การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร...

77
การประยุกตใชพันธุกรรมคอมพิวเตอร (Genetic Algorithm) ในการปรับเทียบ (Calibration) แบบจําลอง QUAL2Kw เพื่อประเมินภาระมลพิษ ในลําน้ําลําตะคอง จังหวัดนครราชสีมา ปฏิวิชช สาระพิน, กัมปนาท ภักดีกุล, จําลอง อรุณเลิศอารีย , ทองเปลว กองจันทร โดย นายปฏิวิชช สาระพิน

Upload: others

Post on 31-Dec-2020

8 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

การประยกตใชพนธกรรมคอมพวเตอร (Genetic

Algorithm) ในการปรบเทยบ (Calibration) แบบจาลอง

QUAL2Kw เพอประเมนภาระมลพษ

ในลานาลาตะคอง จงหวดนครราชสมา ปฏวชช สาระพน, กมปนาท ภกดกล, จาลอง อรณเลศอารย, ทองเปลว กองจนทร

โดย

นายปฏวชช สาระพน

Page 2: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

บทนาบทนา

Page 3: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ลานาลาตะคอง เปนลานาสาขาทสาคญสายหนงของแมนามล

โดยมตนนาอยบรเวณเทอกเขาดงพญาเยน ในทองทอาเภอปากชอง ไหลผานพนทอาเภอปากชอง อาเภอสคว

อาเภอสงเนน

อาเภอขามทะเลสอ

อาเภอเมองนครราชสมา

และอาเภอเฉลมพระเกยรต

ในจงหวดนครราชสมา

(สทธพร อนนตพพฒนกจ,2542)

ทมาและความสาคญ

ลมนาลาตะคอง

ลมนาลาพระ

เพลง

ลมนาลามลบน

ลมนาลาแชะ

อางเกบนา

ลาตะคอง

Page 4: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

จากการตดตามตรวจสอบคณภาพนาในแมนาลาตะคอง โดยกรมควบคมมลพษ ตงแตป พ.ศ.

2539 เปนตนมา

พบวาคณภาพนาในแมนาลาตะคองตอนลาง โดยเฉพาะ ชวงทผานเทศบาลนครนครราชสมามคณภาพนาอยใน

เกณฑทตามากมาโดยตลอด กลาวคอ

คาคณภาพนาสวนใหญอยในเกณฑมาตรฐาน

แหลงนาผวดนประเภทท 4

(กรมควบคมมลพษ,

2546)

ทมาและความสาคญ (ตอ)

Page 5: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ประกาศกรมควบคมมลพษ (พ.ศ.2542)- ตอนบน ตงแตบรเวณฝายคนชม บานคนชม ตาบลพรใหญ อาเภอเมอง จงหวดนครราชสมา กโลเมตรท 24 จนถงลาตะคอง บรเวณบานบ

กระเฉด ตาบลขนงพระ อาเภอปากชอง จงหวด นครราชสมา กโลเมตรท 180

- ตอนลาง ตงแตจดบรรจบระหวางลาตะคองกบ แมนามล บรเวณตาบลพะเนา อาเภอเมอง

จงหวดนครราชสมา กโลเมตรท 0 จนถงลาตะ คอง บรเวณฝายคนชม บานคนชม ตาบลพรใหญ

อาเภอเมอง จงหวดนครราชสมา กโลเมตรท 24

(กรมควบคมมลพษ,

2545)ขรน.มะเกลอใหม ขรน.กดหน ขรน.มะขามเฒา ขรน.คนชม ขรน.ขอยงาม ขรน.กนผม

ขรน.โคกแฝก ขรน.บานทง

ขรน.โพธเตยขรน.นาตม ขรน.จอหอ

แมนา

มล

แมนาลาตะคอง

แมนาลาบรบรณ

ตอนบน ตอนลาง

สถานการณคณภาพนาแมนาลาตะคอง ตอนบน ตอนลาง

Page 6: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

หนวยงาน พ.ศ. ลาตะคอง เกณฑคณภาพนา ปญหา

สานกงานคณะกรรมการ

สงแวดลอมแหงชาต

2532-

2533

ตอนบน ประเภทท 3 พอใช -

ตอนลาง ประเภทท 4 เสอมโทรมDO, BOD,

TCB,FCB

สานกงานนโยบายและ

แผนสงแวดลอม2542

ตอนบน ประเภทท 3 พอใช -

ตอนลาง ประเภทท 4 เสอมโทรม DO, TCB, FCB

กรมสงเสรมคณภาพ

สงแวดลอม และเทศบาล

นครนครราชสมา

2544

ตอนบน ประเภทท 3 พอใช Nutrient

ตอนลาง ประเภทท 4 เสอมโทรมDO, BOD, FCB,

NH3 –N

สถานการณคณภาพนาแมนาลาตะคอง (ตอ)

Page 7: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

หนวยงาน พ.ศ. ลาตะคอง เกณฑคณภาพนา ปญหา

สานกงานนโยบายและแผน

ทรพยากรธรรมชาตและ

สงแวดลอม

2545

ตอนบน ประเภทท 3 พอใช -

ตอนลาง ประเภทท 4 เสอมโทรมFCB, NH3 –N,

BOD

กรมควบคมมลพษ 2546

ตอนบน ประเภทท 4 เสอมโทรม FCB

ตอนลาง ประเภทท 5 เสอมโทรมมาก DO, BOD

กรมควบคมมลพษ 2547

ตอนบน ประเภทท 4 เสอมโทรม BOD, FCB

ตอนลาง ประเภทท 5 เสอมโทรมมากDO, BOD, TCB,

FCB

สถานการณคณภาพนาแมนาลาตะคอง (ตอ)

Page 8: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

การประยกตใชแบบจาลองในการประเมนภาระมลพษทงในแมนาและ

ลานาทผานมานน

สวนใหญใชวธการลองผดลองถก (Trial and error) ในการปรบเทยบคา สมประสทธตางๆ ภายในแบบจาลอง เพอใหไดคา optimal ระหวางคาทได

จากแบบจาลอง (model output) กบการตรวจวดจรงในภาคสนาม (field

measurement) แตวธการดงกลาวอาจทาใหมโอกาสไดคา local optimal

คอนขางสง ซงวธการของพนธกรรมคอมพวเตอร (Genetic Algorithms:

GA) นาจะเปนอกทางเลอกหนงทนามาใชในการหาคาสมประสทธตางๆ

ภายในแบบจาลองคณภาพนาไดอยางมประสทธภาพ และมโอกาสไดคา

Global optima คอนขางสงและทางานไดเรวกวาวธการของการลองผดลอง ถก (Gregory et al., 2005)

ทมาและความสาคญ (ตอ)

Page 9: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

จากผลการศกษาของ Gregory et al., (2005) พบวา การ ประยกตใชพนธกรรมคอมพวเตอร (Genetic Algorithms: GA)

ในการปรบเทยบสมประสทธภายในแบบจาลอง QUAL2Kw

โดยใช กระบวนการคดเลอกทางพนธกรรมคอมพวเตอร (GA

Operators) ตามรปแบบของ Charbonneau and Knapp

(2002)

ในแมนา Boulder Creek, USA

พบวา GA สามารถใชในการปรบเทยบแบบจาลอง QUAL2Kw

ไดด แตใชเวลาในการปรบเทยบแบบจาลอง คอนขางนานคอ 6

ชวโมงสาหรบ Population 100 และ Generation 100 (3.2 GHz

Pentium 4 processor)

กรอบแนวคดการวจย

Page 10: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

นอกจากนยงไดเสนอแนะแนวทางในการพฒนา GA สาหรบการ ปรบเทยบแบบจาลอง QUAL2Kw ในอนาคตไวคอ การหารปแบบของ

GA Operators ทเหมาะสม เพอลดระยะเวลาในขนตอนของการ ปรบเทยบแบบจาลอง

ดงนนการวจยครงนจงมงทจะศกษาเปรยบเทยบกระบวนการคดเลอก ทางพนธกรรมคอมพวเตอร (GA Operators) ระหวาง GA Operators

ของ Charbonneau and Knapp

(2002) กบ GA Operators ของ Goldberg

(1991) and

Michalewicz (1992) เพอหารปแบบของกระบวนการ คดเลอกทางพนธกรรมคอมพวเตอร (GA Operators) ทเหมาะสมและลด ระยะเวลาในขนตอนการปรบเทยบแบบจาลอง และคาดการณคณภาพ นาในลานาลาตะคอง ดงรป

กรอบแนวคดการวจย (ตอ)

Page 11: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

กรอบแนวคดการวจย

รวบรวมขอมลทเกยวของ

- ขอมลอทกวทยา- ขอมลแหลงกาเนดมลพษ

- Point source

-

Non point source

- ขอมลอตนยมวทยา

คณภาพนาในแมนาลาตะคอง

ไดแก T, pH, cond, DO, BOD,

NH3

-N, NO3

-N, TP and TCB

ขนตอนการตรวจสอบความถกตอง

ของแบบจาลอง (Verification)

คาสมประสทธทเหมาะสมสาหรบ

แมนาลาตะคอง

ประเมนภาระมลพษและคาดการณคณภาพนา

ในแมนาลาตะคอง

No

Yes

วเคราะหและสรปผลการศกษา

การนาเขาขอมลของแบบจาลอง QUAL2Kw

การปรบเทยบ (Calibration) แบบจาลอง

Sensitivity Analysis

การปรบเทยบแบบจาลอง QUAL2Kw ดวย GA

Operators ของ Charbonneau and Knapp

การปรบเทยบแบบจาลอง QUAL2Kw ดวย GA

Operators ของ Goldberg and Michalewicz

คณภาพนาในแมนาลาตะคองทไดจากการปรบเทยบดวย GA

Operators ของ Goldberg and Deb และ Michalewicz

คณภาพนาในแมนาลาตะคองทไดจากการปรบเทยบ

ดวย GA Operators ของ Charbonneau and Knapp

Page 12: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

เปนปญญาประดษฐแขนงหนงทเลยนแบบทฤษฎการคดเลอก ทางธรรมชาต (Natural Selection) ของ Charles Darwin

ใชคนหาคาสงสด-ตาสด หรอบางทานอาจเรยกวาปญหาการหา คาอตมภาพ (optimisation problem) ของฟงกชนเปาหมายใดๆ

(objective function) ทเราตองการ ซง function ดงกลาวอาจ เปนแบบเสนตรง (linear) และไมเปนเสนตรง (non-linear) ก

ตาม •

(กมปนาท ภกดกล,

2547)

พนธกรรมคอมพวเตอร :

Genetic Algorithms (GAs)

Charbonneau and Knapp, 2002

Page 13: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

การเปรยบเทยบกระบวนการคดเลอกทางพนธกรรม

คอมพวเตอร (GA Operators

)

GA Operators

ของ Charbonneau and Knapp

(2002)

GA Operators

ของ Goldberg and Deb (1989) และ

Michalewicz (1992)

1. ขนการคดเลอก (selection operator)

1.1 full generational replacement

1.2 steady-state-replace-random

1.3 steady-state-replace-worst

1.ขนการคดเลอก (selection operator)

1.1 Proportional Selection

1.2 Rank Selection

1.3 Tournament Selection

Page 14: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

GA Operators

ของ Charbonneau and Knapp

(2002)

GA Operators

ของ Goldberg and Deb (1989)

และ Michalewicz (1992)

2. ขนการสลบตาแหนงของจน (crossover

operator)

2.1 one-point crossover

2.2 two-point crossover

2.3 equal probability of either one-point or two-point

crossover

2.4 uniform crossover

2.5 equal probability of either one-point, two-point, or

uniform

2.6 arithmetic crossover

2.7 equal probability of either one-point, two-point,

uniform, or arithmetic

2. ขนการสลบตาแหนงของจน (crossover

operator)

2.1 one-point crossover

2.2 two-point crossover

2.3 uniform crossover

การเปรยบเทยบกระบวนการคดเลอกทางพนธกรรม

คอมพวเตอร (GA Operators

)

Page 15: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

GA Operators

ของ Charbonneau and Knapp

(2002)

GA Operators

ของ Goldberg and Deb (1989)

และ Michalewicz (1992)

3. ขนดดแปลงจน (Mutation Operator)

3.1 one-point mutation, fixed rate

3.2 one-point, adjustable rate based on fitness

3.3 one-point, adjustable rate based on distance

3.4 one-point

or creep, fixed rate

3.5 one-point or creep, adjustable rate based on fitness

3.6 one-point or creep, adjustable rate based on distance

3. ขนดดแปลงจน (Mutation Operator)

3.1 conventional mutation

3.2 uniform mutation

3.3 modified uniform mutation

3.4 non-uniform mutation

การเปรยบเทยบกระบวนการคดเลอกทางพนธกรรม

คอมพวเตอร (GA Operators

)

Page 16: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ความเปนมาของแบบจาลอง QUAL

-

QUAL I

(1970) พฒนาโดย Texas

Water development Board

-

QUAL II

(1975) พฒนาโดย Water

Resource Engineer, Inc. (WRE) ภายใต

ขอตกลงกบ US EPA และThe Southeast Michigan Council of Government (SEMCOG)

-

QUAL2E

(1985

) พฒนาโดย SEMCOG

-

QUAL2K

(2000) พฒนาโดย Chapra,

S.C. and Pelletier, G.J.

-

QUAL2Kw (2005) พฒนาโดย Gregory

J. Pelletier, Steven C. Chapra, Hua Tao (Washington State Department of Ecology)

Rearation

Temperatur

CBOD

DO

NBOD

Conservation Mineral

Coliform Bacteria

Atmospheric Reration

Org.N

NH3

NH2

SOD

CBOD

Dis.P

Algae

DO

Org.P

NH3

Atmospheric Reration

Organic nitragen

Ammonia Nitrogen

Nitrite Nitrogen

Fecal Coliform

TSS

Organic Phosphoru

Algae

DO

BOD

Nitrate Nitrogen

NOD

NOD

SOD

Dissolve Phosphoru

N2

Fixed Plant

Sediment

Atmospheric Aeration

Ammonia

Nitrite

Nitrate

Benthic Demand

CBOD

Phosphorus

Algae

DO

QUAL I Model (1970) QUAL II Model (1973)

QUAL2E Model (1985) QUAL2K Model (2000)

(Seok and Yong, 2002)

Page 17: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

แบบจาลอง QUAL2Kw

พฒนาขนโดย Gregory J. Pelletier, Steven C. Chapra, Hua Tao

(Washington State Department of Ecology)ในป ค.ศ.2005

ซงพฒนาขนตอมาจากแบบจาลอง QUAL2K ของสถาบน USEPA ม

หลกการทางานเหมอนกบ QUAL2K คอ ทางานในระบบปฏบตการ วนโดว โดยโปรแกรมสรางจาก Visual Basic for Application

(VBA) โดยใชงานผานโปรแกรม Microsoft Excel

สาหรบสงทเพมเขามาใน QUAL2Kw นนคอ การนา Genetic

Algorithms มาใชในการ calibrate แบบจาลอง ซงโปรแกรมสราง จาก Fortran 95

Page 18: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

วตถประสงคการวจย

1. เพอศกษาคณภาพนาของลานาลาตะคอง โดยพารามเตอรดานกายภาพไดแก

Temperature พารามเตอรดานเคม ไดแก pH, Conductivity (cond.), Dissolved Oxygen

(DO), Biochemical Oxygen Demand (BOD), Ammonia-Nitrogen (NH3

-N), Nitrate-

Nitrogen

(NO3

-N),

Total phosphorus (TP) และพารามเตอรดานชวภาพ ไดแก Total

coliform bacteria

(TCB) โดยใชแบบจาลอง QUAL2Kw

2. เพอศกษาปรมาณมลพษทมาจากลมนาลาตะคองจากแหลงกาเนดมลพษประเภททราบ แหลงกาเนดทแนนอน (point source) และไมทราบแหลงกาเนดทแนนอน (non-point

source)

3. เพอเปรยบเทยบกระบวนการคดเลอกทางพนธกรรมคอมพวเตอร (GA Operators)

ระหวาง GA Operators ของ Charbonneau and Knapp กบ GA Operators ของ Goldberg

and Michalewicz ในการปรบเทยบ (Calibration) สมประสทธภายในแบบจาลอง

QUAL2Kw เพอประเมนภาระมลพษในลานาลาตะคอง จงหวดนครราชสมา รวมทง คาดการณคณภาพนาในอนาคต

Page 19: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

1. เปนแนวทางในการประยกตใชพนธกรรมคอมพวเตอรในการ ปรบเทยบแบบจาลอง QUAL2Kw กบแหลงนาอนๆ

2. ทราบปรมาณมลพษของแตละแหลงกาเนด ทสงผลทาใหคณภาพ นาในแมนาลาตะคอง เสอมโทรมลง

3. ทราบถงแนวโนมของคณภาพนาในแมนาลาตะคอง เพอใชเปน ขอมลพนฐานประกอบการบรหารจดการทรพยากรแหลงนาเพอ การใชประโยชนอยางยงยน

ประโยชนทคาดวาจะไดรบ

Page 20: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

งานวจยทเกยวของ

Page 21: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

การจดการคณภาพนาโดยใชแบบจาลอง

Page 22: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

A water quality modeling study of

the nakdong River, Korea

ไดทาการเปรยบเทยบแบบจาลองระหวาง QUAL2E และ QUAL2K ท

พฒนาขนโดย USEPA

เพอทจะนาไปแกไขปญหาคณภาพนาและสามารถประยกตใชกบแมนา Nakdong ในประเทศเกาหล

โดยพจารณาพารามเตอร ดงน DO, BOD, N และ P series และ Chlorophyll-a

การประเมนผลเปนไปดวยดทง QUAL2E และ QUAL2K ซง QUAL2K ใหผลการศกษาทดวาโดยเฉพาะคา Algal death to BOD, Fixed plant DO และ denitrification

(Seok and Yong, 2002)

Page 23: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Modeling and Assessment of Water Quality in

The Kelani River, Srilanka.

ไดใชแบบจาลอง QUAL2K ของ USEPA ในการประเมนคณภาพนาในแมนา Kelani ประเทศศรลงกา ทาการประเมนทง point source และ non point source

โดยพจารณาพารามเตอร ดงน pH, conductivity, Turbidity, Temp, DO, BOD, COD, Chloride, Nitrate as N, Phosphate as P และ Total Coliform

ผลการศกษาพบวาในชวง Low Flow ผลการคลาดเคลอนของการคาดการณคา DO อยท 4.2 % และ 5.2% ในเดอนกมภาพนธ และมกราคม ปค.ศ.2003 ตามลาดบ การคลาดเคลอน

ของการคาดการณคา BOD อยท 17 %

สวนในชวง High Flow ผลการคลาดเคลอนของการคาดการณคา DO อยท 2 % และ 5.5% ในเดอนกรกฎาคม และสงหาคม ปค.ศ.2003 ตามลาดบ สวนการคลาดเคลอนของการ

คาดการณคา BOD อยท 15 %

สาหรบคาพารามเตอรนอกจากนแบบจาลองสามารถคาดการณไดด

(Chaminda, G.G.T., 2005)

Page 24: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

การจดการคณภาพนาโดยใชพนธกรรมคอมพวเตอร

(Genetic Algorithm)

Page 25: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Selection of genetic algorithm operators for river

water quality model calibration

ไดประยกตใช Genetic Algorithm ในการ calibration แบบจาลอง สาหรบประเมนคณภาพนา

ซงการ calibration ถอวาเปนขนตอนทสาคญในการพฒนาแบบจาลอง และประสทธภาพของการใช Genetic Algorithm ในการประเมน

คณภาพนาขนอยกบ

การเลอก GA operator

การคดเลอกตวแปร

การตงสมมตฐาน และ

sensitivity ทเหมาะสม

ซงจะสงผลตอ output ทไดจากการประมวลผลดวย Genetic Algorithm

(Ng, A.W.M. and Perera, B.J.C., 2003)

Page 26: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

A framework for modeling water quality in streams and river

using a genetic algorithm for calibration

ประยกตใชกระบวนการคดเลอกพนธกรรมคอมพวเตอร (GA Operators) ตามรปแบบของ Charbonneau and Knapp ในการปรบเทยบสมประสทธภายในแบบจาลอง QUAL2Kw เพอ

ทานายคณภาพนาของแมนา Boulder Creek, USA.

พบวารปแบบของ GA Operators ทเหมาะสมทสดใน

ขนตอนการคดเลอกสายพนธ (Selection)ใชวธกลยทธการคดเลอกหวกระท (elitist strategy) รวมกบ Full generational replacement

ขนตอนการสลบสายพนธ (crossover) ใชวธ equal probability of either one-point, two-

point, or uniform,

ขนตอนการกลายพนธ (mutation) ใชวธ one-point mutation, fixed rate และ

population size, Generation เทากบ 100 ซงใชเวลาในการคานวณ 6 ชวโมง (3.2 GHz Pentium 4 processor)

นอกจากนยงไดเสนอแนวทางในการพฒนา GA สาหรบการ Calibration แบบจาลอง

คณภาพนาในอนาคต คอหา GA Operators ทเหมาะสมเพอลดเวลาของการ Calibration

(Gregory et al., 2005)

Page 27: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

การดาเนนการวจย

Page 28: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

เครองมอและอปกรณทใชในการศกษา

1. เครองคอมพวเตอร CPU 3.0 GHz Pentium 4 processor

2. โปรแกรมคอมพวเตอร QUAL2Kw version 5.1

3. โปรแกรม Microsoft Excel (Visual Basic

for Application [VBA])

4. โปรแกรม Arcview GIS 3.3a

Page 29: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ขนตอนการดาเนนงาน การรวบรวมขอมล

การนาเขาขอมลของแบบจาลอง QUAL2Kw

การปรบเทยบ (Calibration) แบบจาลอง

การตรวจสอบความถกตองของ

แบบจาลอง (Verification)

ประเมนภาระมลพษและคาดการณคณภาพ

นาในอนาคต

วเคราะหและสรปผลการศกษา

Yes

NO

Sensitivity Analysis

การปรบเทยบแบบจาลอง QUAL2Kw ดวย GA

Operators ของ Charbonneau and Knapp

การปรบเทยบแบบจาลอง QUAL2Kw ดวย GA

Operators ของ Goldberg and Michalewicz

คณภาพนาในแมนาลาตะคองทไดจากการปรบเทยบดวย GA

Operators ของ Goldberg and Michalewicz

คณภาพนาในแมนาลาตะคองทไดจากการปรบเทยบ ดวย GA

Operators ของ Charbonneau and Knapp

Page 30: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ประเภทขอมลทใชในการศกษา

ประเภท รายละเอยด ทมา

- ขอมลอทกวทยา

อตราการไหลของนา (Discharge)

ความเรวกระแสนา (velocity) และ

ระดบนา (Water Level) เฉลยรายเดอน

กรมชลประทานและสานกชลประทาน

ท 8 นครราชสมา

อตราการไหลของนา

(Discharge) ความเรว

กระแสนา (velocity) และ

ระดบนา (Water Level)

เฉลยรายเดอนกรม

ชลประทานและสานก

ชลประทานท 8

นครราชสมา

-ขอมลคณภาพนาWater Temp, pH, DO, BOD, NO

3

-N,

NH3

-N, TP, TCB, Conductivity

กรมควบคมมลพษและ

เทศบาลนครนครราชสมา

Page 31: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ประเภทขอมลทใชในการศกษา (ตอ)

ประเภท รายละเอยด ทมา

-ขอมลแหลงกาเนดของเสย

ทงปรมาณการใชนาและ

ปรมาณมลพษ

-

Point Source ไดแก มลพษท

เกดจากแหลงชมชนและ โรงงาน

อตสาหกรรม

-

Non Point Source ไดแก มลพษ

ทเกดจาก Runoff และ Discharge

หนวยงานในจงหวด

นครราชสมา และฐานขอมล

GIS จงหวดนครราชสมา

ของกรมสงเสรมคณภาพ

สงแวดลอม

- ขอมลอตนยมวทยา

Air Temperature, Dew point

temperature, Wind speed, Cloud

cover และ Shade and

Rainfall

กรมอตนยมวทยา

Page 32: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

QUAL2Kw segmentation scheme

1

2

3

456

8

7

Non-pointabstraction

Non-pointsource

Point source

Point source

Point abstractionPoint abstraction

Headwater boundary

Downstream boundary

Point source

วธและขนตอนในการนาเขาขอมลของ แบบจาลอง QUAL2Kw

1. แบง Reach ของแมนา

โดยการแบงลานา ออกเปนชวงระยะทาง

(Reach) ซงเปนชวงของ ลานาทมลกษณะของ

hydraulic characteristics

แบบเดยวกน

Page 33: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

H

1

23

45 6

ขรน.กนผม

ขรน.ขอยงาม

ขรน.คนชม

ขรน.มะขามเฒา

ขรน.กดหน

ขรน.มะเกลอใหม

เขอนลาตะคอง

การแบง Reach ของแมนาลาตะคอง

Page 34: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

2.1) ขอมลอทกวทยา

Reach specific data–

Elevation

Latitude/Longitude

Page 35: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ลกษณะทางชลศาสตร

Page 36: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

2.3) ขอมลคณภาพนาสถานตนนาและทายนา

Page 37: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ปรมาณความสกปรกของลมนา (Loading)

นาเสยจากแหลงกาเนดทแนนอน

(Point Source)

นาเสยจากแหลงกาเนดทไมแนนอน

(Non Point Source)

ชมชนในเขต

เทศบาล

โรงงาน

อตสาหกรรมกรณ Runoff

นาฝนไหลบา

กรณ Discharge

นาขาว

ฟารม

ปศสตว

เพาะเลยง

สตวนา

ชมชนนอกเขต

เทศบาล

(กรมควบคมมลพษ,

2545)

2.4) ขอมลแหลงกาเนดของเสยทงปรมาณการใชนาและปรมาณมลพษ

Page 38: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

-Buffer Zone

0 –

1 กโลเมตร

-

90 % ของคา ภาระมลพษท

เกดขนจรงในลม นาทงหมดและอก

10 % ระบายลงส

พนดน

1

2

3

4

5

6

HEAD WATER

P6

P8

P10

P9

Npr1.1_0-1

P7

Npr2.1_0-1

Npr1.2_0-1

P5

Npr1.3_0-1P1

P2

P3

P4

Npr1.5_0-1

Npr1.6_0-1

Npr1.7_0-1

Npr1.8_0-1

Npr2.4_0-1

Npr2.2_0-1

Npr2.3_0-1

Npr3.1_0-1Npr3.2_0-1

Npr3.4_0-1

Npr3.4_0-1

Npr3.3_0-1

Npr4.1_0-1Npr4.4_0-1

Npr4.3_0-1

Npr4.2_0-1Npr4.5_0-1

Npr5.1_0-1

Npr5.2_0-1

Npr5.3_0-1

Npr6.1_0-1

Npr6.2_0-1

Npr6.4_0-1

Pi1.1_0-1

to

Pi1.28_0-1

Pi3.1_0-1

to

Pi3.11_0-1

Pi4.1_0-1

to

Pi4.3_0-1

Pi5.1_0-1

to

Pi5.41_0-1

Pi6.1_0-1

to

Pi6.7_0-1

Npp1.1_0-1

to

Npp1.6_0-1

Npc1.18_0-1

to

Npc1.26_0-1

Npk1.29_0-1

to

Npk1.57_0-1

Npk3.1_0-1

to

Npk3.4_0-1

Npr2.5_0-1

Npr4.6_0-1

Npr5.4_0-1

Npr6.3_0-1

Npr6.5_0-1

Npr6.6_0-1

Page 39: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

-Buffer Zone 1–5 กโลเมตร

-20 % ของคาภาระ มลพษทเกดขน

จรงในลมนา ทงหมดและอก

80 % ระบายลงส

พนดน

1

2

3

4

5

6

HEAD WATER

P11

Npr1.1_1-5

Npr1.7_1-5 Npr1.6_1-5

Npr1.2_1-5Npr1.4_1-5Npr1.5_1-5

Npr1.8_1-5 Npr1.3_1-5

Npr2.1_1-5

Npr2.6_1-5

Npr2.5_1-5

Npr2.2_1-5

Npr2.3_1-5Npr2.4_1-5

Npr3.1_1-5

Npr3.2_1-5

Npr3.3_1-5

Npr3.7_1-5 Npr3.4_1-5

Npr3.5_1-5

Npr3.6_1-5

Npr4.4_1-5Npr4.1_1-5

Npr4.2_1-5

Npr4.6_1-5

Npr4.3_1-5Npr4.7_1-5

Npr4.8_1-5 Npr4.5_1-5

Npr5.1_1-5

Npr5.8_1-5

Npr5.2_1-5

Npr5.3_1-5

Npr5.6_1-5

Npr5.7_1-5

Npr5.5_1-5

Npr6.1_1-5

Npr6.2_1-5Npr6.3_1-5 Npr6.4_1-5

Npr6.5_1-5

Npr6.6_1-5

Npr6.7_1-5

Pi2.1_1-5

to

Pi2.2_1-5

Pi1.1_1-5

Pi3.1_1-5

to

Pi3.4_1-5

Pi4.1_1-5

to

Pi4.4_1-5

Pi5.1_1-5

to

Pi5.30_1-5

Pi6.1_1-5

to

Pi6.14_1-5

Npp1.7_1-5

Npk3.5_1-5to

Npk3.8_1-5

Npp4.1_1-5

Npk5.1_1-5

Page 40: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

-

Buffer Zone มากกวา 5 กโลเมตร

-

10 % ของคาภาระ

มลพษทเกดขนจรง ในลมนาทงหมดและ

อก 90 % ระบายลงส

พนดน

1

2

3

4

HEAD WATER

Npr1.2_>5Npr1.5_>5

Npr1.1_>5

Npr1.4_>5

Npr1.7_>5

Npr1.3_>5

Npr1.6_>5

Npr2.2_>5

Npr2.6_>5

Npr2.1_>5

Npr2.3_>5

Npr2.4_>5

Npr2.7_>5

Npr2.5_>5

Npr3.1_>5

Npr3.5_>5

Npr3.5_>5

Npr3.2_>5

Npr3.3_>5

Npr3.4_>5

Npr4.3_>5

Npr4.4_>5

Npr4.2_>5

Npr4.1_>5

Npr4.7_>5

Npr4.5_>5

Npr4.5_>5

Npr4.8_>5

Pi1.1_>5

to

Pi1.3_>5

Pi2.1_>5

Pi3.1_>5

to

Pi3.2_>5

Pi4.1_>5

Npp1.8_>5

to

Npp1.17_>5

Npd1.28_>5Npk1.58_>5

to

Npp1.147_>5

Npk2.1_>5

Npk3.9_>5

to

Npk3.11_>5

(วราภรณ ทนงศกด,

2547)

Page 41: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

QUAL2Kw Inputs,cont.

Point Sources Pollution–

Location

Waste Flow–

Temperature characteristics

Page 42: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

QUAL2Kw Inputs,cont.

Diffuse Sources (Non-point)–

Location (upstream to downstream)

Waste Flow–

Temperature characteristics

Page 43: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

2.5) ขอมลอตนยมวทยา

Climate Data (also reach specific)

Dew point temperature

Air temperature

Page 44: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Wind speed

Cloud cover

Shade

QUAL2Kw Inputs,cont.

Climate Data (also reach specific)

Page 45: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Light and Heat parameters

Page 46: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

การปรบเทยบดวย GA

Page 47: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

1

2

3

)fitness (1.1 จะใหวนกรอบเมอไดคาตอบ คงทแลว

1.2 จานวนของประชากรในแตละรน (Population

Size) 1.3 จานวนของรน (Generation)

1.5 ความนาจะเปนของการไขวสายพนธกรรม

1.6 คาเรมตนของกระบวนการผาสายพนธกรรม

1.7 คานอยทสดของกระบวนการผาสายพนธกรรม

1.8 คามากทสดของกระบวนการผาสายพนธกรรม

1.11 คาเรมตนของววฒนาการใหม

0 = สมคาเรมตนใหม

สดทายมาเปน คาเรมตน) Generation (1 = เลอกรน

1.10 การเกบสายพนธทดทสดของรนปจจบน (0=off/1=on)

1.4 รปแบบการเขารหสสายพนธกรรม (Coding System)

1.9 ความแตกตางของคา fitness

Page 48: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Objective Function

เมอ Oi, j

= observed value

Pi, j

= predicted value

m

= number of pairs of predicted and observed values

Wi

= weighting factor

q

= number of different state variables (e.g. dissolved oxygen, pH, nutrient concentrations,etc.) included in the reciprocal of the weighted normalized RMSE.

( )

⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥

⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢

⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥

⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢

⎥⎥⎥⎥

⎢⎢⎢⎢

⎡−

⎥⎦

⎤⎢⎣

⎡= ∑

∑=

=

=

=

q

im

j

m

jq

i

m

jOijPi

m

jOi

WiWixf

1

1

2

1

12

1

,,

,

1)(

Page 49: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

sheet Fitness ใชใสคาในสมการ Objective function

Page 50: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

การตรวจสอบความถกตองของแบบจาลอง (Verification)

ในขนตอนน จะมวธการดาเนนการ เชนเดยวกบขนการปรบเทยบแบบจาลอง

จากนนทาการคานวณผลโดยใชคาสมประสทธทไดจากการปรบเทยบ

เปรยบเทยบกบผลจากการตรวจวดของฝายจดการคณภาพนา สวนชางสขาภบาลเทศบาลนครนครราชสมา

ในการศกษาวจยนไดเลอกพจารณา สถตวเคราะหคาคลาดเคลอนของการ

พยากรณ (Root mean square error [RMSE]) เปนสถตทใชในการพจารณาความ

คลาดเคลอนของผลการคานวณจากแบบจาลองและขอมลจรง

Page 51: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ประเมนภาระมลพษและคาดการณคณภาพนาในอนาคต

ทาการคาดการณมลพษจากแหลงกาเนดมลพษประเภทตางๆ

ทง Point Source และ Non Point Source ทจะเกดขนในพนท

ล มน าล าตะคองในอนาคต รวมท ง ใชแบบจาลองทาง คณตศาสตรคาดการณลกษณะคณภาพนาในแมนาลาตะคองใน อก 5 ป (พ.ศ.2553) และ 10 ป (พ.ศ.2558) ขางหนา

Page 52: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

วเคราะหและสรปผลการศกษา

วเคราะหและสรปผลการศกษาทไดจากการปรบเทยบ

(Calibration) แบบจาลอง QUAL2Kw ดวยวธของพนธกรรม คอมพวเตอร (Genetic Algorithm) ในการประเมนภาระมลพษ ในแมนาลาตะคองทงในสถานการณปจจบนและอนาคต

Page 53: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ผลและอภปราย

Page 54: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

สามารถแบงหวขอออกไดดงน

4.1 การปรบเทยบแบบจาลอง QUAL2Kw โดยใช Genetic

Algorithm

4.2 การวเคราะหความออนไหว (Sensitivity Analysis)

4.3 การตรวจสอบความถกตองของแบบจาลอง QUAL2Kw

4.4 ภาระมลพษทระบายลงลมนาลาตะคอง

4.5 การคาดการณคณภาพนาในอนาคต

4.6 อภปรายกระบวนการคดเลอกทางพนธกรรมคอมพวเตอร (GA

Operators)

Page 55: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

4.1 การปรบเทยบแบบจาลอง QUAL2Kw โดยใช

Genetic Algorithm

4.1.1 ลกษณะทางชลศาสตร (Hydraulic Characteristics)

4.1.2 ผลการปรบเทยบคณภาพนา (Water Quality)

Page 56: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Lam Takhong River

0

1

2

3

4

5

6

7

8

9

10

0 20 40 60 80 100

distance downstream (Km)

flow

(m3/s

)

Q, m3/s Q-data m3/s

Lam Takhong River

0

1

2

3

4

5

0 20 40 60 80 100

distance downstream (Km)

dept

h (m

)

H, m H-data m

อตราการไหลของนาและระดบนาในชวงฤดฝน

% ความแตกตาง เทากบ 11.73

% ความแตกตาง เทากบ 9.28

Page 57: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

อตราการไหลของนาและระดบนาในชวงฤดแลง

Lam Takhong River

0

1

2

3

4

5

6

7

8

9

10

0 20 40 60 80 100

distance downstream (Km)

flow

(m3/s

)

Q, m3/s Q-data m3/s

Lam Takhong River

0

1

2

3

4

0 20 40 60 80 100

distance downstream (Km)

dept

h (m

)

H, m H-data m

% ความแตกตาง เทากบ 24.80

% ความแตกตาง เทากบ 9.07

Page 58: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

4.2 การวเคราะหความออนไหว (Sensitivity Analysis) ผลการทดสอบคา Sensitivity ของ กระบวนการคดเลอกตามธรรมชาต

(GA operators) ตางๆ ในลานาลาตะคอง

Items

Results

Charbonneau and Knapp Goldberg and Michalewicz

Wet Dry Wet Dry

Type of selection

Elitism + Full

generational

replacement

Elitism + Full

generational

replacement

Tournament

Selection

Tournament

Selection

Type of crossover

equal probability of

either one-point, two-

point, or uniform

equal probability of

either one-point, two-

point, or uniform

Uniform crossover Uniform crossover

Type of mutationone-point mutation,

fixed rate

one-point

or creep,

fixed rate

Modified uniform

mutation

Modified uniform

mutation

Probability of crossover 0.60 0.65 0.90 0.80

Probability of mutation 0.23 0.15 0.13 0.25

Population size 100 100 100 100

Generation in the evolution 80 20 50 30

Best Fitness 0.71074 0.70450 0.69074 0.68450

Execution Time (minute) 2,352.23 520.62 230.65 131.75

Page 59: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

คณภาพนาฤดฝน

Dissolved Oxygen

0.00

1.00

2.00

3.00

4.00

5.00

6.00

7.00

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

diss

olve

d ox

ygen

(mg/

l)

Simulated#1Simulated#2Measured

Biochemical Oxygen Demand

0.000.501.001.502.002.503.003.504.004.505.00

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

BOD

(mg/

l) Simulated#1Simulated#2Measured

Ammonia-Nitrogen

0.00

500.00

1000.00

1500.00

2000.00

2500.00

3000.00

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

amm

onia

(ugN

/L)

Simulated#1Simulated#2Measured

***Simulated#1 = Charbonneau and Knapp,

Simulated#2 = Goldberg and Michalewicz

Page 60: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ฤดฝน

Nitrate-Nitrogen

0.00

100.00

200.00

300.00

400.00

500.00

600.00

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

nitra

te -

nitr

ogen

(ugN

/L)

Simulated#1Simulated#2Measured

Total Phosphorus

0.00

100.00

200.00

300.00

400.00

500.00

600.00

700.00

800.00

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

TP (u

gP/l)

Simulated#1Simulated#2Measured

Total Coliform Bacteria

0.00

100,000.00

200,000.00

300,000.00

400,000.00

500,000.00

600,000.00

700,000.00

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

TCB

(cfu

/100

ml)

Simulated#1Simulated#2Measured

Conductivity

0

100

200

300

400

500

600

700

800

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

cond

uctiv

ity (u

mho

s)

Simulated#1Simulated#2Measured

Temperature

25.50

26.00

26.50

27.00

27.50

28.00

28.50

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

tem

pera

ture

(deg

C)

Simulated#1Simulated#2Measured

pH

7.00

7.10

7.20

7.30

7.40

7.50

7.60

7.70

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

pH

Simulated#1Simulated#2Measured

Page 61: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Dissolved Oxygen

0

1

2

3

4

5

6

7

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

diss

olve

d ox

ygen

(mg/

l)

Simulated#1Simulated#2Measured

Biochemical Oxygen Demand

0

1

2

3

4

5

6

7

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

BOD (m

g/l)

Simulated#1Simulated#2Measured

Ammonia-Nitrogen

0

200

400

600

800

1000

1200

1400

1600

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

amm

onia

(ugN

/L

Simulated#1Simulated#2Measured

คณภาพนาฤดแลง

***Simulated#1 = Charbonneau and Knapp,

Simulated#2 = Goldberg and Michalewicz

Page 62: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Nitrate-Nitrogen

0

100

200

300

400

500

600

700

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

nitr

ate

- nitr

ogen

(ugN

/L)

Simulated#1Simulated#2Measured

Total Phosphorus

0

200

400

600

800

1000

1200

1400

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

TP

Simulated#1Simulated#2Measured

Total Coliform Bacteria

0.00

500,000.00

1,000,000.00

1,500,000.00

2,000,000.00

2,500,000.00

3,000,000.00

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

TCB

(cfu

/100

ml)

Simulated#1Simulated#2Measured

Conductivity

0

100

200

300

400

500

600

700

800

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

cond

uctiv

ity (u

mho

s)

Simulated#1Simulated#2Measured

Temperature

0.00

5.00

10.00

15.00

20.00

25.00

30.00

35.00

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

tem

pera

ture

(deg

C)

Simulated#1Simulated#2Measured

pH

7.20

7.30

7.40

7.50

7.60

7.70

7.80

7.90

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

pH

Simulated#1Simulated#2Measured

Page 63: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

4.3 การตรวจสอบความถกตองของแบบจาลอง QUAL2Kw Lam Takhong River

0

1

2

3

4

5

6

7

8

9

10

0 20 40 60 80 100

distance downstream (Km)

flow

(m3/s

)

Q, m3/s Q-data m3/s

Lam Takhong River

0

1

2

3

4

0 20 40 60 80 100

distance downstream (Km)

dept

h (m

)

H, m H-data m

Page 64: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ตรวจสอบความถกตองของ แบบจาลอง QUAL2Kw กบการ

ตรวจวดคณภาพนาของเทศบาลนคร นครราชสมา

Dissolved Oxygen

0

1

2

3

4

5

6

7

8

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

diss

olve

d ox

ygen

(mg/

l)

Simulated#1Simulated#2Measured

Biochemical Oxygen Demand

02468

101214161820

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

BO

D (m

g/l)

Simulated#1Simulated#2Measured

Conductivity

0

100200

300

400500

600

700800

900

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

cond

uctiv

ity (u

mho

s)

Simulated#1Simulated#2Measured

Temperature

0.00

5.00

10.00

15.00

20.00

25.00

30.00

35.00

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

tem

pera

ture

(deg

C)

Simulated#1Simulated#2Measured

pH

7.20

7.30

7.40

7.50

7.60

7.70

7.80

0.00 20.00 40.00 60.00 80.00 100.00

Distance (km)

pH

Simulated#1Simulated#2Measured

Page 65: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

4.4 ภาระมลพษทระบายลงลมนาลาตะคอง

H

1

23

45 6

BOD เทากบ 15,160,758.61

kg/day

BOD เทากบ 237,402.09

kg/day

BOD เทากบ 284,558.50

kg/day

BOD เทากบ 9,202.23

kg/day

BOD เทากบ 7,721.38

kg/day

BOD เทากบ 654.30

kg/day

Page 66: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

4.4 ภาระมลพษทระบายลงลมนาลาตะคอง

H

1

23

45 6

ฟอสเฟตเทากบ 4.71

kg/day

ฟอสเฟตเทากบ 1.38

kg/day

ฟอสเฟตเทากบ 2.51

kg/day

ฟอสเฟตเทากบ 2.15

kg/day

ฟอสเฟตเทากบ 2.89

kg/day

ฟอสเฟตเทากบ 0.93

kg/day

Page 67: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

4.4 ภาระมลพษทระบายลงลมนาลาตะคอง

H

1

23

45 6

ไนเตรท เทากบ 31.95

kg/day

ไนเตรท เทากบ 9.12

kg/day

ไนเตรท เทากบ 16.37

kg/day

ไนเตรท เทากบ 13.85

kg/day

ไนเตรท เทากบ 17.69

kg/day

ไนเตรท เทากบ 6.04

kg/day

Page 68: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

H

1

23

45 6

ประเภทท 3 ประเภทท 4,5

Page 69: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

4.5 การคาดการณคณภาพนาในอนาคต 5 ป (พ.ศ.2553)

และ 10 ป (พ.ศ.2558)

H

1

23

45 6

ประเภทท 4 ประเภทท 5

Page 70: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

4.6 อภปรายกระบวนการคดเลอกทางพนธกรรมคอมพวเตอร

(GA Operators)

จดท Execution time ของ GA Operators ของ Charbonneau

and Knapp อยทขบวนการสมคดเลอกโครโมโซมพอแมทใช

วธการของวงลอรเลท (Roulette Wheel) แบบวธการจดอนดบ

(Ranking Selection) ซงม

ขอดคอจะใหคาของโอกาสในการถกคดเลอกทไมแปรผนไปตาม ขนาดของคาความเหมาะสมแตจะขนอยกบอนดบของโครโมโซม

อยางไรกตามวธการดงกลาวจะมผลทาใหการลเขาสคาตอบของ GA

ชา เนองมาจากโครโมโซมทดอยกวามโอกาสในการถกคดเลอกทด

ขนเมอเปรยบเทยบกบวธอนๆ (อาทตย ศรแกว,

2002)

Page 71: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

สรปและขอเสนอแนะ

Page 72: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

สรปผลการศกษา

- เ นองจากว ธการปรบเทยบคาสมประสทธภายใน แบบจาลอง QUAL2Kw โดยใช GA Operators ตางๆ ทงของ

Charbonneau and Knapp

(2002) และของ Goldberg (1989) and Michalewicz

(1992) มทงจดเดนและจดดอยแตกตางกนไป

- อยางไรกตาม GA Operators ของทง 2 รปแบบสามารถ จาลองคณภาพนาของแมนาลาตะคองไดใกลเคยงกบสถาน

ตรวจวดคณภาพนาของกรมควบคมมลพษ ยกเวนคาโคลฟอรม

แบคทเรยทงหมด (TCB) ของชวงลานาท 5 ทไมสามารถจาลอง ไดเ นองจากขาดขอมลทจะนามาคานวณภาระโคลฟอรม แบคทเรยทงหมดทระบายลงสแมนาลาตะคอง

Page 73: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ขอเสนอแนะในการวจยตอไป

1) การศกษาในครงนไมไดนาขอมลของจดสบนา (point

abstraction) มาใชรวมดวยจงทาใหการคาดการณ

ลกษณะทางชลศาสตรมความคลาดเคลอน

2) ควรศกษาเพมเตมเกยวกบคาความสาคญของปจจย

(Weighting factor) ของแตละพารามเตอร เพอเพม

ประสทธภาพของแบบจาลอง QUAL2Kw

Page 74: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

ขอเสนอแนะในการวจยตอไป (ตอ)

3) ควรมการศกษาคาแอมโมเนยจากฟารมสกรเพมเตมเพอใหแบบจาลอง สามารถจาลองคา แอมโนเนยไนโตรเจนไดใกลเคยงความเปนจรงมาก ยงขน

4) ควรมการศกษาปรมาณการปลอยนาจากเขอนระบายแตละแหงใหไปเจอ จางมลพษใหอยในเเกณฑมาตรฐานทกาหนด รวมทงควรมการศกษา

เพมเตมในสวนของความสามารถในการรองรบของเสยสงสดรายวนดวย

5) ในการพฒนาแบบจาลอง QUAL2Kw ควรใชเครองคอมพวเตอรทม

ประสทธภาพสงเนองจากหากใชเครองคอมพวเตอรทมประสทธภาพตาจะ

ทาใหใชเวลาในการคานวณนานมาก หากเปนไปไดในการทาสวนตดตอ กบผใช (GUI) ควรใชโปรแกรมสาหรบการคานวณโดยเฉพาะเนองจาก

โปรแกรมทพฒนาไดจะมความเรวมากกวาโปรแกรมทพฒนาจาก VBA

Page 75: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Thank You for your AttentionThank You for your Attention

Page 76: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

Q & A

Page 77: การประยุ กต ใชพุักรรมคอมพนธ ิวเตอร (Genetic Algorithm) ใน ... · ุกรรมคอมพวเตอร ิ :

กตตกรรมประกาศ

ผวจยขอขอบพระคณมหาวทยาลยราชภฏนครสวรรคทให

โอกาส และสนบสนนทนการศกษาแกผวจยและขอกราบ ขอบพระคณ รศ.ดร.กมปนาท ภกดกล อาจารยทปรกษา วทยานพนธ รศ.ดร.จาลอง อรณเลศอารย อาจารย ดร.ทอง เปลว กองจนทร กรรมการควบคมวทยานพนธ ทใหความร ให

คาปรกษาแนะนา ตลอดจนการตรวจแกไขโครงรางวทยานพจน

จนกลายเปนรปเลมวทยานพนธเลมน อกทงยงให ประสบการณ

การทางานทดและมคณคาอยางยงเพอปรบไปใชในการทางาน รวมกบผอนได ขอขอบพระคณไว ณ ทนดวย