Please use this identifier to cite or link to this item: http://cmuir.cmu.ac.th/jspui/handle/6653943832/73901
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorNarissara Eiamkanitchat-
dc.contributor.advisorSakgasit Ramingwong-
dc.contributor.advisorKenneth Cosh-
dc.contributor.authorKrittakom Srijiranonen_US
dc.date.accessioned2022-08-16T15:52:32Z-
dc.date.available2022-08-16T15:52:32Z-
dc.date.issued2020-
dc.identifier.urihttp://cmuir.cmu.ac.th/jspui/handle/6653943832/73901-
dc.description.abstractEach year during summer, open-air burning is a major issue that contributes to the air pollution problem in the northern region of Thailand. One of the five major air pollutions is particulate matter with an aerodynamic diameter smaller than 10 micrometers, called PMio, and this regularly exceeds the national air pollution standard. In order to improve the effectiveness of planning for future outdoor activities or creating of a notification system, a data mining technique is implemented to create a prediction model. Data from eight Pollution Control Department fixed-site data monitoring stations located in the northern region from 2010 to 2018 were collected to develop a model. This study proposes Neuro-Fuzzy Transformation with the Minimize Entropy Principle model that applies a novel process of data transformation. Firstly, input features are applied with the Minimize Entropy Principle approach to identify membership functions. Then, membership values are created and transformed to new input features as historical data by the Collective Neural Networks called C-ANN. The proposed model is used to predict PMro classes one to three hours ahead. To evaluate the models in this work, the accuracy and F-score of each class are utilized. The results of the prediction models in this study shows that average accuracies were 94.98, 84.86, and 74.87 percent, and average F-scores were 0.78, 0.74, and 0.65 for two, three, and five classes, respectively.en_US
dc.language.isoenen_US
dc.publisherChiang Mai : Graduate School, Chiang Mai Universityen_US
dc.titleNeuro-fuzzy system for PM-10 prediction in the Northern Regionen_US
dc.title.alternativeระบบนิวโรฟัซซีเพื่อทำนายค่าฝุ่นละอองพีเอ็มสิบในบริเวณพื้นที่ภาคเหนือen_US
dc.typeThesis-
thailis.controlvocab.lcshAir -- Pollution-
thailis.controlvocab.lcshAir quality management-
thesis.degreedoctoralen_US
thesis.description.thaiAbstractการเผาในที่โล่งช่วงฤดูร้อนของทุกปี เป็นปัจจัยสำคัญในการสร้างปัญหามลพิษทางอากาศในพื้นที่ ภาคเหนือของประเทศไทยโดยก่อให้เกิดฝุ่นละอองที่มีขนาดเส้นผ่านศูนย์กลางน้อยกว่า 10 ไมโครเมตรหรือที่เรียกว่า พี่เอ็มสิบ ซึ่งเป็นหนึ่งในห้าของมลพิษทางอากาศที่มักมีค่าเกินมาตรฐาน ของประเทศ การสร้างแบบจำลองของการทำนายพีเอ็มสิบในการศึกษาครั้งนี้ ใช้เทคนิคการทำเหมือง ข้อมูลเพื่อเป็นประโยชน์ในการวางแผนการทำกิจกรรมกลางแจ้งล่วงหน้าหรือสร้างระบบเตือนภัย ข้อมูลที่ใช้ได้รับจากกรมควบคุมมลพิษของประเทศไทยโดยครอบคลุมแปดสถานีตรวจวัดในพื้นที่ ภาคเหนือตั้งแต่ปี พ.ศ. 2553 ถึง พ.ศ. 2561 การศึกษานี้ได้เสนอแบบจำลองการแปลงนิวโรฟัชซีด้วย หลักการมินิไมซ์เอนโทรปี ซึ่งเป็นกระบวนการใหม่ ขั้นตอนแรก ค่าคุณลักษณะต่าง ๆจะถูกใช้ หลักการมินิไมซ์เอนโทรปีเพื่อระบุฟังก์ชันความเป็นสมาชิก หลังจากนั้น ค่าความเป็นสมาชิกจะถูก สร้างและแปลงเป็นค่าคุณลักษณะอันใหม่ด้วยโครงข่ายประสาทเทียมแบบรวมหรือที่เรียกว่า ซีเอเอ็น เอ็น ค่าคุณลักษณะอันใหม่นี้เปรียบเสมือนข้อมูลในอดีต โดยใช้เพื่อทำนายคลาสของพีเอ็มสิบตั้งแต่ หนึ่งถึงสามชั่วโมงถัดไป ความแม่นยำและเอฟสกอร์ของแต่ละกลาสถูกใช้เพื่อประเมินประสิทธิภาพ ของแบบจำลอง ผลลัพธ์จากแบบจำลองแสดงให้เห็นว่าค่าความแม่นยำเฉลี่ยมีค่าเท่ากับ 94.98 84.86 และ 74. 87 เปอร์เซ็นต์ และเอฟสกอร์เฉลี่ยมีค่าเท่ากับ 0.78 0.74 และ 0.65 สำหรับผลลัพธ์แบบสอง สาม และห้าคลาสตามลำดับen_US
Appears in Collections:ENG: Theses

Files in This Item:
File Description SizeFormat 
580651010 กฤตคม ศรีจิรานนท์.pdf3.21 MBAdobe PDFView/Open    Request a copy


Items in CMUIR are protected by copyright, with all rights reserved, unless otherwise indicated.