นักวิจัย มช. ใช้ Machine Learning ทำนายความเข้มข้น PM2.5 ย้อนหลัง 10 ปี ในพื้นที่ภาคเหนือตอนบน เติมเต็มช่องว่างข้อมูล PM2.5 ที่ขาดหาย เพื่อประโยชน์ต่อการศึกษาวิจัยด้านระบาดวิทยา เกี่ยวกับผลกระทบระยะยาวของมลพิษ
วิกฤตฝุ่นละอองขนาดเล็ก (PM2.5) ในพื้นที่ภาคเหนือตอนบนของประเทศไทย เป็นปัญหาเรื้อรังที่ส่งผลกระทบต่อคุณภาพชีวิตมาอย่างยาวนาน อย่างไรก็ตาม หนึ่งในอุปสรรคสำคัญของการศึกษาวิจัยผลกระทบด้านสุขภาพของประชาชนคือ ข้อมูลการตรวจวัดฝุ่น PM2.5 ในอดีตมักมีช่องว่างและขาดความต่อเนื่อง คณะผู้วิจัยจากภาควิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ และสถาบันวิจัยวิทยาศาสตร์สุขภาพ มหาวิทยาลัยเชียงใหม่ จึงได้ร่วมกันพัฒนาแบบจำลองการเรียนรู้ของเครื่อง (Machine Learning) เพื่อทำนายความเข้มข้นของฝุ่น PM2.5 ย้อนหลัง 10 ปี ในพื้นที่ 8 จังหวัดภาคเหนือตอนบนของประเทศไทย โดยใช้ข้อมูลจากสถานีตรวจวัดคุณภาพอากาศของกรมควบคุมมลพิษที่ตรวจวัดในพื้นที่ของจังหวัดต่าง ๆ ในเขตภาคเหนือตอนบน ระหว่างปี พ.ศ. 2554–2563
ข้อมูลที่ใช้ประกอบด้วยความเข้มข้นของฝุ่น PM10, ก๊าซมลพิษ (CO2, O3), จุดความร้อน (Fire Hotspots) และข้อมูลอุตุนิยมวิทยา (Air pressure, Rainfall, Relative humidity, Temperature, Wind direction, and Wind speed) โดยเปรียบเทียบประสิทธิภาพของอัลกอริทึม 5 รูปแบบ ได้แก่ Multi-layer Perceptron Neural Networks (MLP), Support Vector Machine (SVM), Multiple Linear Regressions (MLR), Decision Tree (DT) และ Random Forests (RF)
ผลการศึกษาพบว่าแบบจำลอง Random Forests (RF) มีประสิทธิภาพสูงสุดในการทำนายความเข้มข้นของ PM2.5 โดยมีค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) อยู่ที่ 6.82 ไมโครกรัมต่อลูกบาศก์เมตร, ค่าความคลาดเคลื่อนเฉลี่ย (MPE) 4.33 ไมโครกรัมต่อลูกบาศก์เมตร, ค่าความคลาดเคลื่อนสัมพัทธ์ (RPE) 22.50% และค่าสัมประสิทธิ์การตัดสินใจ (R2) สูงถึง 0.93
ภาพแสดงตำแหน่งของสถานีตรวจวัดคุณภาพอากาศของกรมควบคุมมลพิษ (PCD) ในพื้นที่ 8 จังหวัดภาคเหนือตอนบนของประเทศไทย
งานวิจัยนี้ช่วยเติมเต็มช่องว่างของข้อมูล PM2.5 ย้อนหลังในพื้นที่ภาคเหนือตอนบนที่ขาดการตรวจวัดอย่างต่อเนื่อง ซึ่งจะเป็นประโยชน์อย่างยิ่งต่อการศึกษาวิจัยด้านระบาดวิทยาเกี่ยวกับผลกระทบระยะยาวของมลพิษทางอากาศต่อสุขภาพของประชาชน และช่วยสนับสนุนการกำหนดนโยบายสาธารณสุข และการจัดการคุณภาพอากาศที่มีประสิทธิภาพมากขึ้น
งานวิจัย หัวข้อ "Long-Term Retrospective Predicted Concentration of PM2.5 in Upper Northern Thailand Using Machine Learning Models" ดำเนินการศึกษาวิจัย โดย อ.ดร.วรวุฒิ ศรีสุขคำ ภาควิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ มหาวิทยาลัยเชียงใหม่
ร่วมกับ ดร.แสวง กาวิชัย ดร.ปทุมรัตน์ ศรีพันธุ์ พญ.อมราภรณ์ ฤกษ์เกษม
ศ.(เชี่ยวชาญพิเศษ) นพ.กิตติพันธุ์ ฤกษ์เกษม สถาบันวิจัยวิทยาศาสตร์สุขภาพ มหาวิทยาลัยเชียงใหม่
ได้รับการตีพิมพ์ในวารสารวิชาการระดับนานาชาติ Toxics (Published: 27 February 2025)
ผู้สนใจสามารถศึกษาข้อมูลได้ที่ https://doi.org/10.3390/toxics13030170
