ต้นแบบผลิตภัณฑ์ระดับอุตสาหกรรม_ระบบปฏิบัติการ AI ในการพยากรณ์ระดับน้ำ: แบบจำลองโครงข่ายประสาทเทียม

การทำนาซึ่งถือว่าเป็นอาชีพเศรษฐกิจที่สำคัญของประเทศไทย การทำนาในอดีตสามารถพึ่งพาน้ำฝนธรรมชาติ
และทำนาได้ตามฤดูกาล แต่ปัจจุบันนั้นฤดูกาล ปริมาณน้ำฝนไม่สามารถคาดการณ์ได้ มีทั้งปีที่มีปริมาณน้ำฝนมาก ก็เกิด
น้ำท่วม เมื่อปริมาณน้ำฝนน้อยก็เกิดภัยแล้ง การวิจัยนี้จึงได้ทำการกำหนดค่าพารามิเตอร์ต่างๆ ให้กับโครงข่ายประสาท
เทียม ได้แก่ ค่าโมเมนตัม (Momentum) และอัตราการเรียนรู้ (Learning rate) โดยการเรียนรู้แบบแพร่ย้อนกลับ
กำหนดอัตราการเรียนรู้ที่มีค่าน้อย ซึ่งงานวิจัยนี้กำหนดอัตราการเรียนรู้เท่ากับ 0.05 ค่าสัมประสิทธิ์โมเมนตัม เท่ากับ 0.9
ค่าถ่วงน้ำหนักและค่าไบอัสเริ่มต้นที่นำมาใช้ในกระบวนการเรียนรู้ของโครงข่ายได้จากการสุ่มค่า โดยใช้เวลาและจำนวน
รอบที่ใช้ในการฝึกสอนไม่จำกัด และวัดค่าความถูกต้องของจำนวนครั้งในการพยากรณ์ระดับน้ำในแต่ละครั้งที่ทำการ
พยากรณ์ระดับน้ำในแต่ละชุดข้อมูล โดยค่าความผิดพลาดที่สามารถยอมรับได้ต้องไม่เกิน +-0.5 เมตร ทำให้สามารถสรุป
ค่าเฉลี่ยความถูกต้องของการพยากรณ์ล่วงหน้าแต่ละช่วงเวลาที่ดีที่สุดจากการใช้โครงข่ายแบบ 1 เอาต์พุต เมื่อทำการ
ฝึกสอนโครงข่ายประสาทเทียมในรูปแบบต่างๆ จนถึงค่าเป้าหมายโดยใช้ค่า MSE เท่ากับ 0.001 อัตราการเรียนรู้ 0.05
และสัมประสิทธิ์โมเมนตัมเท่ากับ 0.9 ในโครงข่ายที่มีจำนวนชั้นซ่อนและจำนวนโหนดที่เท่ากัน โครงข่าย 1 เอาต์พุต
สามารถพยากรณ์ได้ดีกว่าโครงข่าย 4 เอาต์พุต โดยแบบจำลองโครงข่ายประสาทเทียมเป็นแบบจำลองที่อาศัย
ความสัมพันธ์ของสถิติข้อมูลในอดีตสามารถให้ผลการพยากรณ์ที่มีความน่าเชื่อถือและนำไปใช้ในการพยากรณ์ เพื่อช่วยใน
การปฏิบัติงานจริงได้อย่างมีประสิทธิภาพ โดยการพยากรณ์ระดับน้ำรายวันด้วยแบบจำลองโครงข่ายประสาทเทียมที่มีค่า
รากที่สองของความคาดเหลื่อนกำลังสองเฉลี่ย (RMSE) ต่ำที่สุด ให้ผลการพยากรณ์ที่แม่นยำที่สุด