.5 คาดการณน้ําทาลวงหนารายป

คาดการณน้ําทาลวงหนารายป จากแบบจําลองท่ีสรางข้ึนและถูกเลือกแลววามีความ

เหมาะสมท่ีสุด โดยทําการคาดการณน้ําทาลวงหนา 1 ป

3.2.6 แจกแจงขอมูลน้ําทารายเดือน

แจกแจงขอมูลน้ําทารายเดือน จากขอมูลน้ําทาคาดการณ (หัวขอ 3.2.6) โดยใช

รูปแบบการแจกแจงความถ่ีท่ีเหมาะสมท่ีสุด (หัวขอ 3.2.3)

3.2.7 ตรวจสอบความแมนยําของแบบจําลอง

14

ตรวจสอบความแมนยําของแบบจําลองดวย Root Mean Square Error (RMSE)

โดยใชขอมูลน้ําทารายเดือนปพ.ศ. 2556 ท้ังปปฏิทิน และปน้ํา เปนขอมูลสําหรับตรวจสอบความ

แมนยําของแบบจําลอง

บทท่ี 4 ผลการวิจัย

4.1 ผลรวบรวมและตรวจสอบความถูกต้องของข้อมูลน ้า

4.1.1 ข้อมูลน ้าท่า การวิจัยครั้งนี้ท้าการรวบรวมและวิเคราะห์ข้อมูลน้้าท่าของสถานีวัดน้้าอ่างเก็บน้้าคลองใหญ่ อ่างเก็บน้้าประแสร์ อ่างเก็บน้้าดอกกราย และอ่างเก็บน้้าหนองปลาไหลจังหวัดระยองในแบบปีปฏิทิน และปีน้้า

4.1.1.1 สถานีวัดอ่างเก็บน้้าคลองใหญ่ อ่างเก็บน้้าคลองใหญ่ ตั้งอยู่ที่ อ้าเภอปลวกแดง จังหวัดระยอง มีความจุประมาณ 40 ล้าน ลบ.ม. เริ่มเก็บสถิติข้อมูลตั้งแต่ปี พ.ศ. 2549 ถึงปัจจุบัน โดยใช้คาบของข้อมูลน้้าท่า 10 ปี ในการสร้างแบบจ้าลองใช้ข้อมูลระหว่างปี พ.ศ. 2549 – 2558 มีปริมาณน้้าท่าต่อปีระหว่าง 43-159 ล้าน ลบ.ม. คิดเป็นปริมาณน้้าท่าเฉลี่ยเท่ากับ 110 ล้าน ลบ.ม. และมีปริมาณน้้าท่าไหลเข้าอ่างสูงสุดในเดือนตุลาคม โดยมีรายละเอียดปริมาณน้้าท่ารายเดือนแสดงตามตารางที่ 4.1

4.1.1.2 สถานีวัดอ่างเก็บน้้าประแสร์ อ่างเก็บน้้าประแสร์ ตั้งอยู่ที่ อ้าเภอวังจันทร์ จังหวัดระยอง มีความจุประมาณ 248 ล้าน ลบ.ม. เริ่มเก็บสถิติข้อมูลตั้งแต่ปี พ.ศ. 2548 ถึงปัจจุบัน โดยใช้คาบของข้อมูลน้้าท่า 11 ปี ในการสร้างแบบจ้าลองใช้ข้อมูลระหว่างปี พ.ศ. 2548– 2558 มีปริมาณน้้าท่าต่อปีระหว่าง 193-409 ล้าน ลบ.ม. คิดเป็นปริมาณน้้าท่าเฉลี่ยเท่ากับ 284 ล้าน ลบ.ม. และมีปริมาณน้้าท่าไหลเข้าอ่างสูงสุดในเดือนกันยายน โดยมีรายละเอียดปริมาณฝนรายเดือนแสดงตามตารางที่ 4.2

4.1.1.3 สถานีวัดอ่างเก็บน้้าดอกกราย อ่างเก็บน้้าดอกกราย ต้ังอยู่ที่ อ้าเภอปลวกแดง จังหวัดระยอง มีความจุประมาณ 71

ล้าน ลบ.ม. เริ่มเก็บสถิติข้อมูลตั้งแต่ปี พ.ศ. 2540 ถึงปัจจุบัน โดยใช้คาบของข้อมูลน้้าท่า 19 ปี ในการสร้างแบบจ้าลองใช้ข้อมูลระหว่างปี พ.ศ. 2540– 2558 มีปริมาณน้้าท่าต่อปีระหว่าง 72-311 ล้าน ลบ.ม. คิดเป็นปริมาณน้้าท่าเฉลี่ยเท่ากับ 152 ล้าน ลบ.ม. และมีปริมาณน้้าท่าไหลเข้าอ่างสูงสุดในเดือนตุลาคม โดยมีรายละเอียดปริมาณฝนรายเดือนแสดงตามตารางที่ 4.3

4.1.1.4 สถานีวัดอ่างเก็บน้้าหนองปลาไหล อ่างเก็บน้้าหนองปลาไหล ตั้งอยู่ที่ต้าบลละหาร อ้าเภอปลวกแดง จังหวัดระยอง มี

ความจุประมาณ 163.75 ล้าน ลบ.ม.เริ่มเก็บสถิติข้อมูลตั้งแต่ปี พ.ศ. 2537 ถึงปัจจุบัน โดยในเบื้องต้นข้อมูลส้าหรับใช้คาบของข้อมูลน้้าท่า 22 ปี ในการสร้างแบบจ้าลองใช้ข้อมูลระหว่างปี พ.ศ. 2537– 2558 มีปริมาณ

น้้าท่าต่อปีระหว่าง 89-376 ล้าน ลบ.ม. คิดเป็นปริมาณน้้าท่าเฉลี่ยเท่ากับ 217 ล้าน ลบ.ม. และมีปริมาณน้้าท่าไหลเข้าอ่างสูงสุดในเดือนตุลาคม โดยมีรายละเอียดปริมาณฝนรายเดือนแสดงตามตารางที่ 4.4

4.1.2 ผลการตรวจสอบข้อมูล

การวิจัยนี้ได้น้าข้อมูลน้้าท่าที่รวบรวมได้ในหัวข้อที่ 4.1 มาตรวจสอบค่าผิดปกติ (Outlier) เพ่ือท้าการแทนค่าชุดข้อมูลที่ผิดปกติด้วยค่าเฉลี่ยเลขคณิต (Mean) และหาค่าทางสถิติต่าง ๆ ส้าหรับใช้เป็นข้อมูลในการสร้างแบบจ้าลองอนุกรมเวลา พบว่ามีค่าปกติเกิดข้ึนในข้อมูลน้้าท่าจ้านวน 1 สถานีคือ อ่างเก็บน้้าดอก เกิดค่าผิดปกติขึ้นในชุดข้อมูลปีปฏิทิน พ.ศ. 2552 และได้ท้าการปรับแก้โดยการตัดข้อมูลเดิมออกไป และแทนค่าด้วยปริมาณน้้าท่ารายปี 152.6 ล้าน ลบ.ม. (ปริมาณน้้าท่าเฉลี่ย) 4.2 รูปแบบแจกแจงความถี่

การเก็บสถิติข้อมูลน้้าท่าที่ใช้กันโดยทั่วไปของกรมชลประทานมีอยู่ 2 รูปแบบได้แก่ แบบปีปฏิทิน (มกราคม – ธันวาคม) และแบบปีน้้า (เมษายน – มีนาคม) ซึ่งในการวิจัยนี้จะท้าการสร้างแบบจ้าลองทั้ง 2 แบบ เพ่ือเปรียบเทียบหาความเหมาะสมของรูปแบบการเก็บข้อมูลไปใช้ในการสร้ างแบบจ้าลองส้าหรับคาดการณ์ปริมาณน้้าท่าล่วงหน้ารายเดือนจ้านวน 4 สถานี ได้แก่

สถานีที่ 1 สถานีวัดน้้าอ่างเก็บน้้าคลองใหญ่ สถานีที่ 2 สถานีวัดน้้าอ่างเก็บน้้าประแสร์ สถานีที่ 3 สถานีวัดน้้าอ่างเก็บน้้าดอกกราย สถานีที่ 4 สถานีวัดน้้าอ่างเก็บน้้าหนองปลาไหล

4.2.1 ทดสอบรูปแบบการแจกแจงแบบปกติ (Normal Distribution)

การวิจัยนี้ได้ก้าหนดให้ชุดข้อมูลของอนุกรมเวลาที่น้ามาสร้างแบบจ้าลองต้องมีรูปแบบการแจกแจงแบบปกติ (Normal Distribution) ดังนั้นจึงต้องท้าการทดสอบรูปแบบการแจกแจงข้อมูลของชุดข้อมูลน้้าท่าของสถานีต่าง ๆ โดยใช้เทคนิคการพล็อตกราฟ (แสดงในภาคผนวก 1) การทดสอบด้วยค่าความเบ้

(Skewness) และการทดสอบด้วย 2 โดยผลการทดสอบสามารถสรุปได้ว่าทั้ง 4 สถานีมีรูปแบบการแจกแจงแบบปกติ และมีรายละเอียดผลการทดสอบรูปแบบการแจกแจงข้อมูลของแต่ละสถานี แสดงดังตาราง 4.5 และรายละเอียดแสดงการค้านวณแสดงในภาคผนวก 2

ตารางที่ 4.5 ผลการทดสอบการแจกแจงปกติของสถานีวัดน้้าท่า จังหวัดระยอง ที่ สถานีวัด รายการทดสอบ

พล็อตกราฟ (R2> 0.75) ค่าความเบ ้ ทดสอบด้วย 2 สรุปผล

ปีปฏิทนิ 1 อ่างเก็บน้้าคลองใหญ ่ 0.9278 -0.591<0.587 ข้อมูลน้อยเกินไป แบบปกต ิ2 อ่างเก็บน้้าประแสร ์ 0.9602 0.471<0.587 ข้อมูลน้อยเกินไป แบบปกต ิ3 อ่างเก็บน้้าดอกกราย 0.9640 1.058>0.587 0.1907<3.841 แบบปกต ิ4 อ่างเก็บน้้าหนองปลาไหล 0.9728 0.506<0.587 1.4593<3.841 แบบปกต ิ

ปีน้้า 1 อ่างเก็บน้้าคลองใหญ ่ 0.8583 -1.083<0.587 ข้อมูลน้อยเกินไป แบบปกต ิ2 อ่างเก็บน้้าประแสร ์ 0.9566 0.518<0.587 ข้อมูลน้อยเกินไป แบบปกต ิ3 อ่างเก็บน้้าดอกกราย 0.9492 0.762>0.587 1.4593<3.841 แบบปกต ิ4 อ่างเก็บน้้าหนองปลาไหล 0.9625 0.560<0.587 0.4127<3.841 แบบปกต ิ 4.2.2 รูปแบบการกระจายตัวของข้อมูลน้้าท่ารายเดือน

การวิเคราะห์หาการกระจายตัวของข้อมูลน้้าท่ารายเดือน ในการวิจัยนี้ก้าหนดให้ใช้ร้อยละของปริมาณน้้าท่าในแต่ละเดือนของปี เป็นตัวแทนของการกระจายตัวของข้อมูลน้้าท่า ซึ่งจะท้าการทดสอบคุณสมบัติดังกล่าวว่าสามารถใช้เป็นตัวแทนของการกระจายตัวของข้อมูลน้้าท่ารายเดือนในแต่ละสถานีด้วย NSE (Nash Sutcliffe Efficiency) ให้ผลการวิเคราะห์ตามตารางที่ 4.6 – 4.9 และพบว่าการใช้ร้อยละของปริมาณน้้าท่าเป็นตัวแทนของการกระจายตัวของข้อมูลน้้าท่า สามารถน้าไปใช้ได้อยู่ในเกณฑ์พอใช้ (0 < NSE < 0.75) หมายถึงการใช้ร้อยละหาปริมาณน้้าท่ารายเดือนในแต่ละปี มีความแม่นย้ากว่าการใช้ค่าเฉลี่ยน้้าท่ารายเดือน ส้าหรับสถานีที่ 1 และ 2 นอกจากนั้นเมื่อเปรียบเทียบค่า NSE ของสถานีที่ 1 – 2 ระหว่างปีปฏิทินกับปีน้้ายังพบว่า สถานีที่ 1 และ 2 ควรใช้รูปแบบการกระจายตัวของข้อมูลรายเดือนแบบปีน้้า (NSEปีน้้า> NSE

ปีปฏิทิน) แบบ Pattern 1 โดยที่ Pattern 1 คือ รูปแบบการกระจายตัวของสถิติข้อมูลทั้งหมด

Pattern 2 คือ รูปแบบการกระจายตัวของสถิติข้อมูลย้อนหลัง 15 ปี Pattern 3 คือ รูปแบบการกระจายตัวของสถิติข้อมูลย้อนหลัง 10 ปี จากผลการวิเคราะห์พบว่ารูปแบบการกระจายตัวไม่เหมาะสมกับการน้ามาใช้ในอ่างเก็บน้้าดอกกราย และอ่างเก็บน้้าหนองปลาไหล เนื่องจากอ่างเก็บน้้าทั้งสองแห่งมีการควบคุมปริมาณน้้าท่าไหลเข้าอ่างเก็บน้้าคือ มีการผันน้้าจากแหล่งน้้าต้นทุนอ่ืน เช่น อ่างเก็บน้้าประแสร์ และอ่างเก็บน้้า คลองใหญ่ มาลง อ่างเก็บน้้าหนองปลาไหล เป็นต้น ส้าหรับอ่างเก็บน้้าประแสร์ปริมาณน้้าท่าที่ไหลเข้าอ่างเก็บน้้าเกิดจาก

ธรรมชาติโดยตรง ส่วนอ่างเก็บน้้าคลองใหญ่ปริมาณน้้าท่าไหลเข้าอ่างเก็บน้้าเกิดจากธรรมชาติเป็นส่วนใหญ่ ส้าหรับน้้าท่าผันน้้ามาจากอ่างเก็บน้้าประแสร์ถูกผันต่อไปลงอ่างเก็บน้้าหนองปลาไหลโดยตรง ตารางที่ 4.6 การกระจายตัวของข้อมูลน้้าท่ารายเดือนของสถานีวัดอ่างเก็บน้้าคลองใหญ่

สถานี ร้อยละของปริมาณน้้าทา่รายเดือนตอ่ป ี NSE ปีปฏทิิน มค กพ มีค เมย พค มิย. กค. สค. กย. ตค. พย. ธค. Pattern 1 4.51 4.25 4.37 5.81 7.15 8.64 8.09 6.78 17.15 24.67 4.49 4.08 0.2406 Pattern 2 ข้อมูลไม่เพียงพอส้าหรับการวิเคราะห์ Pattern 3 ข้อมูลไม่เพียงพอส้าหรับการวิเคราะห์ ปีน ้า เมย พค มิย. กค. สค. กย. ตค. พย. ธค. มค กพ มีค Pattern 1 5.68 7.05 8.61 8.05 6.60 18.69 26.02 4.10 2.84 4.15 4.31 3.91 0.4856 Pattern 2 ข้อมูลไม่เพียงพอส้าหรับการวิเคราะห์ Pattern 3 ข้อมูลไม่เพียงพอส้าหรับการวิเคราะห์

ตารางที่ 4.7 การกระจายตัวของข้อมูลน้้าท่ารายเดือนของสถานีวัดอ่างเก็บน้้าประแสร์

สถานี ร้อยละของปริมาณน้้าทา่รายเดือนตอ่ป ี NSE ปีปฏทิิน มค กพ มีค เมย พค มิย. กค. สค. กย. ตค. พย. ธค. Pattern 1 0.78 0.53 0.78 2.49 4.61 5.44 8.27 12.41 33.69 27.27 3.30 0.43 0.7627 Pattern 2 ข้อมูลไม่เพียงพอส้าหรับการวิเคราะห์ Pattern 3 ข้อมูลไม่เพียงพอส้าหรับการวิเคราะห์ ปีน ้า เมย พค มิย. กค. สค. กย. ตค. พย. ธค. มค กพ มีค Pattern 1 2.53 5.02 5.67 8.67 12.36 32.49 27.19 3.50 0.48 0.78 0.53 0.79 0.7745 Pattern 2 ข้อมูลไม่เพียงพอส้าหรับการวิเคราะห์ Pattern 3 ข้อมูลไม่เพียงพอส้าหรับการวิเคราะห์

ตารางที่ 4.8 การกระจายตัวของข้อมูลน้้าท่ารายเดือนของสถานีวัดอ่างเก็บน้้าดอกกราย

สถานี ร้อยละของปริมาณน้้าทา่รายเดือนตอ่ป ี NSE ปีปฏทิิน มค กพ มีค เมย พค มิย. กค. สค. กย. ตค. พย. ธค. Pattern 1 6.10 4.16 4.72 5.26 8.40 7.77 9.46 6.82 6.98 18.57 14.60 6.69 -0.6241 Pattern 2 6.69 4.83 5.00 5.33 7.29 7.72 8.44 6.58 7.08 19.10 14.53 7.40 -0.7375 Pattern 3 7.51 5.19 5.41 5.11 5.58 6.97 8.08 5.68 7.11 23.18 12.36 7.82 -0.4313 ปีน ้า เมย พค มิย. กค. สค. กย. ตค. พย. ธค. มค กพ มีค Pattern 1 5.28 8.49 7.85 9.54 6.75 6.97 18.92 14.51 6.39 6.10 4.54 4.65 -0.5932 Pattern 2 5.37 8.10 7.66 9.84 6.90 6.86 18.32 14.25 6.73 6.47 4.67 4.83 -0.5739 Pattern 3 5.32 5.76 7.20 8.11 5.49 7.07 23.38 11.94 7.45 7.58 5.24 5.46 -1.3993

ตารางที่ 4.9 การกระจายตัวของข้อมูลน้้าท่ารายเดือนของสถานีวัดอ่างเก็บน้้าหนองปลาไหล

สถานี ร้อยละของปริมาณน้้าทา่รายเดือนตอ่ป ี NSE ปีปฏทิิน มค กพ มีค เมย พค มิย. กค. สค. กย. ตค. พย. ธค. Pattern 1 6.19 6.30 8.13 8.40 9.04 8.83 8.63 8.31 8.06 13.63 8.45 6.02 -0.1582 Pattern 2 6.79 7.08 8.44 8.35 8.75 7.86 8.35 7.77 7.37 14.48 8.11 6.66 -0.4104 Pattern 3 6.03 6.47 7.93 8.01 8.61 7.71 8.13 6.99 7.78 17.62 8.40 6.30 -0.8426 ปีน ้า เมย พค มิย. กค. สค. กย. ตค. พย. ธค. มค กพ มีค Pattern 1 8.08 8.75 8.59 8.38 8.08 8.10 14.07 8.60 6.05 6.44 6.51 8.36 -0.1902 Pattern 2 7.84 8.49 8.18 8.84 7.51 7.30 14.55 7.94 6.66 6.90 7.20 8.59 -0.4370 Pattern 3 7.62 8.25 7.18 7.67 6.52 7.73 18.34 8.54 6.38 6.43 6.90 8.45 -1.5629

4.3 แบบจ้าลองสโตคาสติก การสร้างแบบจ้าลองสโตคาสติกแบบ AR(1), AR(2), ARMA(1,1) และ ARMA(2,1) ให้ค้านวณหาค่าพารามิเตอร์ของแบบจ้าลองตามหัวข้อที่ 2.3 และท้าการทดสอบคุณสมบัติของพารามิเตอร์ตามเงื่อนไขของวงกลม 1 หน่วยตามสมการที่ 2.7 และ 2.10 พบว่าไม่มีสถานีใดเลยที่จะสามารถสร้างแบบจ้าลองสโตคาสติกไดค้รบทั้ง 4 ชนิด ส้าหรับอา่งเก็บน้้าดอกกราย และอ่างเก็บน้้าหนองปลาไหล ไม่สามารถสร้างแบบจ้าลองสโตคาสติดได้ เนื่องจากปริมาณน้้าท่าถูกควบคุมโดยการผันน้้าจากอ่างเก็บน้้าประแสร์ และคลองใหญ่

(1) พิจารณาข้อมูลน้้าท่าในรูปของปีปฏิทินพบว่าทุกสถานีสามารถสร้างแบบจ้าลอง AR(1), AR(2)และ ARMA(1,1) ได ้แตไ่ม่มีสถานีใดสามารถสร้างแบบจ้าลอง ARMA(2,1) ได ้

(2) พิจารณาข้อมูลน้้าท่าในรูปของปีน้้าสถานีอ่างเก็บน้้าคลองใหญ่ และสถานีอ่างเก็บน้้าประแสร์สามารถสร้างแบบจ้าลอง AR(1), AR(2) และ ARMA(1,1) ได ้

พิจารณาสาเหตุที่ไม่สามารถสร้างแบบจ้าลองได้ ส่วนหนึ่งอาจเนื่องมาจากปริมาณข้อมูลของสถานีวัด มีน้อยเกินไป เนื่องจากโดยทั่วไปแล้วในการสร้างแบบจ้าลองสโตคาสติกควรมีปริมาณข้อมูลมากกว่า 30 ข้อมูลขึ้นไป

4.3.1 สถานีวัดอ่างเก็บน้้าคลองใหญ่

สถานีวัดอ่างเก็บน้้าคลองใหญ ่มีสมการทั่วไปในการสร้างแบบจ้าลอง 3 ชนิด คือ แบบจ้าลอง AR(1), AR(2) และ ARMA(1,1) โดยมีค่าพารามิเตอร์ต่าง ๆ ในแบบจ้าลองทั้ง 4 ชนิด ตามตารางที่ 4.10 และค่าพารามิเตอร์ที่สามารถน้าไปสร้างแบบจ้าลองคาดการณ์ปริมาณน้้าท่ามีได้ 3 ชุด ได้แก่ AR(1), AR(2) และ ARMA(1,1) ทัง้ปีปฏิทินและปีน้้า โดยมีรูปของแบบจ้าลองตามสมการที่ 4.1 – 4.6

ตารางที่ 4.10 พารามิเตอร์ของแบบจ้าลองคาดการณ์น้้าท่ารายปีของสถานีวัดอ่างเก็บน้้าคลองใหญ่

แบบจ้าลอง ค่าพารามิเตอร์

หมายเหตุ 1 2 1

แบบจ้าลองคาดการณ์ฝนส้าหรับปีปฏิทิน AR(1) -0.340 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย AR(2) -0.264 0.224 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย ARMA(1,1) -0.9666 -0.8292 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย ARMA(2,1) -1.1493 -0.0589 0.1161 1> -1 อยู่นอกขอบวงกลม 1 หน่วย แบบจ้าลองคาดการณ์ฝนส้าหรับปีน้้า AR(1) -0.599 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย AR(2) -0.553 0.078 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย ARMA(1,1) -0.7196 -0.1982 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย ARMA(2,1) -1.5278 1.3329 0.2085 1 และ 2 อยู่นอกขอบวงกลม 1 หน่วย แบบจ้าลองส้าหรับคาดการณ์น้้าท่าของปีปฏิทิน ของสถานีวัดอ่างเก็บน้้าคลองใหญ่ AR (1) ( ) (4.1) AR (2) ( ) (4.2) ARMA (1,1) ( ) (4.3) แบบจ้าลองส้าหรับคาดการณ์น้้าท่าของปีน้้า ของสถานีวัดอ่างเก็บน้้าคลองใหญ่ AR (1) ( ) (4.5) AR (2) ( ) (4.5) ARMA (1,1) ( ) (4.6)

4.3.2 สถานีวัดอ่างเก็บน้้าประแสร์ สถานีวัดอ่างเก็บน้้าประแสร์ มีสมการทั่วไปในการสร้างแบบจ้าลอง 3 ชนิด คือ แบบจ้าลอง AR(1), AR(2) และ ARMA(1,1) โดยมีค่าพารามิเตอร์ต่าง ๆ ในแบบจ้าลองทั้ง 4 ชนิด ตามตารางที่ 4.11 และค่าพารามิเตอร์ที่สามารถน้าไปสร้างแบบจ้าลองคาดการณ์ปริมาณน้้าท่ามีได้ 3 ชุด ได้แก่ AR(1), AR(2) และ ARMA(1,1) ทั้งปีปฏิทินและปีน้้า โดยมีรูปของแบบจ้าลองตามสมการที่ 4.7 – 4.12 ตารางที่ 4.11 พารามิเตอร์ของแบบจ้าลองคาดการณ์น้้าท่ารายปีของสถานีวัดอ่างเก็บน้้าประแสร์

แบบจ้าลอง ค่าพารามิเตอร์

หมายเหตุ 1 2 1

แบบจ้าลองคาดการณ์ฝนส้าหรับปีปฏิทิน AR(1) 0.191 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย AR(2) 0.185 0.030 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย ARMA(1,1) 0.3238 0.1355 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย ARMA(2,1) -17.3655 3.4225 -0.0421 1< -1 อยู่นอกขอบวงกลม 1 หน่วย แบบจ้าลองคาดการณ์ฝนส้าหรับปีน้้า AR(1) 0.222 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย AR(2) 0.220 0.012 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย ARMA(1,1) 0.3013 0.1029 พารามิเตอร์อยู่ภายในวงกลม 1 หน่วย ARMA(2,1) -20.3742 4.1905 -0.0357 1< -1 อยู่นอกขอบวงกลม 1 หน่วย แบบจ้าลองส้าหรับคาดการณ์น้้าท่าของปีปฏิทิน ของสถานีวัดอ่างเก็บน้้าประแสร์ AR (1) ( ) (4.7) AR (2) ( ) (4.8) ARMA (1,1) ( ) (4.9) แบบจ้าลองส้าหรับคาดการณ์น้้าท่าของปีน้้า ของสถานีวัดอ่างเก็บน้้าประแสร์ AR (1) ( ) (4.10)

AR (2) ( ) (4.11) ARMA (1,1) ( ) (4.12) 4.4 การคาดการณ์ปริมาณน ้าท่ารายเดือนล่วงหน้า 1 ปี การคาดการณ์ปริมาณน้้าท่ารายเดือนล่วงหน้า 1 ปี เป็นการน้าแบบจ้าลองสโตคาสติกส้าหรับคาดการณ์น้้าท่ารายปีที่มีค่าพารามิเตอร์ตามสมการที่ 4.1 ถึง 4.12 มาใช้ร่วมกับรูปแบบการแจกแจงข้อมูลน้้าท่ารายเดือนตามตารางท่ี 4.6 – 4.7 ซึ่งได้ท้าการพิจารณาหารูปแบบการแจกแจงข้อมูลน้้าท่ารายเดือนจากสถิติข้อมูลทั้ง 3 แบบ ซึ่งจากผลการคาดการณ์น้้าท่ารายเดือนพบว่า สามารถคาดการณ์น้้าท่ารายปีทั้งแบบปีปฏิทนิ และแบบปีน้้า ได้ทั้ง 2 สถานี โดยใช้รูปแบบการแจกแจงข้อมูลน้้าท่ารายเดือนจากสถิติข้อมูลย้อนหลังที่แตกต่างกันแล้วแต่กรณี โดยเลือกใช้รูปแบบการแจกแจงที่ให้ค่าดัชนี NSE สูงที่สุดในแต่ละสถานี รายละเอียดการคาดการณ์แสดงดังตาราง 4.12 ถึง 4.19

4.4.1 สถานีวัดอ่างเก็บน้้าคลองใหญ ่ การคาดการณ์ปริมาณน้้าท่าของสถานีวัดอ่างเก็บน้้าคลองใหญ่ สามารถใช้แบบจ้าลองได้ 3 แบบ ส้าหรับคาดการณ์ปริมาณน้้าท่ารายปีทั้งปีปฏิทินและปีน้้า พ.ศ. 2558 โดยใช้รูปแบบการแจกแจงข้อมูลน้้าท่ารายเดือนจากสถิติข้อมูลย้อนหลังทั้งหมดเนื่องจากเริ่มเก็บข้อมูลได้เพียง 10 ปี

ในการกระจายข้อมูลน้้าท่าคาดการณ์รายปีให้เป็นข้อมูลคาดการณ์น้้าท่ารายเดือน ให้ผลการคาดการณ์ตามตารางที่ 4.12 และ 4.13 สามารถสรุปได้ว่าอ่างเก็บน้้าคลองใหญ่ ควรใช้แบบจ้าลอง ARMA(1,1) ส้าหรับคาดการณ์น้้าท่าล่วงหน้ารายปีของปีปฏิทิน และแบบจ้าลอง AR1 ส้าหรับปีน้้า โดยมีค่าความคลาดเคลื่อนของผลการคาดการณ์น้้าท่ารายเดือน RMSE เท่ากับ 48.32 และ 20.10 เปอร์เซ็นต์ ตามล้าดับ

4.4.2 สถานีวัดอ่างเก็บน้้าประแสร์ การคาดการณ์ปริมาณน้้าท่าของสถานีวัดอ่างเก็บน้้าประแสร์ สามารถใช้แบบจ้าลองได้ 3 แบบ ส้าหรับคาดการณ์ปริมาณน้้าท่ารายปีทั้งปีปฏิทินและปีน้้า พ.ศ. 2558 โดยใช้รูปแบบการแจกแจงข้อมูลน้้าท่ารายเดือนจากสถิติข้อมูลย้อนหลังทั้งหมดเนื่องจากเริ่มเก็บข้อมูลได้เพียง 11 ปี

ในการกระจายข้อมูลน้้าท่าคาดการณ์รายปีให้เป็นข้อมูลคาดการณ์น้้าท่ารายเดือน ให้ผลการคาดการณ์ตามตารางท่ี 4.14 และ 4.15 สามารถสรุปได้ว่าอ่างเก็บน้้าประแสร์ ควรใช้แบบจ้าลอง AR2 ส้าหรับคาดการณ์น้้าท่าล่วงหน้ารายปีของปีปฏิทิน และแบบจ้าลอง AR1 ส้าหรับปีน้้า โดยมีค่าความคลาดเคลื่อนของผลการคาดการณ์น้้าท่ารายเดือน RMSE เท่ากับ 4.43 และ 34.21 เปอร์เซ็นต์ ตามล้าดับ

บทท่ี 5 สรุป และข้อเสนอแนะ

5.1 สรุป จากการรวบรวมและวิเคราะห์ข้อมูลน้้าท่าของสถานีวัดในจังหวัดระยอง โดยเลือกใช้สถานีวัดอ่างเก็บน้้าคลองใหญ่ อ่างเก็บน้้าประแสร์ อ่างเก็บน้้าดอกกราย และอ่างเก็บน้้าหนองปลาไหล พบว่า (1) สถานีอ่างเก็บน้้าคลองใหญ่ มีปริมาณน้้าท่าเฉลี่ยตามปีปฏิทินประมาณ 106.89 ล้าน ลบ.ม. /ปี และมีปริมาณน้้าท่าเฉลี่ยตาม ปีน้้า (เมษายน – มีนาคม) ประมาณ 116.87 ล้าน ลบ.ม. /ปี โดยมีปริมาณน้้าท่าเฉลี่ยสูงสุดในเดือนกันยายน – ตุลาคม อยู่ระหว่าง 18.33-26.37 ล้าน ลบ.ม. (2) สถานีอ่างเก็บน้้าประแสร์ มีปริมาณน้้าท่าเฉลี่ยตามปีปฏิทินประมาณ 284.14 ล้าน ลบ.ม. /ปี และมีปริมาณน้้าท่าเฉลี่ยตามปีน้้า (เมษายน – มีนาคม) ประมาณ 284.07 ล้าน ลบ.ม. /ปี โดยมีปริมาณน้้าท่าเฉลี่ยสูงสุดในเดือนกันยายน-ตุลาคม อยู่ระหว่าง 77.47-95.72 ล้าน ลบ.ม. (3) สถานีอ่างเก็บน้้าดอกกราย มีปริมาณน้้าท่าเฉลี่ยตามปีปฏิทินประมาณ 152.62 ล้าน ลบ.ม. /ปี และมีปริมาณน้้าท่าเฉลี่ยตามปีน้้า (เมษายน – มีนาคม) ประมาณ 156.35 ล้าน ลบ.ม. /ปี โดยมีปริมาณน้้าท่าเฉลี่ยสูงสุดในเดือนตุลาคม-พฤศจิกายน อยู่ระหว่าง 22.28-28.34 ล้าน ลบ.ม. และ (4) สถานีอ่างเก็บน้้า หนองปลาไหล มีปริมาณน้้าท่าเฉลี่ยตามปีปฏิทินประมาณ 217.94 ล้าน ลบ.ม. /ปี และมีปริมาณน้้าท่าเฉลี่ยตามปีน้้า (เมษายน – มีนาคม) ประมาณ 216.30 ล้าน ลบ.ม. /ปี โดยมีปริมาณน้้าท่าเฉลี่ยสูงสุดในเดือนตุลาคม-พฤศจิกายน อยู่ระหว่าง 18.42-29.70 ล้าน ลบ.ม.

การคาดการณ์น้้าท่ารายเดือนล่วงหน้า 1 ปี เป็นการน้าแบบจ้าลองสโตคาสติกมาใช้ร่วมกับรูปแบบการแจกแจงข้อมูลน้้าท่ารายเดือน ซึ่งจากผลการคาดการณ์น้้าท่ารายเดือนพบว่า

(1) สถานีอ่างเก็บน้้าคลองใหญ่ ควรใช้ปีน้้าในการคาดการณ์น้้าท่ารายปีด้วยแบบจ้าลอง AR1 ตามสมการที่ 5.1 และใช้รูปแบบการกระจายตัวของสถิติข้อมูลทั้งหมด ซึ่งจะให้ค่าความคลาดเคลื่อนรวมทั้งปีเท่ากับ 20.10 เปอร์เซ็นต์ (ประมาณ 12.38 ล้าน ลบ.ม.)

( ) (5.1)

(2) สถานีอ่างเก็บน้้าประแสร์ ควรใช้ปีปฏิทินในการคาดการณ์น้้าท่ารายปีด้วยแบบจ้าลอง AR2 ตามสมการที่ 5.2 และใช้รูปแบบการกระจายตัวของสถิติข้อมูลทั้งหมด ซึ่งจะให้ค่าความคลาดเคลื่อนรวมทั้งปีเท่ากับ 4.43 เปอร์เซ็นต์ (ประมาณ 12.43 ล้าน ลบ.ม.))

( ) (5.2)

(3) สถานีอ่างเก็บน้้าดอกไม่สามารถสร้างแบบจ้าลองสโตคาสติกส้าหรับจ้าลองชุดข้อมูล และใช้แบบจ้าลองดังกล่าวในการคาดการณ์ปริมาณน้้าท่าล่วงหน้าได้ เนื่องจากปริมาณน้้าท่าไหลเข้าอ่างเก็บน้้า ดอกกรายไม่ได้เกิดตามธรรมชาติทั้งหมด บางส่วนถูกควบคุมโดยการผันน้้าจากแหล่งน้้าต้นทุนอื่น

(4) สถานีอ่างเก็บน้้าหนองปลาไหลไม่สามารถสร้างแบบจ้าลองสโตคาสติกส้าหรับจ้าลองชุดข้อมูล

และใช้แบบจ้าลองดังกล่าวในการคาดการณ์ปริมาณน้้าท่าล่วงหน้าได้ เนื่องจากปริมาณน้้าท่าไหลเข้าอ่างเก็บน้้าหนองปลาไหลไม่ได้เกิดตามธรรมชาติทั้งหมด บางส่วนถูกควบคุมโดยการผันน้้าจากแหล่งน้้าต้นทุนอื่น

5.2 ข้อเสนอแนะ จากการศึกษา และวิจัย โครงการการคาดการณ์ปริมาณน้้าท่าล่วงหน้ารายเดือน กรณีศึกษาจังหวัดระยอง โดยใช้แบบจ้าลองสโตคาสติก ร่วมกับร้อยละของปริมาณน้้าท่ารายเดือนต่อปีของแต่ละสถานี พบว่า ผลที่ได้จากการจ้าลองมีความคลาดเคลื่อนพอสมควรโดยมีค่าเฉลี่ยความคลาดเคลื่อนสูงกว่า 1 ล้าน ลบ.ม. ในทุกสถานี ทั้งนี้ส่วนหนึ่งอาจจะเนื่องจากจ้านวนของชุดข้อมูลที่มีน้อยเกินไป(น้อยกว่า 30 ชุดข้อมูล) แต่อย่างไรก็ดีเมื่อพิจารณาเปรียบเทียบระหว่างค่าปริมาณน้้าคาดการณ์ที่ได้จากแบบจ้าลองกับค่าเฉลี่ยของแต่ละสถานีพบว่าค่าคาดการณ์ที่ได้จากแบบจ้าลองก็ยังมีค่าใกล้เคียงกับปริมาณน้้าท่าที่วัดได้จริงมากกว่าค่าเฉลี่ยในทุกสถานี นอกจากนั้นยังพบว่าสถานีวัดน้้าท่าอ่างเก็บน้้าดอกกราย และอ่างเก็บน้้าหนองปลาไหลไม่สามารถคาดการณ์ปริมาณน้้าท่าได้ เนื่องจากปริมาณน้้าท่าที่เกิดขึ้นมีบางส่วนถูกควบคุมโดยการผันน้้าจากแหล่งน้้าต้นทุนอื่นดังนั้นเพื่อให้งานวิจัยในครั้งต่อไปมีความแม่นย้าเพ่ิมขึ้น จึงมีข้อเสนอแนะ ดังนี้ 1) ควรพิจารณาใช้แบบจ้าลองสโตคาสติกแบบอ่ืน ๆ ในการจ้าลองคาดการณ์ปริมาณน้้าท่าล่วงหน้ารายปี เช่น Autoregressive Integrated Moving Average Model, Fractional Gaussian Noise Model, Broken Line Model, Shifting Level Model หรือแบบจ้าลองอ่ืน ๆ ที่ใช้ในการจ้าลองข้อมูลของอนุกรมเวลา 2) ควรพิจารณาสร้างแบบจ้าลองคาดการณ์ปริมาณน้้าท่าล่วงหน้าเป็นรายฤดูกาล (Periodic Time Series) แทนการสร้างแบบจ้าลองคาดการณ์ปริมาณน้้าท่าล่วงหน้ารายปี (Annual Time Series) 3) ควรพิจารณาใช้ความน่าจะเป็นของรูปแบบการเกิดน้้าท่ารายเดือน (เลือกชนิดของการแจกแจงที่เหมาะสมกบัข้อมูลน้้าท่าที่เกิดขึ้นจริงในสนาม) เป็นเครื่องมือในการแจกแจงข้อมูลน้้าท่ารายเดือน แทนการใช้ค่าร้อยละ เช่น Normal Distributions (Normal Distribution, Two – Parameter Lognormal Distribution, Three – Parameter Lognormal Distribution), The Gamma Family (Exponential Distribution, Two – Parameter Gamma Distribution, Pearson Distribution, Log – Pearson Distribution) และ Extreme Value Distribution (Generalized Extreme Value Distribution, The Extreme Value Type I Distribution, Weibull Distribution) เป็นต้น

4) ควรพิจารณาตัดปริมาณน้้าท่าที่ไม่ได้เกิดขึ้นตามธรรมชาติออกไปจากอ่างเก็บน้้านั้น ๆ แล้วน้าปริมาณน้้าท่าท่ีเกิดข้ึนตามธรรมชาติมาสร้างแบบจ้าลองสโตคาสติกขึ้นใหม่