แบบการทำนายปริมาณฝุ่นละอองขนาดไม่เกิน 2.5 ไมครอนด้วยค่าความลึกเชิงแสงของอนุภาคแขวนลอยในอากาศและข้อมูลอุตุนิยมวิทยาโดยใช้เทคนิคการเรียนรู้ของเครื่อง
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
นัซรอน กองบก, อับดุลวาริส สาเมาะ
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
รัตติกานต์ แซ่ลิ่ม, สล้าง มุสิกสุวรรณ
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
ปัจจุบันมลพิษทางอากาศเป็นปัญหาทางสิ่งแวดล้อมที่ส่งผลโดยตรงต่อสุขภาพของมนุษย์มาอย่างต่อเนื่องและก่อให้เกิดการเสียชีวิตก่อนวัยอันควรประมาณ 50,000 คนต่อปี (Greenpeace, 2016) ซึ่งมลพิษทางอากาศอย่างหนึ่งที่มีผลกระทบต่อชาวไทยเป็นอย่างมาก คือฝุ่นละอองขนาดเล็กไม่เกิน 2.5 ไมครอน (Particulate Matter 2.5 micrometres and smaller : PM2.5) ซึ่งถูกจัดเป็นฝุ่นละเอียดจึงทำให้ขนจมูกของมนุษย์ไม่สามารถกรองได้อีกทั้งยังมองไม่เห็นด้วยตาเปล่าและเมื่อ PM2.5 มีการแพร่กระจายเข้าสู่ทางเดินหายใจ กระแสเลือด และแทรกซึมสู่อวัยวะต่าง ๆ ของร่างกายจึงเป็นการเพิ่มความเสี่ยงทำให้เกิดเป็นโรคเรื้อรังและมะเร็งได้ (ขนิษฐา และ ณัฐพศุตม์, 2563)
ปัจจุบันการตรวจวัดปริมาณฝุ่น PM2.5 ในประเทศไทยมีการตรวจวัดจากสถานีตรวจวัดคุณภาพอากาศของกรมควบคุมมลพิษ ซึ่งเป็นการตรวจวัดแบบจุดทำให้ความละเอียดในเชิงพื้นที่นั้นไม่ครอบคลุมและไม่เพียงพอต่อการเฝ้าระวัง PM2.5 ได้ เนื่องจากการติดตั้งสถานีตรวจวัดคุณภาพอากาศต้องใช้งบประมาณในการดำเนินการที่ค่อนข้างสูง ปัจจุบันจึงได้มีการนำเทคโนโลยีภูมิสารนเทศดาวเทียมมาใช้ในการพยากรณ์ปริมาณฝุ่น PM2.5 เช่น ค่าความลึกเชิงแสงของอนุภาคแขวนลอยในอากาศ (Aerosol optical depth : AOD) ซึ่งเป็นข้อมูลที่ครอบคลุมพื้นที่ได้กว้างและมีความสัมพันธ์กับค่า PM 2.5 (Li et al, 2015) จึงสามรถนำข้อมูลดังกล่าวมาใช้ในการประมาณค่า PM 2.5 ในพื้นที่ที่ไม่มีสถานีตรวจวัดคุณภาพอากาศได้
เทคนิคการเรียนรู้ของเครื่อง (Machine Learning : ML) ซึ่งเป็นเทคนิคหนึ่งในการทำเหมืองข้อมูล และเป็นสาขาหนึ่งของปัญญาประดิษฐ์ (Artificial Intelligence: AI) โดยมุ่งเน้นศึกษาการทำให้คอมพิวเตอร์มีความสามารถในการเรียนรู้ได้ โดยไม่ต้องเขียนโปรแกรมกำกับไว้อย่างชัดเจน
จากการเรียนรู้ของเครื่องที่กล่าวมาข้างต้นสามารถนำมาใช้กับค่าความลึกเชิงแสงของอนุภาคแขวนลอยในอากาศร่วมกับข้อมูลทางอุตุนิยมวิทยาเพื่อใช้ในการทำนายค่า PM2.5 เบื้องต้น โดยใช้อัลกอริทึมหลายแบบที่แตกต่างกัน โครงงานนี้จึงศึกษาหารูปแบบที่ดีที่สุดเพื่อสามารถนำมาใช้ประโยชน์ในการติดตามและเฝ้าระวัง PM2.5 ได้อย่างมีประสิทธิภาพต่อไป