สืบค้นงานวิจัย
การประยุกต์ใช้ artifical neural networks ในการจัดสรรน้ำจากอ่างเก็บน้ำ : กรณีศึกษา อ่างเก็บน้ำลำตะคอง
Wongakkin Sangsuwan - มหาวิทยาลัยมหิดล
ชื่อเรื่อง: การประยุกต์ใช้ artifical neural networks ในการจัดสรรน้ำจากอ่างเก็บน้ำ : กรณีศึกษา อ่างเก็บน้ำลำตะคอง
ชื่อเรื่อง (EN): Application of artificial neural networks for water allocation : a case study of Lamtakhong reservoir
ผู้แต่ง / หัวหน้าโครงการ (EN): Wongakkin Sangsuwan
บทคัดย่อ: ปัจจุบันปัญหาการขาดแคลนน้ำในพื้นที่ลุ่มน้ำลำตะคองนับวันจะทวีความรุนแรงขึ้น ซึ่งมี สาเหตุหลักมาจากภาวะฝนทิ้งช่วงและปริมาณฝนที่น้อยกว่าที่คาดการณ์ไว้ การจัดสรรน้ำให้กับภาค กิจกรรมต่างๆในปัจจุบันมีวิธีการที่ยุ่งยากซับซ้อนและต้องใช้ข้อมูลที่เกี่ยวข้องมากทำให้ไม่สามารถ แก้ไขปัญหาที่เกิดขึ้นอย่างฉับพลันได้อย่างทันท่วงที การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อวิเคราะห์รูปแบบของแบบจำลองโครงข่ายใยประสาท เทียมที่เหมาะสมสำหรับการจัดสรรน้ำจากอ่างเก็บน้ำลำตะคอง โดยใช้ข้อมูลจากการวิเคราะห์ สมดุลน้ำโดยแบบจำลอง HEC-3 มาวิเคราะห์รูปแบบที่เหมาะสมสำหรับการจัดสรรน้ำโดย แบบจำลองโครงข่ายใยประสาทเทียม แล้วนำมาจัดทำเป็นโปรแกรมเพื่อให้สามารถใช้งานได้ง่าย สะดวกและรวดเร็ว ผลการวิเคราะห์สมดุลน้ำในรอบ 29 ปี (พ.ศ.2518-2546) พบว่า เกิดการขาดแคลนน้ำขึ้นใน ทุกกิจกรรมโดยภาคเกษตรกรรมขาดน้ำเฉลี่ย 14.86 % ภาคการอุปโภคบริโภคและอุตสาหกรรม ขาดน้ำเฉลี่ย 3.47 % และปริมาณน้ำเพื่อรักษาระบบนิเวศน์ขาดน้ำเฉลี่ย 4.89 % โดยเฉพาะในปีที่มี ปริมาณน้ำไหลเข้าอ่างเก็บน้ำน้อยจะเกิดสภาวะการขาดน้ำอย่างรุนแรง ผลการวิเคราะห์รูปแบบที่ เหมาะสมสำหรับการจัดสรรน้ำโดยแบบจำลองโครงข่ายใยประสาทเทียม พบว่า โครงสร้าง 3-8-8-1 อัตราการเรียนรู้ 0.1 และค่าโมเมนตั้ม 0.8 มีความเหมาะสมที่สุด ผลจากการฝึกอบรมและทดสอบ โครงข่าย มีค่าR2 = 0.9669 และ 0.9764 ตามลำดับ ผลการพยากรณ์เปรียบเทียบกับการปล่อยน้ำจริง ในปีพ.ศ. 2547 และ 2548 มีค่าR2 = 0.6527 และ 0.2437 ตามลำดับ ผลการพยากรณ์ในปีพ.ศ. 2548 มีค่าต่ำ เนื่องจากเกิดปัญหาภัยแล้งรุนแรงและในการจัดสรรน้ำจริงมีปัจจัยอื่นนอกเหนือจากหลัก สมดุลน้ำมาเกี่ยวข้องเช่น ปัญหาการเมืองและปัญหาสังคม อย่างไรก็ดี แบบจำลองที่ได้จาก การศึกษามีจุดเด่นที่สามารถนำไปปฏิบัติงานได้ง่ายและค่อนข้างมีประสิทธิภาพ
บทคัดย่อ (EN): Presently, problems of water shortage are intensively increased, mainly from sparse rainfall and lower volume of rainfall than forecasted. Water allocations for numerous activities are currently complicated and concerned with many relevant data which make it difficult to solve sudden problems immediately. The objective of this research was to analyze the model of Artificial Neural Networks appropriated for water allocation at Lamtakhong Reservoir with the application of data from the analysis of water balance through the HEC-3 model. Appropriated designs of water allocation through Artificial Neural Networks were applied. Analysis of water balance in a 29-year cycle (1975-2003) indicated that water shortages had occurred in all activities. Water shortage in agriculture, domestic use and industry, and in maintaining ecosystem are 14.86%, 3.47% and 4.89%, respectively. Water shortages had reached critical levels in the past years, where water flow into the reservoirs had declined. Analysis on appropriated water allocation through Artificial Neural Networks indicates that a structure of 3-8-8-1, learning rate value of 0.1 and momentum factor value of 0.08 are the most appropriated factors. Training and testing of the network indicated theoretical results were very close to HEC-3 results (R2= 0.9669 and 0.9764, respectively). Forecasting results in comparison with actual water discharge in 2004 and 2005 are R2= 0.6527 and 0.2437, respectively. Forecasting results in 2005 were low because Lamtakhong basin was hit by severe drought conditions, thus water allocation followed on emergency situation. In addition to actual water allocation is related to some external factors, for instances, political and social problems. However, the model derived from this research contained certain advantages that may be applied to ease water distribution operation
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เอกสารแนบ: http://dcms.thailis.or.th/dcms/dccheck.php?Int_code=126&RecId=3465&obj_id=4968
เผยแพร่โดย: มหาวิทยาลัยมหิดล
คำสำคัญ (EN): Thailand
เจ้าของลิขสิทธิ์: มหาวิทยาลัยมหิดล
รายละเอียด: ปัจจุบันปัญหาการขาดแคลนน้ำในพื้นที่ลุ่มน้ำลำตะคองนับวันจะทวีความรุนแรงขึ้น ซึ่งมี สาเหตุหลักมาจากภาวะฝนทิ้งช่วงและปริมาณฝนที่น้อยกว่าที่คาดการณ์ไว้ การจัดสรรน้ำให้กับภาค กิจกรรมต่างๆในปัจจุบันมีวิธีการที่ยุ่งยากซับซ้อนและต้องใช้ข้อมูลที่เกี่ยวข้องมากทำให้ไม่สามารถ แก้ไขปัญหาที่เกิดขึ้นอย่างฉับพลันได้อย่างทันท่วงที การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อวิเคราะห์รูปแบบของแบบจำลองโครงข่ายใยประสาท เทียมที่เหมาะสมสำหรับการจัดสรรน้ำจากอ่างเก็บน้ำลำตะคอง โดยใช้ข้อมูลจากการวิเคราะห์ สมดุลน้ำโดยแบบจำลอง HEC-3 มาวิเคราะห์รูปแบบที่เหมาะสมสำหรับการจัดสรรน้ำโดย แบบจำลองโครงข่ายใยประสาทเทียม แล้วนำมาจัดทำเป็นโปรแกรมเพื่อให้สามารถใช้งานได้ง่าย สะดวกและรวดเร็ว ผลการวิเคราะห์สมดุลน้ำในรอบ 29 ปี (พ.ศ.2518-2546) พบว่า เกิดการขาดแคลนน้ำขึ้นใน ทุกกิจกรรมโดยภาคเกษตรกรรมขาดน้ำเฉลี่ย 14.86 % ภาคการอุปโภคบริโภคและอุตสาหกรรม ขาดน้ำเฉลี่ย 3.47 % และปริมาณน้ำเพื่อรักษาระบบนิเวศน์ขาดน้ำเฉลี่ย 4.89 % โดยเฉพาะในปีที่มี ปริมาณน้ำไหลเข้าอ่างเก็บน้ำน้อยจะเกิดสภาวะการขาดน้ำอย่างรุนแรง ผลการวิเคราะห์รูปแบบที่ เหมาะสมสำหรับการจัดสรรน้ำโดยแบบจำลองโครงข่ายใยประสาทเทียม พบว่า โครงสร้าง 3-8-8-1 อัตราการเรียนรู้ 0.1 และค่าโมเมนตั้ม 0.8 มีความเหมาะสมที่สุด ผลจากการฝึกอบรมและทดสอบ โครงข่าย มีค่าR2 = 0.9669 และ 0.9764 ตามลำดับ ผลการพยากรณ์เปรียบเทียบกับการปล่อยน้ำจริง ในปีพ.ศ. 2547 และ 2548 มีค่าR2 = 0.6527 และ 0.2437 ตามลำดับ ผลการพยากรณ์ในปีพ.ศ. 2548 มีค่าต่ำ เนื่องจากเกิดปัญหาภัยแล้งรุนแรงและในการจัดสรรน้ำจริงมีปัจจัยอื่นนอกเหนือจากหลัก สมดุลน้ำมาเกี่ยวข้องเช่น ปัญหาการเมืองและปัญหาสังคม อย่างไรก็ดี แบบจำลองที่ได้จาก การศึกษามีจุดเด่นที่สามารถนำไปปฏิบัติงานได้ง่ายและค่อนข้างมีประสิทธิภาพ
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

Wongakkin Sangsuwan. "การประยุกต์ใช้ artifical neural networks ในการจัดสรรน้ำจากอ่างเก็บน้ำ : กรณีศึกษา อ่างเก็บน้ำลำตะคองApplication of artificial neural networks for water allocation : a case study of Lamtakhong reservoir". มหาวิทยาลัยมหิดล. 2549

Wongakkin Sangsuwan. "การประยุกต์ใช้ artifical neural networks ในการจัดสรรน้ำจากอ่างเก็บน้ำ : กรณีศึกษา อ่างเก็บน้ำลำตะคองApplication of artificial neural networks for water allocation : a case study of Lamtakhong reservoir". มหาวิทยาลัยมหิดล. 2549. Print.



TARR Wordcloud:
การประยุกต์ใช้ artifical neural networks ในการจัดสรรน้ำจากอ่างเก็บน้ำ : กรณีศึกษา อ่างเก็บน้ำลำตะคอง
Wongakkin Sangsuwan
มหาวิทยาลัยมหิดล
2549
ศักยภาพของอ่างเก็บน้ำลำตะคองเพื่อส่งเสริมการเพาะเลี้ยงปลาในกระชัง จังหวัดนครราชสีมา การประมาณค่าตะกอนแขวนลอยในลำน้ำโดยการใช้โครงข่ายใยประสาทเทียม กรณีศึกษา ลุ่มน้ำลำตะคองตอนบน การปรับปรุงคุณภาพดินกระจายตัวลำตะคองโดยใช้ปูนขาว การปรับปรุงคุณภาพดินกระจายตัวลำตะคองโดยใช้ซีเมนต์ การหาความเหมาะสมในการปล่อยน้ำจากระบบอ่างเก็บน้ำโดยใช้พันธุกรรมทางคอมพิวเตอร์ : กรณีศึกษาลุ่มน้ำแม่กลอง การจัดลำดับความสำคัญของการจัดสรรน้ำจากอ่างเก็บน้ำในฤดูแล้ง กรณีศึกษา : อ่างเก็บน้ำเขื่อนแม่กวงอุดมธาราตำบลวงเหนือ อำเภอดอยสะเก็ด จังหวัดเชียงใหม่ ผลกระทบจากน้ำที่ใช้ในการเก็บคราบเลือดต่อการวิเคราะห์สารพันธุกรรม การวิเคราะห์การจัดสรรน้ำและการจัดการน้ำในลุ่มน้ำแม่วาง ความสัมพันธ์ระหว่างการเปลี่ยนแปลงการใช้ประโยชน์ที่ดินกับสมดุลน้ำในพื้นที่ชุ่มน้ำ กรณีศึกษาเขตห้ามล ประสิทธิภาพของการเติมน้ำจากอ่างซึมน้ำ บริเวณพื้นที่อ่างเก็บน้ำห้วยหนองสูน อำเภอบ้านโฮ่ง จังหวัดลำพูน
คัดลอก URL
กระทู้ของฉัน
ผลการสืบค้นทั้งหมด โพสต์     เรียงลำดับจาก
พัฒนาระบบโดยศูนย์ความรู้เฉพาะด้านวิศวกรรมความรู้และวิศวกรรมภาษาDeveloped by Center of Excellence for Unified Knowledge and Language Engineering
สนับสนุนโดยสำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)Supported by the Agricultural Research Development Agency (Public Organization)
แบบสำรวจความพึงพอใจQuestionair