Predict amount of PM2.5 by using Data Mining – Time series techniques Case Study: Pathum Wan District, Bangkok

Abstract

PM2.5 dust is tiny particles that directly enter the body. In past year PM2.5 is higher than measure that Pollution Control Department set. Researchers study to forecast amount of PM2.5 by using Data Mining technique and by follow working order of CRISP-DM. Researcher using 3 algorithm Linear Regression ,Multilayer Perceptron ,Support Vector Machine, after data preparation use WEKA program to get the result of forecast. Algorithm Support Vector Machine is the highest accurate at 64.76%. After this can bring this model to forecast amount of PM2.5 in other district for surveillance and problem resolution

ฝุ่นละออง PM2.5 เป็นฝุ่นขนาดที่เล็กสามารถเข้าสู่ร่างกายได้โดยตรง ในช่วงปีที่ผ่านมาค่าฝุ่น PM2.5 ได้สูงเกินค่า มาตรฐานที่กรมควบคุมมลพิษและสิ่งแวดล้อมกำหนด ผู้วิจัยจึงได้ทำการวิจัยเพื่อพยากรณ์ปริมาณของฝุ่น PM2.5 โดยใช้ เทคนิคเหมืองข้อมูล และใช้ขั้นตอนการทำงานของ CRISP-DM ซึ่งผู้วิจัยได้ศึกษาและเลือกใช้อัลกอริทึม 3 ตัวได้แก่ การ ถดถอยเชิงเส้น แบบจำลองโครงข่ายประสาทเทียมแบบเพอร์เซปตรอนหลายชั้น ซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย มาใช้งาน โดยหลังจากเตรียมข้อมูลได้ใช้โปรแกรม WEKA ในการคำนวนหาผลการพยากรณ์ โดยอัลกอริทึมซัพพอร์ตเวกเตอร์ แมชชีนสำหรับการถดถอยให้ค่าความแม่นยำสูงสุดที่ 64.76% จึงสามารถนำแบบจำลองไปพยากรณ์ค่าฝุ่นละออง PM2.5 ใน เขตอื่นๆเพื่อเฝ้าระวังพร้อมแก้ไขปัญหาต่อไป