The Hybrid Neural Networks-ARIMA/X Models and ANFIS Model for PM-10 Forecasting: A Case Study of Chiang Mai, Thailand’s High Season
วารสารวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ (Engineering Journal Chiang Mai University) เป็นวารสารที่ตีพิมพ์บทความวิชาการในลักษณะบทความวิจัย และบทความปริทัศน์ที่มีคุณภาพสูง ทางด้านวิศวกรรมศาสตร์ วิทยาศาสตร์ และเทคโนโลยี รวมถึงสาขาอื่นที่เกี่ยวข้อง โดยมีเนื้อหาที่เป็นองค์ความรู้พื้นฐานจนกระทั่งการนำไปใ...
Saved in:
| Main Author: | |
|---|---|
| Language: | English |
| Published: |
คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่
2019
|
| Subjects: | |
| Online Access: | http://researchs.eng.cmu.ac.th/UserFiles/File/Journal/25_1/17Rati.pdf http://cmuir.cmu.ac.th/jspui/handle/6653943832/66449 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Institution: | Chiang Mai University |
| Language: | English |
| id |
th-cmuir.6653943832-66449 |
|---|---|
| record_format |
dspace |
| spelling |
th-cmuir.6653943832-664492019-08-21T09:18:28Z The Hybrid Neural Networks-ARIMA/X Models and ANFIS Model for PM-10 Forecasting: A Case Study of Chiang Mai, Thailand’s High Season RATI Wongsathan ARIMA model ARIMAX model Multilayer perceptron neural networks Radial basis function neural network ANFIS PM-10 วารสารวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ (Engineering Journal Chiang Mai University) เป็นวารสารที่ตีพิมพ์บทความวิชาการในลักษณะบทความวิจัย และบทความปริทัศน์ที่มีคุณภาพสูง ทางด้านวิศวกรรมศาสตร์ วิทยาศาสตร์ และเทคโนโลยี รวมถึงสาขาอื่นที่เกี่ยวข้อง โดยมีเนื้อหาที่เป็นองค์ความรู้พื้นฐานจนกระทั่งการนำไปใช้ประโยชน์ ทั้งในแง่ทฤษฎี การวางแผน การทดลอง การออกแบบ หรือการพัฒนาอุปกรณ์และการจำลองการทำงานของระบบ หรือกระบวนการต่างๆ เป็นต้น โดยเปิดรับบทความวิชาการทางสาขาวิศวกรรมศาสตร์ ตลอดทั้งปี It was demonstrated that efficient air quality models are very useful tools in forecasting air pollutants. Consequently, in this paper, the influence of exogenous variable (X) related meteorological parameters and correlated toxic gas together with the significant historical PM-10 values was analyzed to formulate the numerical hybrid PM-10 forecast model during high season (January-April) in Chiang Mai Province, northern Thailand. The hybrid model is divided into two stages, dealing firstly with nonlinear transformation through the multilayer perceptron neural network (MLPNN) and radial basis function neural network (RBFNN), and secondly with statistical estimation of the linearly stationary residuals using an autoregressive integrated moving average (ARIMA) and ARIMAX, and denoted by hMLPNN/RBFNN-ARIMA/X model. On the tradeoff between the accuracy using root mean square error (RMSE) and mean absolute error (MAE), and the reliability through Akaike information criterion(AIC) for PM-10 forecasting, the hMLPNN-ARIMA model was identified as the optimal model whereas the hMLPNN-ARIMAX and the hRBFNN-ARIMA model were identified as the suboptimal model. For further comparison against PM-10 forecast based an adaptive neuro-fuzzy inference system (ANFIS) model, it was indicated that the hMLPNN-ARIMA model provided slightly more accurate but clearly more reliable than that of the ANFIS including the others. 2019-08-21T09:18:28Z 2019-08-21T09:18:28Z 2561 วารสารวิศวกรรมศาสตร์ 25, 1 (ม.ค.-เม.ย. 2561), 203-213 2672-9695 http://researchs.eng.cmu.ac.th/UserFiles/File/Journal/25_1/17Rati.pdf http://cmuir.cmu.ac.th/jspui/handle/6653943832/66449 Eng คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ |
| institution |
Chiang Mai University |
| building |
Chiang Mai University Library |
| country |
Thailand |
| collection |
CMU Intellectual Repository |
| language |
English |
| topic |
ARIMA model ARIMAX model Multilayer perceptron neural networks Radial basis function neural network ANFIS PM-10 |
| spellingShingle |
ARIMA model ARIMAX model Multilayer perceptron neural networks Radial basis function neural network ANFIS PM-10 RATI Wongsathan The Hybrid Neural Networks-ARIMA/X Models and ANFIS Model for PM-10 Forecasting: A Case Study of Chiang Mai, Thailand’s High Season |
| description |
วารสารวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ (Engineering Journal Chiang Mai University) เป็นวารสารที่ตีพิมพ์บทความวิชาการในลักษณะบทความวิจัย และบทความปริทัศน์ที่มีคุณภาพสูง ทางด้านวิศวกรรมศาสตร์ วิทยาศาสตร์ และเทคโนโลยี รวมถึงสาขาอื่นที่เกี่ยวข้อง โดยมีเนื้อหาที่เป็นองค์ความรู้พื้นฐานจนกระทั่งการนำไปใช้ประโยชน์ ทั้งในแง่ทฤษฎี การวางแผน การทดลอง การออกแบบ หรือการพัฒนาอุปกรณ์และการจำลองการทำงานของระบบ หรือกระบวนการต่างๆ เป็นต้น โดยเปิดรับบทความวิชาการทางสาขาวิศวกรรมศาสตร์ ตลอดทั้งปี |
| author |
RATI Wongsathan |
| author_facet |
RATI Wongsathan |
| author_sort |
RATI Wongsathan |
| title |
The Hybrid Neural Networks-ARIMA/X Models and ANFIS Model for PM-10 Forecasting: A Case Study of Chiang Mai, Thailand’s High Season |
| title_short |
The Hybrid Neural Networks-ARIMA/X Models and ANFIS Model for PM-10 Forecasting: A Case Study of Chiang Mai, Thailand’s High Season |
| title_full |
The Hybrid Neural Networks-ARIMA/X Models and ANFIS Model for PM-10 Forecasting: A Case Study of Chiang Mai, Thailand’s High Season |
| title_fullStr |
The Hybrid Neural Networks-ARIMA/X Models and ANFIS Model for PM-10 Forecasting: A Case Study of Chiang Mai, Thailand’s High Season |
| title_full_unstemmed |
The Hybrid Neural Networks-ARIMA/X Models and ANFIS Model for PM-10 Forecasting: A Case Study of Chiang Mai, Thailand’s High Season |
| title_sort |
hybrid neural networks-arima/x models and anfis model for pm-10 forecasting: a case study of chiang mai, thailand’s high season |
| publisher |
คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ |
| publishDate |
2019 |
| url |
http://researchs.eng.cmu.ac.th/UserFiles/File/Journal/25_1/17Rati.pdf http://cmuir.cmu.ac.th/jspui/handle/6653943832/66449 |
| _version_ |
1681426456692916224 |