The algorithm development for Thunderstorm prediction

Abstract

Nowadays, the global climate is changing due to the occurrence of thunderstorms, which cause serious damage. The K index (KI), which helps predict thunderstorms in World and Thailand, can evaluate the potential for atmospheric rise caused by convection and heavy rain. KI can only be predicted in advance, 6-8 hours. Therefore, this study will provide a novel algorithm for KI or thunderstorm prediction of the next day. Using time series analysis, the factor affecting thunderstorms is the upper air; Temperature 500, 700 and 850 hPa and Temperature Dewpoint 700 and 850 hPa. From the five factors, the four appropriate prediction factors are coming from ARIMA (Autoregressive Integrated Moving Average), and the last one factor is came from LSTM (Long Short-Term Memory), After that, the KI prediction will calculate from these factors. The output from this research evaluated by RMSE and MAPE shows the appropriated performance that the value is less than 10. It can probably apply for aviation business.

การเปลี่ยนแปลงของภูมิอากาศของโลกที่ส่งผลต่ออัตราการเกิดพิบัติภัยเกี่ยวกับฝนฟ้าคะนองเป็นจำนวนมากอย่างต่อเนื่องและทวีความรุนแรงขึ้น ซึ่งหากเกิดขึ้นจะสร้างความเสียหายต่อชีวิตและทรัพย์สิน ดัชนีที่ช่วยในการพยากรณ์ฝนฟ้าคะนองทั่วโลกและประเทศไทย คือ K Index (KI) เป็นดัชนีที่มีประโยชน์สำหรับวิเคราะห์ศักยภาพของบรรยากาศในการยกตัวจากการพาความร้อน และการเกิดฝนตกหนัก ค่า KI คำนึงถึงการกระจายตัวของความชื้นในทางตั้งของทั้งความชื้น และอุณหภูมิ โดย KI จะสามารถพยากรณ์ล่วงหน้าได้แค่ 6-8 ชั่วโมง ดังนั้น งานวิจัยฉบับนี้จะนำเสนออัลกอริทึมที่เหมาะสมสำหรับการพยากรณ์ค่า KI หรือโอกาสการเกิดฝนฟ้าคะนองให้มีการพยากรณ์ล่วงหน้า 1 วัน โดยจะใช้ข้อมูลอนุกรมเวลามาวิเคราะห์ข้อมูล ปัจจัยทั้ง 5 ตัวที่นำมาคำนวณค่า KI และได้ศึกษาในงานวิจัยนี้ ได้แก่ อุณหภูมิ ระดับความสูง 500, 700 และ 850 hPa และ อุณหภูมิจุดน้ำค้าง ระดับความสูง 700 และ 850 hPa โดยใช้ ARIMA (Autoregressive Integrated Moving Average) และ LSTM (Long Short-Term Memory) พบว่า ARIMA เหมาะสมกับตัวแปร อุณหภูมิ ระดับความสูง 500 และ 700 hPa และ อุณหภูมิจุดน้ำค้าง ระดับความสูง 700 และ 850 hPa และ LSTM เหมาะสมกับตัวแปร อุณหภูมิ ระดับความสูง 850 hPa เมื่อนำค่าพยากรณ์มาคำนวณหาค่า KI และวัดประสิทธิภาพการพยากรณ์ด้วย RMSE และ MAPE ให้ค่าที่ให้ความแม่นยำสูงทั้ง 2 ตัวแบบ เพื่อเปรียบเทียบประสิทธิภาพแบบจำลองที่สามารถนำไปใช้ประโยชน์ในการวางแผน ป้องกันและรับมือความเสียหายของภัยพิบัติที่มีโอกาสจะเกิดขึ้น และยังสำคัญต่ออุตสาหกรรมการบิน