สืบค้นงานวิจัย
สำหรับประเทศไทย
Pakpoom Sriviroj - มหาวิทยาลัยมหิดล
ชื่อเรื่อง: สำหรับประเทศไทย
ชื่อเรื่อง (EN): (GFLSM)‬
ผู้แต่ง / หัวหน้าโครงการ (EN): Pakpoom Sriviroj
บทคัดย่อ: วัตถุประสงค์ของการศึกษาวิจัยครั้งนี้ เพื่อศึกษาการประยุกต์ใช้งานแบบจำลองทางคณิตศาสตร์ General Finite Line Source Model (GFLSM) ซึ่งเป็นแบบจำลองฯ ที่ยังไม่เคยนำมาใช้งานกับสภาพแวดล้อมของ ถนนในประเทศไทย โดยได้นำแบบจำลองดังกล่าวมาทำนายค่าเฉลี่ย CO รายชั่วโมง และ 8 ชั่วโมงบริเวณริมถนนดิน แดงและถนนลาดพร้าว พร้อมทั้ง ทำการทดสอบความไวของแบบจำลอง และการวิเคราะห์ประสิทธิภาพการทำนาย ของแบบจำลองด้วยวิธีการวิเคราะห์ทางสถิติ ซึ่งเปรียบเทียบระหว่างผลการทำนายจากแบบจำลอง กับผลการตรวจวัด และผลการทำนายจากแบบจำลอง CALINE4 ข้อมูลนำเข้าของแบบจำลองที่สำคัญ ได้แก่ ข้อมูลการปลดปล่อย CO จากยานยนต์ ซึ่งข้อมูลส่วนนี้มาจาก การตรวจวัดปริมาณยานยนต์แต่ละชนิด การตรวจวัดความเร็วเฉลี่ยของยานยนต์ และค่า Emission factor ซึ่งคาดการณ์จากแบบจำลอง MOBILE5 ข้อมูลด้านอุตุนิยมวิทยา ประกอบด้วย ทิศทาง ลม ความเร็วลม และอุณหภูมิบรรยากาศ ซึ่งข้อมูลเหล่านี้ได้จากตรวจวัดของสถานีตรวจติดตามคุณภาพอากาศของ กรมควบคุมมลพิษ ซึ่งติดตั้งอยู่บริเวณจุดเก็บตัวอย่าง และข้อมูลผู้ได้รับผลกระทบจากการจราจร ซึ่งมาจาก การ ตรวจวัดระยะทางของผู้ได้รับผลกระทบจากการจราจรในระบบแนวแกนของแบบจำลอง ผลการศึกษา พบว่า คุณสมบัติของแบบจำลองสามารถนำเข้ามาประยุกต์ใช้กับการทำนาย CO ในพื้นที่ กรุงเทพฯได้ การทดสอบความไวของแบบจำลอง พบว่า ตัวแปรที่แปรผันตรงต่อการเปลี่ยนแปลงของ CO ได้แก่ ความยาวของถนน ระยะทางของผู้ได้รับผลกระทบแนวแกน Y และค่า Emission rate การวิเคราะห์ประสิทธิภาพ ของแบบจำลองฯ โดยวิธีการทางสถิติของแบบจำลอง GFLSM เมื่อทำนายผลเป็นค่าเฉลี่ยรายชั่วโมง พบว่า ค่า factor of 2 ของถนนดินแดง และถนนลาดพร้าว เท่ากับ 55.2% และ 86.9% ค่า RMSE เท่ากับ 2.13 ppm และ 0.35 ppm ค่า Index of agreement เท่ากับ 49% และ 54% ผลการวิเคราะห์เมื่อเปรียบเทียบกับ แบบจำลอง CALINE4 พบว่า ค่า correlation coefficient ของถนนดินแดง และถนนลาดพร้าว เท่ากับ 0.7 และ 0.63 ค่า RMSE เท่ากับ 2.58 ppm และ 0.19 ppm ประสิทธิภาพของแบบจำลองเมื่อทำนายเป็นค่าเฉลี่ย 8 ชั่วโมง พบว่า ค่าความแตกต่างระหว่างผลการทำนายและผลการตรวจวัดของถนนดินแดง และถนนลาดพร้าว เท่ากับ 43% และ 30% จากผลการวิเคราะห์ดังกล่าว แสดงให้เห็นว่า การประยุกต์ใช้แบบจำลอง GFLSM สามารถ นำมาใช้ทำนาย CO ในประเทศไทยได้
บทคัดย่อ (EN): The aim of this research was to apply a mathematical air quality model which has not been used in Thailand. It is a line source air quality model called the General Finite Line Source Model (GFLSM). The GFLSM was used to predict the CO concentration at Dindang and Lad Proaw Roads. This model was applied to predict the 1-hour mean and 8-hour mean of CO concentration. In addition, the model sensitivity and the model performance was studied, which predicts CO concentration from GFLSM and was tested against measurement at roadside air quality monitoring stations and against the prediction of CO concentration of the CALINE4 model. The input parameters of GFLSM consisted of the mobile source emission parameters, which is the counting of traffic volume on the roadways, the detection of vehicle speed and the estimates of emission factors by the MOBILE-5 model, the meteorological parameters, which measures the wind speed, the wind direction and the ambient temperature at roadside stations of the Pollution Control Department, the receptor parameters, which are the measurement of receptor distances under the criteria of GFLSM coordinate systems. The results of this research concluded that the assumption of GFLSM met all environmental conditions of Bangkok. The parameters affected the variation of CO concentration in the model sensitivity are the length of line source, the receptor distance on Y axis and the emission rate. The model performance of 1-hour mean CO concentration, which was tested against the measurement at roadside stations, resulted in a factor of 2 at Dindang and Lad Proaw Roads of 55.2% and 86.4%, respectively. The RMSE was 2.13 ppm and 0.35 ppm, respectively. The index of agreement was 49% and 54%, respectively, and the GFLSM tested against the prediction CO concentration of CALINE4 model resulted in a correlation coefficient of Dindang and Lad Proaw Roads was 0.7 and 0.63, respectively. The RMSE was 2.58 ppm and 0.19 ppm, respectively. The model performance of 8-hour mean CO concentration resulted in a differential percentage of Dindang and Lad Proaw Roads of 43% and 30%, respectively. From these results, it is implied that the GFLSM can be applied to predict CO concentration on the local roads of Thailand
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เอกสารแนบ: http://dcms.thailis.or.th/dcms/dccheck.php?Int_code=126&RecId=2522&obj_id=1745
เผยแพร่โดย: มหาวิทยาลัยมหิดล
คำสำคัญ (EN): GFLSM
เจ้าของลิขสิทธิ์: มหาวิทยาลัยมหิดล
รายละเอียด: วัตถุประสงค์ของการศึกษาวิจัยครั้งนี้ เพื่อศึกษาการประยุกต์ใช้งานแบบจำลองทางคณิตศาสตร์ General Finite Line Source Model (GFLSM) ซึ่งเป็นแบบจำลองฯ ที่ยังไม่เคยนำมาใช้งานกับสภาพแวดล้อมของ ถนนในประเทศไทย โดยได้นำแบบจำลองดังกล่าวมาทำนายค่าเฉลี่ย CO รายชั่วโมง และ 8 ชั่วโมงบริเวณริมถนนดิน แดงและถนนลาดพร้าว พร้อมทั้ง ทำการทดสอบความไวของแบบจำลอง และการวิเคราะห์ประสิทธิภาพการทำนาย ของแบบจำลองด้วยวิธีการวิเคราะห์ทางสถิติ ซึ่งเปรียบเทียบระหว่างผลการทำนายจากแบบจำลอง กับผลการตรวจวัด และผลการทำนายจากแบบจำลอง CALINE4 ข้อมูลนำเข้าของแบบจำลองที่สำคัญ ได้แก่ ข้อมูลการปลดปล่อย CO จากยานยนต์ ซึ่งข้อมูลส่วนนี้มาจาก การตรวจวัดปริมาณยานยนต์แต่ละชนิด การตรวจวัดความเร็วเฉลี่ยของยานยนต์ และค่า Emission factor ซึ่งคาดการณ์จากแบบจำลอง MOBILE5 ข้อมูลด้านอุตุนิยมวิทยา ประกอบด้วย ทิศทาง ลม ความเร็วลม และอุณหภูมิบรรยากาศ ซึ่งข้อมูลเหล่านี้ได้จากตรวจวัดของสถานีตรวจติดตามคุณภาพอากาศของ กรมควบคุมมลพิษ ซึ่งติดตั้งอยู่บริเวณจุดเก็บตัวอย่าง และข้อมูลผู้ได้รับผลกระทบจากการจราจร ซึ่งมาจาก การ ตรวจวัดระยะทางของผู้ได้รับผลกระทบจากการจราจรในระบบแนวแกนของแบบจำลอง ผลการศึกษา พบว่า คุณสมบัติของแบบจำลองสามารถนำเข้ามาประยุกต์ใช้กับการทำนาย CO ในพื้นที่ กรุงเทพฯได้ การทดสอบความไวของแบบจำลอง พบว่า ตัวแปรที่แปรผันตรงต่อการเปลี่ยนแปลงของ CO ได้แก่ ความยาวของถนน ระยะทางของผู้ได้รับผลกระทบแนวแกน Y และค่า Emission rate การวิเคราะห์ประสิทธิภาพ ของแบบจำลองฯ โดยวิธีการทางสถิติของแบบจำลอง GFLSM เมื่อทำนายผลเป็นค่าเฉลี่ยรายชั่วโมง พบว่า ค่า factor of 2 ของถนนดินแดง และถนนลาดพร้าว เท่ากับ 55.2% และ 86.9% ค่า RMSE เท่ากับ 2.13 ppm และ 0.35 ppm ค่า Index of agreement เท่ากับ 49% และ 54% ผลการวิเคราะห์เมื่อเปรียบเทียบกับ แบบจำลอง CALINE4 พบว่า ค่า correlation coefficient ของถนนดินแดง และถนนลาดพร้าว เท่ากับ 0.7 และ 0.63 ค่า RMSE เท่ากับ 2.58 ppm และ 0.19 ppm ประสิทธิภาพของแบบจำลองเมื่อทำนายเป็นค่าเฉลี่ย 8 ชั่วโมง พบว่า ค่าความแตกต่างระหว่างผลการทำนายและผลการตรวจวัดของถนนดินแดง และถนนลาดพร้าว เท่ากับ 43% และ 30% จากผลการวิเคราะห์ดังกล่าว แสดงให้เห็นว่า การประยุกต์ใช้แบบจำลอง GFLSM สามารถ นำมาใช้ทำนาย CO ในประเทศไทยได้
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

Pakpoom Sriviroj. "สำหรับประเทศไทย(GFLSM)‬". มหาวิทยาลัยมหิดล. 2548

Pakpoom Sriviroj. "สำหรับประเทศไทย(GFLSM)‬". มหาวิทยาลัยมหิดล. 2548. Print.



TARR Wordcloud:
สำหรับประเทศไทย
Pakpoom Sriviroj
มหาวิทยาลัยมหิดล
2548
ในประเทศไทย การอนุรักษ์และการจัดการช้างในประเทศไทย การทดสอบความสัมพันธ์ระหว่างอัตราการเปลี่ยนแปลงของดัชนีราคาตลาดหลักทรัพย์แห่งประเทศไทยกับอัตราการเจริญเติบโตทางเศรษฐกิจของประเทศไทย การศึกษาอุณหภูมิความชื้นสัมพันธ์และปริมาณน้ำฝนในพื้นที่ภาคเหนือของประเทศไทยสำหรับการประยุกต์เพื่อการศึกษาภูมิอากาศในอดีต การวิเคราะห์เศรษฐกิจการส่งออกส้มโอของประเทศไทย ที่ดื้อต่อยาไรแฟมพิซินในประเทศไทย การผลิตโปรไบโอติคสำหรับอาหารไก่จากแบคทีเรียกรดแลคติคของไทย การศึกษาการตกสะสมของกรดบริเวณภาคกลางของประเทศไทย ความชุกของเชื้อ CMV ในแผลปริทนต์ในประเทศไทย การประยุกต์ใช้แบบจำลอง FFW สำหรับพยากรณ์และเตือนภัยน้ำหลากในลุ่มน้ำโขงทางภาคตะวันออกเฉียงเหนือของประเทศไทย
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