การพยากรณ์ปริมาณน้ำท่ารายวันที่ส่งผลต่อน้ำท่วมฉับพลันในลุ่มแม่น้ำชายฝั่งทะเลตะวันออก

ภัทราพร ทองนิ่ม; ภควัต ลำจวน

dc.contributor.author	ภัทราพร ทองนิ่ม
dc.contributor.author	ภควัต ลำจวน
dc.contributor.other	มหาวิทยาลัยบูรพา วิทยาเขตจันทบุรี. คณะวิทยาศาสตร์และศิลปศาสตร์
dc.date.accessioned	2019-03-25T09:09:57Z
dc.date.available	2019-03-25T09:09:57Z
dc.date.issued	2559
dc.identifier.uri	http://dspace.lib.buu.ac.th/xmlui/handle/1234567890/1926
dc.description.abstract	ปริมาณน้ำท่าและปริมาณน้ำฝนเป็นปัจจัยสำคัญต่อการดำเนินชีวิตของมนุษย์ทั้งการเกษตรกรรมและอุสาหกรรม ทั้งนี้จึงมีการศึกษาปริมาณน้ำท่าและปริมาณน้ำฝนในอดีตเพื่อพยากรณ์ปริมาณน้ำฝนในอนาคตโดยใช้เทคนิคการพยากรณ์เชิงสถิติ เพื่อใช้เป็นข้อมูลสำหรับการวางแผนการตัดสินใจ รวมไปถึงการกำหนดนโยบายหาทางป้องกันน้ำท่วมฉับพลันในเขตลุ่มแม่น้ำชายฝั่งตะวันออก ดังนั้นวัตถุประสงค์ของงานวิจัยครั้งนี้คือ เพื่อศึกษาปริมาณน้ำท่าและปริมาณน้ำฝนที่ส่งผลให้เกิดน้ำท่วมฉับพลันในเขตลุ่ มน้ำชายฝั่งทะเลตะวันออกและเพื่อพยากรณ์ปริมาณน้ำฝนในเขตลุ่มน้ำชายฝั่งทะเลตะวันออกในอีก 2 ปีข้างหน้า ซึ่งข้อมูลที่ใช้ในการวิจัยเป็นปริมาณน้ำท่าและปริมาณน้ำฝนรายเดือน จากกรมชลประทานและกรมอุตุนิยมวิทยา ผู้วิจัยแบ่งข้อมูลออกเป็น 2 ชุด ชุดที่ 1 วิเคราะห์ด้านอุทกชลศาสตร์ตั้งแต ปี 2547 ถึง 2556 และชุดที่ 2 วิเคราะห์ข้อมูลทางสถิติตั้งแต่ ปี 2543 ถึง 2558 ผลสรุปของการวิจัยมีดังนี้ จังหวัดชลบุรีมีปริมาณน้ำท่าที่ส งผลต่อน้ำท่วมฉับพลันได้มากที่สุดรองลงมาคือ ระยอง จันทบุรี และตราด ตามลำดับ การพยากรณ์ปัจจัยที่ส่งผลต่อปริมาณน้ำฝนโดยใช้การวิเคราะห์ข้อมูลถดถอยเชิงเส้นการทดสอบความสัมพันธ์ของตัวแปรต้นและตัวแปรตามด้วยเทคนิคการวิเคราะห์แบบการถดถอยเชิงเส้นพหุคูณ จากการวิเคราะห์ข้อมูลย้อนหลัง 144 เดือน โดยการหาปัจจัยที่ส่งผลมากที่สุดคือ ความเร็วลม อุณหภูมิตุุ้มแห้ง และความชื้นสัมพัทธ์ ตามลำดับ การวิเคราะห์การถดถอยเชิงเส้นพหุคูณเมื่อตัวแปรต้นเป็ นข้อมูลเชิงคุณภาพ ข้อมูลอนุกรมเวลาที่ตัวแปรตาม คือ ปริมาณน้ำฝน และตัวแปรตัน คือ ฤดูกาลในที่นี้คือ 12 ฤดูกาล 1 เดือนเท่ ากับ 1 ฤดูกาล และสร้างตัวแปรเทียมได้ 11 ตัวแปร โดยตัวแปรเทียมแต่ ละตัวมีได้ 2 ค ่า เท่านั้น คือ 0 กับ 1 เท่านั้น จะได้สมการถดถอยเชิงเส้นพหุคูณได้ค่าสัมประสิทธิ์การตัดสินใจเท่ากับ 0.811084 ได้ทำการพยากรณ์ข้อมูลอนุกรมเวลาของปริมาณน้ำฝนในเขตลุ่มแม่น้ำตะวันออกโดยใช้ข้อมูลรายเดือนตั้งแต่เดือนมกราคม 2543 ถึง เดือนธันวาคม 2558 รวมทั้งสิ้น 192 เดือน และได้ค่าพยากรณ์ปริมาณน้ำฝนในอีก 2 ปี ข้างหน้ามีแนวโน้มของปริมาณน้ำฝนลดลงจากปีก่อน	th_TH
dc.description.sponsorship	โครงการวิจัยประเภทงบประมาณเงินรายได้จากเงินอุดหนุนรัฐบาล (งบประมาณแผ่นดิน) ประจำปีงบประมาณ 2558	en
dc.language.iso	th	th_TH
dc.publisher	คณะวิทยาศาสตร์และศิลปศาสตร์ มหาวิทยาลัยบูรพา วิทยาเขตจันทบุรี	th_TH
dc.subject	น้ำท่วม	th_TH
dc.subject	ปริมาณน้ำท่า	th_TH
dc.subject	สาขาเกษตรศาสตร์และชีววิทยา	th_TH
dc.title	การพยากรณ์ปริมาณน้ำท่ารายวันที่ส่งผลต่อน้ำท่วมฉับพลันในลุ่มแม่น้ำชายฝั่งทะเลตะวันออก	th_TH
dc.title.alternative	Daily runoff forecasting effect to flash flood in eastern coast gulf river basin	en
dc.type	Research
dc.year	2559
dc.description.abstractalternative	Runoff and Rainfall are important factors in everyday life such as in agricultural cultivation and in the industries. Therefore, runoff and rainfall records in the past using statistical methods to forecast the future is essential for planning, dividing and imposing a policy to prevent flash floods in the eastern coast gulf river basin. As a result, the objective of this study is to analyze the effects of runoff and rainfall on flash floods, and to forecast rainfall in two years. The data used in this research is monthly runoff and rainfall taken from the Royal Irrigation Department and the Department of Meteorology. The researcher divided the data into two sets, namely analysis of hydrogeology from 2004-2013 and analysis of statistical data from 2000-2015. The results were concluded as follows. The effect of runoff on flash floods manifests itself most in Chonburi, whereas flash floods in Rayong, Chanthaburi and Trat were less affected by the effect of runoff in decreasing order. The forecast of factors that affect rainfall was conducted using multiple regressions to find a correlation between the independent variables and the dependent variables. The analysis of 144 months in the past to show wind speeds is the the factor that most affects rainfall, whereas dry bulb temperature and relative humidity are second-most and third-most affecting factors, respectively. Furthermore, time series analysis in this research is based on multiple regression with qualitative data of independent variables, whereby 1 year is divided into 12 seasons (1 season=1 month) to create variables of 11 factors. It is a binray variable, which is either 0 or 1. After that, The equation created by this method has a coefficient of determination of 0.811084. The data was used to forecast rainfall in January 2000-December 2015 (192 months). The forecased values of monthly rainfall between 2016 and 2017 decrease from the past	en