Forest fire management and risk prediction system in Chiangmai province : a comparative study of support vector machine and neural network
Issued Date
2012
Copyright Date
2012
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
xi, 79 leaves : ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thesis (M.Sc. (Technology of Information System Management))--Mahidol University, 2012
Suggested Citation
A-San Somboonying Forest fire management and risk prediction system in Chiangmai province : a comparative study of support vector machine and neural network. Thesis (M.Sc. (Technology of Information System Management))--Mahidol University, 2012. Retrieved from: https://repository.li.mahidol.ac.th/handle/20.500.14594/95124
Title
Forest fire management and risk prediction system in Chiangmai province : a comparative study of support vector machine and neural network
Alternative Title(s)
ระบบจัดการและพยากรณ์ไฟป่าในจังหวัดเชียงใหม่ กรณีศึกษาเปรียบเทียบระหว่างซัพพอร์ตเวกเตอร์แมชชีนและโครงข่ายประสาทเทียม
Author(s)
Abstract
พื้นที่ป่าของประเทศไทยได้ถูกทำลายจากไฟป่าทุกปี เพื่อลดความเสี่ยงและอันตรายจากไฟป่า ในส่วนแรกของการศึกษาจะทำการออกแบบและพัฒนาระบบจัดการข้อมูลไฟป่าในรูปแบบของเวบ โดยพัฒนาโดยใช้ภาษา PHP และใช้ MySQL เป็นฐานข้อมูล ซึ่งในระบบที่พัฒนาขึ้นใหม่นี้จะทำให้การทำงานมีความสะดวกมากขึ้น ลดการทำงานที่ซ้ำซ้อนลง ในการ ประเมินระบบจัดการไฟป่านั้น จะทำโดยผู้ใช้งานที่ทำงานในสำนักควบคุมและป้องกันไฟป่า โดยผลของการประเมินมีดังนี้ คะแนนของ functional requirement test และ security test อยู่ในระดับดีและคะแนนของ functional test และ usability test อยู่ในระดับดีมาก เมื่อพัฒนาส่วนแรกของการศึกษาเสร็จจะนำข้อมูลไฟป่าในระบบที่สร้างขึ้นใหม่มาพยากรณ์การเกิดไฟป่าโดยใช้เทคนิคเหมืองข้อมูลร่วมกับข้อมูลทางอุตุนิยมวิทยา โดยเทคนิคเหมืองข้อมูลที่ใช้ประกอบด้วย Multilayer Perceptron (MLP) and Support Vector Machine (SVM) ในการศึกษานี้จะนำเทคนิค Synthetic Minority Over-sampling Technique (SMOTE) มาเพิ่มประสิทธิภาพของโมเดล เนื่องจากถ้าไม่ใช้ SMOTE การทำนายจะทำได้ยากเนื่องจากมีคลาสการไม่เกิดไฟป่ามากกว่าคลาสอื่น โดยผลการ ทดสอบพบกว่าผลการทำนายของ SVM ดีกว่า MLP ดังนั้นวิธีที่ดีที่สุดในการทำนายการเกิดไฟป่า คือการใช้เทคนิค SVM ร่วมกับข้อมูลทางอุตุนิยมวิทยา 6 ตัว
Description
Technology of Information System Management (Mahidol University 2012)
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Engineering
Degree Discipline
Technology of Information System Management
Degree Grantor(s)
Mahidol University