การเปรียบเทียบประสิทธิภาพของเทคนิค Machine Learning ในการทำนายปริมาณฝุ่น PM 2.5 ในประเทศไทย

ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์

ชยพล เลิศงามมงคลกุล, ผลิตโชค พนมวงศ์ตะวัน

อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์

ธัญนันท์ สมนาม, สิทธิโชค โสมอ่ำ

โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์

โรงเรียนมหิดลวิทยานุสรณ์

ปีที่จัดทำโครงงานวิทยาศาสตร์

พ.ศ. 2566

บทคัดย่อโครงงานวิทยาศาสตร์

มลพิษทางอากาศเป็นปัญหาที่ส่งผลต่อการดำเนินชีวิตของมนุษย์ในปัจจุบัน โดยเฉพาะปัญหาฝุ่น PM 2.5 (Particulate Matters 2.5) ซึ่งเป็นอนุภาคฝุ่นที่มีขนาดเล็กไม่เกิน 2.5 ไมครอน มีสาเหตุมาจากการเผาขยะ การปล่อยก๊าซจากท่อไอเสียรถยนต์หรือแหล่งโรงงานอุตสาหกรรม ที่สามารถก่อให้เกิดผลกระทบต่อร่างกายมนุษย์ ได้แก่ การไอ การจาม การเกิดผื่นคัน โรคระบบทางเดินหายใจ และมะเร็งปอด ดังนั้น การทำนายปริมาณฝุ่น PM 2.5 จึงได้รับความสนใจเป็นอย่างมากในปัจจุบัน การทำนายปริมาณฝุ่น PM 2.5 ในปัจจุบันนั้นไม่สามารถทำได้ในทันที ซึ่งอาจส่งผลต่อการคาดคะเนปริมาณฝุ่นและการวางแผนการดำเนินกิจกรรมต่าง ๆ ในชีวิตประจำวัน จากปัญหาที่ได้กล่าวมาข้างต้น คณะผู้พัฒนาจึงมีแนวคิดที่จะใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) ในการเรียนรู้ข้อมูลทางอุตุนิยมวิทยาย้อนหลัง เพื่อนำมาสร้างแบบจำลองการเรียนรู้ของเครื่องที่เหมาะสมต่อการทำนายปริมาณฝุ่น PM 2.5 โดยมีวัตถุประสงค์ที่จะพัฒนาแบบจำลองโดยใช้การผสมผสานเทคนิคการเรียนรู้ของเครื่องต่างชนิดกัน เพื่อค้นหาแบบจำลองที่มีประสิทธิภาพสูงที่สุดเพื่อทำนายปริมาณฝุ่น PM 2.5 ในทันที ในการศึกษานี้ จะใช้ชุดข้อมูลสภาพอากาศจากสถานีตรวจวัดทั่วประเทศไทยทั้งจากกรมอุตุนิยมวิทยาและกรมควบคุมมลพิษ โดยชุดข้อมูลดังกล่าวจะประกอบด้วยปริมาณฝุ่น PM 2.5 อุณหภูมิ ความชื้นสัมพัทธ์ ความเร็วลม ทิศทางลม และความดันชั้นบรรยากาศ สำหรับการพัฒนาแบบจำลองจะใช้การผสมผสานแบบจำลอง 3 ประเภท ได้แก่ Long Short-Term Memory (LSTM) Transformers และ Gated Recurrent Unit (GRU) โดยสร้างแบบจำลองรวมทั้งสิ้น 12 รูปแบบ เพื่อทดลองเปรียบเทียบประสิทธิภาพของแบบจำลองผสมผสานดังกล่าวจนได้แบบจำลองที่มีประสิทธิภาพสูงที่สุด โดยแบบจำลองที่พัฒนาขึ้นนี้จะช่วยให้ประชาชนทราบถึงคุณภาพอากาศล่วงหน้า สามารถวางแผนการเดินทางและการดำเนินกิจกรรมต่าง ๆ ในชีวิตประจำวันได้มีประสิทธิภาพยิ่งขึ้น เพื่อหลีกเลี่ยงการรับฝุ่น PM 2.5 เข้าสู่ร่างกาย ซึ่งจะช่วยลดผลกระทบต่อสุขภาพในระยะยาวได้