Big Data Analytics for Predicting Coral Bleaching in Samui Island Area, Suratthani Province
Master of Science (Applied Mathematics and Computing Science), 2022
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Theses and Dissertations |
| Language: | English |
| Published: |
Prince of Songkla University
2023
|
| Subjects: | |
| Online Access: | http://kb.psu.ac.th/psukb/handle/2016/18993 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Institution: | Prince of Songkhla University |
| Language: | English |
| id |
th-psu.2016-18993 |
|---|---|
| record_format |
dspace |
| spelling |
th-psu.2016-189932023-10-24T04:21:33Z Big Data Analytics for Predicting Coral Bleaching in Samui Island Area, Suratthani Province การวิเคราะห์ข้อมูลขนาดใหญ่สำหรับดารทำนายปะการังฟอกขาวในพื้นที่เกาะสมุยจังหวัดสุราษฎร์ธานี Tanatpong Udomchaipitak Supattra Puttinaovarat Faculty of Science and Industrial Technology คณะวิทยาศาสตร์และเทคโนโลยีอุตสาหกรรม Coral Bleaching Big Data Analytics Predictive Model Sensorization of Pontoons Master of Science (Applied Mathematics and Computing Science), 2022 This research investigates coral bleaching by collecting sea temperature data and seawater acidity. Through the technology of the Internet of Things together with LoRa and satellite data acquisition. We test the effectiveness of predicting coral bleaching in the Samui island area of Suratthani province which consists of an SVM, Naive Bayes, Logistic regression model, and data visualization using spatial analysis techniques. The result of this study was found that three important parameters for the development of LoRa devices are spreading factor, bandwidth, and code rate. The most important parameter to set up and affect the RSSI value is the spreading factor. After we studied and tested the system with LoRa, we tested the effectiveness of the model in various datasets. We found that the SVM model had accurate on data from a pontoon. The model's performance was tested using two techniques: split test, and K fold crossvalidation. We visualize of information gathered from various sources shows the risk of coral bleaching during the data collection period. The most clearly shown source is the pontoon source. Tuition Fee Scholarship graduate level งานวิจัยนี้เป็นการศึกษาการฟอกสีปะการังโดยรวบรวมข้อมูลอุณหภูมิน้ําทะเลและความเป็นกรด ของน้ําทะเล ผ่านเทคโนโลยีอินเทอร์เน็ตของสรรพสิ่งร่วมกับ LoRa และการเก็บข้อมูลดาวเทียม เพื่อ ทดสอบประสิทธิภาพของแบบจําลองต่าง ๆสําหรับการทํานายการฟอกขาวของปะการังบริเวณเกาะสมุย จังหวัดสุราษฎร์ธานี ซึ่งประกอบด้วย SVM, Naive Bayes, Logistic Regression Model และนําเสนอ ข้อมูลโดยใช้เทคนิคการวิเคราะห์เชิงพื้นที่ผลการศึกษาและการทดสอบ พบว่า พารามิเตอร์ที่สําคัญสาม ประการสําหรับการพัฒนาอุปกรณ์ LoRa ได้แก่ Spreading Factor, Bandwidth และ Code Rate พารามิเตอร์ที่สําคัญที่สุดในการตั้งค่าและส่งผลต่อค่า RSSI คือ Spreading Factor หลังจากการศึกษาและ ทดสอบ LoRaผู้วิจัยได้ทดสอบประสิทธิภาพของแบบจําลองในชุดข้อมูลต่าง ๆ พบว่าแบบจําลอง SVM มี ความแม่นยําที่ดีกับข้อมูลจากทุ่นที่ติดตั้งอุปกรณ์อินเทอร์เน็ตของสรรพสิ่ง นอกจากนี้ประสิทธิภาพของ แบบจําลองได้รับการทดสอบโดยใช้เทคนิค Split test และK Fold Cross Validation หลังจากทดสอบ ประสิทธิภาพของแบบจําลองเสร็จเรียบร้อย ได้ทําการนําเสนอแผนภาพที่รวบรวมจากแหล่งข้อมูลต่าง ๆ แสดงให้เห็นความเสี่ยงของการฟอกขาวของปะการังในช่วงระยะเวลาการเก็บรวบรวมข้อมูล แหล่งข้อมูลที่ แสดงให้เห็นความเสี่ยงอย่างชัดเจนที่สุด คือแหล่งข้อมูลจากทุ่นที่ติดตั้งอุปกรณ์อินเทอร์เน็ตของสรรพสิ่ง 2023-10-24T04:19:26Z 2023-10-24T04:19:26Z 2022 Thesis http://kb.psu.ac.th/psukb/handle/2016/18993 en Attribution-NonCommercial-NoDerivs 3.0 Thailand http://creativecommons.org/licenses/by-nc-nd/3.0/th/ application/pdf Prince of Songkla University |
| institution |
Prince of Songkhla University |
| building |
Khunying Long Athakravi Sunthorn Learning Resources Center |
| continent |
Asia |
| country |
Thailand Thailand |
| content_provider |
Khunying Long Athakravi Sunthorn Learning Resources Center |
| collection |
PSU Knowledge Bank |
| language |
English |
| topic |
Coral Bleaching Big Data Analytics Predictive Model Sensorization of Pontoons |
| spellingShingle |
Coral Bleaching Big Data Analytics Predictive Model Sensorization of Pontoons Tanatpong Udomchaipitak Big Data Analytics for Predicting Coral Bleaching in Samui Island Area, Suratthani Province |
| description |
Master of Science (Applied Mathematics and Computing Science), 2022 |
| author2 |
Supattra Puttinaovarat |
| author_facet |
Supattra Puttinaovarat Tanatpong Udomchaipitak |
| format |
Theses and Dissertations |
| author |
Tanatpong Udomchaipitak |
| author_sort |
Tanatpong Udomchaipitak |
| title |
Big Data Analytics for Predicting Coral Bleaching in Samui Island Area, Suratthani Province |
| title_short |
Big Data Analytics for Predicting Coral Bleaching in Samui Island Area, Suratthani Province |
| title_full |
Big Data Analytics for Predicting Coral Bleaching in Samui Island Area, Suratthani Province |
| title_fullStr |
Big Data Analytics for Predicting Coral Bleaching in Samui Island Area, Suratthani Province |
| title_full_unstemmed |
Big Data Analytics for Predicting Coral Bleaching in Samui Island Area, Suratthani Province |
| title_sort |
big data analytics for predicting coral bleaching in samui island area, suratthani province |
| publisher |
Prince of Songkla University |
| publishDate |
2023 |
| url |
http://kb.psu.ac.th/psukb/handle/2016/18993 |
| _version_ |
1781416884410777600 |