การสร้างโมเดลการพยากรณ์ ผลกระทบของปัจจัยทางสภาพภูมิอากาศ ต่อความเข้มข้นฝุ่นละอองขนาด 2.5 ไมครอน ในเขตอำเภอเมือง จังหวัดเชียงใหม่ โดยใช้การเรียนรู้ของเครื่อง

development of a weather condition impact prediction model on pm2.5 concentrations in muang district, chiang mai province, utilizing machine learning

65541207167-3

2566

อาจารย์หฤทัย  อาษากิจ

การจัดทำโครงงานเรื่อง การสร้างโมเดลการพยากรณ์ ผลกระทบของ ปัจจัยทางสภาพภูมิอากาศ ต่อความเข้มข้นฝุ่นละอองขนาด 2.5 ไมครอน ในเขตอำเภอเมือง จังหวัดเชียงใหม่ โดยใช้การเรียนรู้ของเครื่อง มีจุดประสงค์ เพื่อศึกษาเปรียบเทียบ ประสิทธิภาพในการทำนายค่าฝุ่น pm2.5 ล่วงหน้า ระหว่างโมเดล lstm กับ โมเดล random forest เพื่อนำโมเดลที่มีประสิทธิภาพมากกว่า ไปพัฒนาเว็บไซต์สำหรับทำนายค่าฝุ่น pm2.5 ล่วงหน้า 
ในการจัดทำโครงงานครั้งนี้ ผู้จัดทำ ได้ทำการดำเนินการตาม หลักการพัฒนาโมเดลวิเคราะห์ข้อมูลสำหรับธุรกิจ หรือ crisp-dm โดยได้ทำการประยุกค์ ใช้เข้ากับกระบวณการทำงาน ได้ทำการนำโมเดลการทำนายที่ได้ ไปพัฒนาเว็บแอปพลิเคชั่น (web application) เพื่อทำการทำนายฝุ่น pm2.5 ล่วงหน้า
จากการพัฒนาโมเดล ได้ทำการเปรียบเทียบประสิทธิภาพระหว่าง โมเดล random forest และ โมเดล lstm ได้ผลสรุปว่า โมเดล lstm มีค่า rmse และค่า mae น่าพึงพอใจกว่าโมเดล random forest โดยมีค่า rmse และ mae อยู่ที่ 15.16, 29.78 ตามลำดับ ซึ่งโมเดล lstm  มีค่า rmse และ mae อยู่ที่ 5.73, 25.31 ตามลำดับ ดังนั้นผู้จัดทำจึงนำโมเดล lstm 
ที่ผ่านการพัฒนาแล้ว ไปสร้างหน้าเว็บไซต์สำหรับทำนายค่า pm2.5
สร้างหน้าเว็บเพจ โดยใช้ภาษาในการพัฒนาระบบ คือ ภาษาเอชทีเอ็มแอล (html), 
ซีเอสเอส (css), จาวาสคริป (java script) ทำการออกแบบหน้าเว็บไซต์ โดยใช้โปรแกรม figma ในการออกแบบ ux/ui, wireframe ของหน้าเว็บเพจ พัฒนาหน้าเว็บไซต์ส่วนแสดงผลเบื้องต้นในโปรแกรม nice page พัฒนาส่วนการทำนายผลบนหน้าเว็บเพจโดยใช้ภาษา 
java script ข้อมูลที่ใช้ในการทำนายจาก open whether api  ทำการแสดงผลค่าที่ทำนายได้บนเว็บเพจ และ ทำการเปลี่ยนข้อมูลที่ได้เป็นภาพแสดงผลโดยใช้ javascript
จากการดำเนินงานโครงงาน การสร้างโมเดลการพยากรณ์ ผลกระทบของปัจจัยทางสภาพภูมิอากาศ ต่อความเข้มข้นฝุ่นละอองขนาด 2.5 ไมครอน ในเขตอำเภอเมือง 
จังหวัดเชียงใหม่ โดยใช้การเรียนรู้ของเครื่อง พบว่า เว็บแอปพลิเคชั่นสามารถทำงานได้ตามวัตถุประสงค์ของโครงงาน และ สามารถช่วยให้กลุ่มเป้าหมายของโครงงานสามารถเข้าถึงการทำนายค่าฝุ่น pm2.5 ล่วงหน้าได้