proceeding-ncwre9

Proceeding เสริมสร้างการบริหารจัดการ ทรัพยากรน้ำ ด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม เสริมสร้างการบริหารจัดการ ทรัพยากรน้ำ ด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม บทความ ฉบับสมบูรณ์ บทความ ฉบับสมบูรณ์ The 9 National Convention on Water Resources Engineering The 9 National Convention on Water Resources Engineering Empowering Water Management through Emerging Technology and Digital Social Engagement Empowering Water Management through Emerging Technology and Digital Social Engagement การประชุมชุวิชวิาการ วิศวิวกรรมแหล่งล่น้ำ แห่งห่ชาติ ครั้ง รั้ ที่ 9 การประชุมชุวิชวิาการ วิศวิวกรรมแหล่งล่น้ำ แห่งห่ชาติ ครั้ง รั้ ที่ 9 ธันวาคม 2566 14-15 th เวลา 08.30-16.30 น. ณ ห้อง Ballroom โรงแรมดิเอมเมอรัลด์ กรุงเทพฯ เวลา 08.30-16.30 น. ณ ห้อง Ballroom โรงแรมดิเอมเมอรัลด์ กรุงเทพฯ NCWRE 9 จัดโดย คณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ ร่วมกับ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ บางเขน จัดโดย คณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ ร่วมกับ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ บางเขน

บทความฉบับสมบูรณ์ การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 The 9th National Convention on Water Resources Engineering Proceeding ภายใต้หัวข้อ เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม วันที่ 14-15 ธันวาคม 2566 ณ ห้อง Ballroom 1 ชั้น 3 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ ดำเนินจัดการประชุมโดย คณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ ร่วมกับ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ บางเขน

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 1 สารบัญ หน้า คณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำในคณะกรรมการสาขาวิศวกรรมโยธา ประจำปี 8 คณะกรรมการจัดประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 9 คณะกรรมการผู้ทรงคุณวุฒิพิจารณาบทความการประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 11 สาสน์จากประธานคณะกรรมการสาขาวิศวกรรมโยธา 12 สาสน์จากประธานคณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ 13 สาสน์จากคณบดี คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ 14 หน่วยงานที่ให้การสนับสนุน การจัดการประชุมวิชาการแหล่งน้ำแห่งชาติครั้งที่ 9 15 กำหนดการประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 16 บทความ อุตุ-อุทกวิทยา และการเปลี่ยนแปลงสภาพภูมิอากาศ Meteo-Hydrological and Climate Change CC-00 การวิเคราะห์ความถี่แบบลุ่มน้ำรวมของฝนรายวันสูงสุดในประเทศไทย Reginal Frequency Analysis of Annual Maximum Daily Rainfall in Thailand ทิพยดา แก้วมณี, และชวลิต ชาลีรักษ์ตระกูล 21 CC-01 กราฟการกระจายของฝนตามเวลาสำหรับออกแบบระบบระบายน้ำในกรุงเทพมหานคร Temporal Rainfall Pattern for Designing Urban Drainage System in Bangkok ใจรัก เกษเกษม, และชวลิต ชาลีรักษ์ตระกูล 33 23CC-02 L-moments based Goodness-of-fit Tests of Annual Maximum Discharge in the Upper Part of the Chao Phraya River Basin Chidsumon Sasirat, Anurak Sriariyawat, Teerawat Ramindra, and Piyatida Ruangrassamee 44 CC-03 การศึกษาประสิทธิภาพเรดาร์คอมโพสิตด้วยวิธีดัชนีคุณภาพภายใต้เครือข่ายเรดาร์ สมุทรสงคราม เรดาร์สัตหีบ และเรดาร์พิมาย Investigation of the Radar Composite Efficiency with Quality Indices Method Using a Network of Samut Songkhram, Sattahip and Phimai Radars ภาณุรัศม์ จิวารัตน์, และพรรณพิมพ์ พุทธรักษา มะเปี่ยม 53 CC-04 ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศต่อค่าศักย์การคายระเหยในพื้นที่ 22 ลุ่มน้ำ ของประเทศไทย ด้วยข้อมูลจากแบบจำลองสภาพภูมิอากาศ CMIP5 Climate Change Impacts on Potential Evapotranspiration in 22 Basins of Thailand using data form CMIP5 Climate Models กิตติยา พุ่มจันทร์, และดนย์ปภพ มะณี 63

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 2 CC-05 PROJECTING CLIMATE CHANGE IMPACTS ON LOW FLOW INDICES IN THE UPPER CHAO PHRAYA RIVER BASIN, THAILAND Chantharath Yos, and Supattra Visessri 74 CC-06 การประเมินผลกระทบการเปลี่ยนแปลงสภาพภูมิอากาศต่อปริมาณตะกอนโดยใช้แบบจำลอง ภูมิอากาศโลก CMIP5 ในพื้นที่ลุ่มน้ำแหง จังหวัดน่าน Impact Assessment of Climate Change on Sedimentation Using CMIP5 Climate Models in the Nam Hang Watershed, Nan Province พีรวัฒน์ ปลาเงิน, ชนะ สินทรัพย์วโรดม, และธนพร สุปริยศิลป์ 83 CC-07 การประเมินแนวโน้มของปริมาณน้ำฝนในอดีตและอนาคตในพื้นที่ลุ่มน้ำลำปาวภายใต้การ เปลี่ยนแปลงสภาพภูมิอากาศ Assessing Trends of Historical and Future Rainfall in the Lam Pao Basin under Climate Change ธนวรรณ แพงเพ็ง, และวรพงษ์ โล่ห์ไพศาลกฤช 95 CC-08 Estimation of Extreme Rainfall in Chiang Mai by using ACER Method Chana Sinsabvarodom, Pheerawat Plangoen, Thanaporn Supriyasilp, Wei Chai, Phattrawich Namracha, Damrongsak Rinchumphu, Chinnapat Buachart, and Oleg Gorbunov 101 CC-09 การลดขนาดทางสถิติข้อมูลปริมาณน้ำฝนรายวัน ภายใต้การเปลี่ยนแปลงสภาพภูมิอากาศโลก ในพื้นที่ลุ่มน้ำจันทบุรี Statistical Downscaling of Daily Rainfall under Global Climate Change in the Chanthaburi River Basin ยิ่งคุณ มูห์ลฮัน, และศรีสุนี วุฒิวงศ์โยธิน 106 CC-10 การประเมินความแปรปรวนของปริมาณน้ำฝนจากข้อมูลสังเกตการณ์และผลลัพธ์แบบจำลอง CMIP6 ในภาคตะวันออกเฉียงเหนือของประเทศไทย Evaluation of Rainfall Variability from Observation Data and CMIP6 Models Output in Northeast Thailand สุรสิทธิ์ ปัญญวรรณศิริ, เลอบุญ อุดมทรัพย์, พัชรินทร์ พิมพ์สิงห์, และวิภพ ทีมสุวรรณ 117 CC-11 แบบจำลองโครงข่ายใยประสาทเทียมของฝนรายชั่วโมงสำหรับการเตือนภัยน้ำท่วมแบบ ฉับพลัน Artificial neural network model of hourly rainfall for flash flood warning. นพดล เง้าพา, และชวลิต ชาลีรักษ์ตระกูล 130 CC-12 การศึกษาลักษณะการเกิดน้ำท่วมบริเวณตลาดสายลมจอย อำเภอแม่สาย จังหวัดเชียงราย The Study of Flood Characteristics in Sailom Joy Market, Mae Sai District, Chiang Rai Province อัจฉริยา ไชยชาติ, วาทิน ธนาธารพร, ณรงค์ฤทธิ์ เหลืองดิลก, อภิมุข มุขตารี, และสถิตย์ จันทร์ทิพย์ 140

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 3 บทความ วิศวกรรมชายฝั่ง Coastal Engineering CE-00 การศึกษาการเปลี่ยนแปลงลักษณะกระแสน้ำและการไหลเวียนจากเหตุการณ์สึนามิ พ.ศ. 2547 ด้วยแบบจำลองเชิงตัวเลขและความสัมพันธ์กับการเปลี่ยนแปลงเส้นชายฝั่งบริเวณ เขาหลัก จังหวัดพังงา Investigation of Changes of Current and Circulation from Tsunami 2004 Event Using Numerical Simulation and relationship with shoreline change at Khao Lak, Phang-Nga Province ธนวัฒน์ ชมสาคร, และธนัสพงษ์ โภควนิช 150 CE-01 การศึกษาพฤติกรรมการกัดเซาะหน้ากำแพงกันคลื่น กรณีศึกษา หาดมหาราช Study of Scour Depth in front of Seawalls: Case study of Maharat Beach อิลยาส มามะ, และสมฤทัย ทะสดวก 162 บทความ เทคโนโลยีสมัยใหม่และการตัดสินใจ Emerging Technology and Decision Support ED-00 Irrigation canal monitoring using UAV cameras Thanaroj worraratprasert, Kawintida Pinthong, and Sriram Reddy 171 ED-01 การทำนายการไหลในลำน้ำรายชั่วโมงด้วยเทคนิคการเรียนรู้เชิงลึก กรณีศึกษาในลุ่มแม่น้ำเลย ตอนล่าง Hourly River Flow Forecasting Using Deep Learning Techniques: Case Study in the Lower Loei River Basin นายกลวัชร หย่ำวิไล, วรรณดี ไทยสยาม, และพาพิศ วงศ์ชัยสุวัฒน์ 178 บทความ การจัดการน้ำบาดาล Groundwater Management GM-00 การประเมินศักยภาพน้ำบาดาล แอ่งน้ำบาดาลปราจีนบุรี - สระแก้ว ประเทศไทย Assessment of groundwater potential mapping in Prachinburi – Sa Kaeo groundwater basin ชวภัณต์ จันทร์โพธิ์, ศรีเลิศ โชติพันธรัตน์ 185 GM-01 การประเมินค่าและการจัดทำแผนที่การเติมน้ำใต้ดินด้วยข้อมูล GRACE และวิธี Thornthwaite-Mather : กรณีศึกษาแอ่งน้ำบาดาลบางปะกง ประเทศไทย 195

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 4 Evaluating and Mapping Groundwater Recharge Using GRACE data and Thornthwaite-Mather Method: A Case Study of Bang Pakong Aquifer in Thailand พงศ์พันธุ์ จันทะคัต, เยาวเรศ จันทะคัต, และแอน กำภู ณ อยุธยา บทความ อุทกสารสนเทศศาสตร์ Hydroinformatics HD-00 ศึกษาการป้องกันน้ำท่วมพื้นที่กรุงเทพและปริมณฑลตามแผนบรรเทาอุทกภัยเจ้าพระยา ตอนล่าง Study Flood Prevention in Bangkok Metropolitan Areas according to the Lower Chao Phraya Flood Relief Plan ศุภชัย งามขำ, เศรษฐพงศ์ ศรีวิริยานนท์, และสนิท วงษา 202 HD-01 การพยากรณ์น้ำไหลเข้าสู่อ่างเก็บน้ำเขื่อนลำตะคอง ด้วยแบบจำลองการเรียนรู้เชิงลึก Inflow Prediction of Lam Ta Kong Dam Using Deep Learning Model ณัฐดนัย ขันทวี, และวรรณดี ไทยสยาม 210 บทความ วิศวกรรมชลศาสตร์ Hydraulics Engineering HE-00 การประเมินพลังงานของระบบท่อส่งน้ำชลประทาน: กรณีศึกษาโครงการสถานีสูบน้ำ สะพือเหนือ, อุบลราชธานี Energy Assessment of Pressurized Irrigation Transmission System: the Case Study of Saphue Nuea Pump Station, Ubon Ratchathani พงศนาถ มิลส์, จิรเมธ ช้างคล่อม, และอดิชัย พรพรหมินทร์ 220 HE-01 การศึกษาสภาพการหลากของน้ำด้วยแบบจำลอง HEC-RAS กรณีศึกษาพื้นที่ลุ่มน้ำ คลองสวนหมาก จังหวัดกำแพงเพชร A study of flow conditions using the HEC-RAS model: A case study of the Klong suanmark river basin, Kamphaeng Phet province พีระวัฒน์ เจริญสินธุ์, วราวุธ วุฒิวณิชย์, นิมิตร เฉิดฉันท์พิพัฒน์, ชัยยะ พึ่งโพธิ์สภ, และ สมชาย ดอนเจดีย์ 226

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 5 บทความ การชลประทานและระบายน้ำ Irrigation and Drainage ID-00 การบริหารจัดการรองรับภัยแล้งต้นแบบของพื้นที่ชลประทานอ่างเก็บน้ำชลประทานขนาด กลาง: กรณีศึกษาอ่างเก็บน้ำแม่ต๋ำ จังหวัดพะเยา Drought Management Model for Drought on Irrigation Area of Medium-Scale Reservoir: Case Study of the Mae Tam Reservoir in Phayao Province เมธาฤทธิ์ แนมสัย, ธเรศ ปาปะกัง, ฤทัยทิพย์ มะมา, พีรวัส พึ่งพาพัฒน์และทนงศักดิ์ สุขศิริ 236 ID-01 การพัฒนาเว็ปแอปพลิเคชันสำหรับออกแบบ ระบบคลองส่งน้ำในระดับแปลงเกษตร Web Application development for On-Farm Irrigation Canal System Design กวินธิดา ปิ่นทอง, และธีรพัฒน์ ดีธงทอง 247 บทความ ความเสี่ยงและภัยพิบัติ Risk and Disaster RD-00 ความไม่แน่นอนในการเตือนภัยน้ำท่วมฉับพลันด้วยระบบ Southeast Asia Flash Flood Guidance System (SeAFFGS) ในพื้นที่ภาคใต้ของประเทศไทย Uncertainty of Warning with Southeast Asia Flash Flood Guidance System (SeAFFGS) in Southern Thailand ฟาตา มรรษทวี, ภัทร สุขทวี, ชัยวิวัฒน์ วงศาโรจน์, นัฐพล มหาวิค, ณัฐพงศ์ แป้นทอง, และจีระพา เตี้ยนวล 258 RD-01 การวิเคราะห์พื้นที่เสี่ยงภัยแล้งด้วยดัชนีเปราะบางภัยแล้ง (DVI) ที่พัฒนาจากข้อมูลดัชนี ดาวเทียม Analysis of Drought-Prone Areas Using Drought Vulnerability Index (DVI) Developed from Satellite Data. ศุภณัฐ สิทธิการ, ทิชา โลลุพิมาน, และ สถิตย์ จันทร์ทิพย์ 267 บทความ การบริการจัดการทรัพยากรน้ำ Water Resources Management WM-00 การมีส่วนร่วมของชุมชนในการจัดการแหล่งน้ำดิบเพื่อการผลิตน้ำประปา บริเวณแม่น้ำพุมดวง จังหวัดสุราษฎร์ธานี Community Participation in Raw Water Sources Management for Water Supply in Phum-Duang River, Surat Thani Province อุไรรัตน์ รัตนวิจิตร, วิภารัตน์ ชัยเพชร, ภูเด่น แก้วภิบาล, และธีราวรรณ จันทร์แสง 276

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 6 WM-01 การศึกษาสมดุลน้ำของอ่างเก็บน้ำพระปรงเพื่อเพิ่มพื้นที่ชลประทาน Study of water balance of Phra Prong Reservoir for increasing Irrigation area จงกล จันมา, และวรรณดี ไทยสยาม 287 WM-02 การประยุกต์ใช้นิเวศบริการในการประเมินผลมาตรการในการปรับตัวโดยอาศัยระบบนิเวศด้าน สิ่งแวดล้อม: กรณีศึกษาโครงการอนุรักษ์ฟื้นฟูแหล่งน้ำคลองท่าดี จังหวัดนครศรีธรรมราช Applying Ecosystem Service to Evaluate the Environmental-based Adaption (EbA) measures in Environmental Aspects: Case Study of the Conservation and Rehabilitation Project at Tha Dee Canal, Nakhon Si Thammarat Province รัตน์ดา พัฒน์สิงหเสนีย์, อารยา ยศมงคล, พิพัฒน์ เรืองงาม, สมสงวน ชมสุวรรณ์, และณัฐพงศ์ รังสิมันตุชาติ 297 WM-03 การบริหารจัดการ และการใช้ประโยชน์จากนิเวศบริการในพื้นที่ป่าพรุควนเคร็ง Peat Swamp Management and Ecological Service in Kuan Kreng Peat Swamp Forest สุประภาพ พัฒน์สิงหเสนีย์, ปุณยวีร์ สวรรยาพานิช, ศาณี ทิพย์ทะเบียนการ, และรัตน์ดา พัฒน์สิงหเสนีย์ 307 WM-04 การใช้แบบจำลอง SWMM เพิ่มประสิทธิภาพการบรรเทาปัญหาอุทกภัยด้วยโครงสร้างพื้นฐาน สีเขียว: กรณีศึกษาพื้นที่บริหารจัดการน้ำท่วมรัชดาภิเษก พหลโยธิน แยกเกษตรฯ จตุจักร SWMM-based simulation for enhancing urban flood mitigation through green infrastructures: A Case Study of Ratchadaphisek, Phahonyothin, Kasetsart Intersection Chatuchak Polder ราชพล เจริญภานุชาติ, สุธิดา ทีปรักษพันธุ์, อิทธิพร ศิริสวัสดิ์, ศิริวรรณ ศรีสรฉัตร์, และเดชพล จิตรวัฒน์กุลศิริ 317 บทความ การจัดการคุณภาพน้ำและระบบนิเวศ Water Quality Management and Ecosystem WME-00 การพยากรณ์ความขุ่นของน้ำดิบในแม่น้ำเจ้าพระยาเพื่อการผลิตน้ำประปา Forecasting Turbidity of Raw Water in the Chao Phraya River for Water Supply Production. ภควัต ลำจวน, จิรเมธ ช้างคล่อม, และอดิชัย พรพรหมินทร์ 327 บทความ วิศวกรรมประปาและสุขาภิบาล Water Supply and Sanitary Engineering WS-00 การใช้แบบจำลองชลศาสตร์โครงข่ายท่อประปา สำหรับการแก้ปัญหาแรงดันของระบบประปา ท้องถิ่น: กรณีศึกษาโครงข่ายเทศบาลตำบลจันจว้า 338

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 7 A hydraulic network modelling to address pressure-related issues for local waterworks: A case study in Janjawa Municipality network ธเนศพล ศักดิ์สูง, อดิชัย พรพรหมินทร์, และจิรเมธ ช้างคล่อม WS-01 การคำนวณตัวชี้วัดประสิทธิภาพการรั่วไหลของโครงข่ายท่อประปาในประเทศไทย Calculation of Leakage Performance Indicators for Water Distribution Networks in Thailand กรกันต์ ช้างศิลา, อดิชัย พรพรหมินทร์, และจิรเมธ ช้างคล่อม 346

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 8 คณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ ในคณะกรรมการสาขาวิศวกรรมโยธา ประจำปี พ.ศ.2566 คณะที่ปรึกษา 1 ผศ.ดร.ภาณุวัฒน์ ปิ่นทอง ผู้ทรงคุณวุฒิ 2. ดร.เกษม ปิ่นทอง ผู้ทรงคุณวุฒิ 3. ดร.วัชระ เสือดี ผู้ทรงคุณวุฒิ 4. ดร.ศิริลักษณ์ ชุ่มชื่น ผู้ทรงคุณวุฒิ 5. ดร.ธรรมนูญ รัศมีมาศเมือง ผู้ทรงคุณวุฒิ 6. นายฐนโรจน์ วรรัฐประเสริฐ ผู้ทรงคุณวุฒิ 7. นายบัลลังก์ เมี่ยงบัว ผู้ทรงคุณวุฒิ คณะอนุกรรมการ 1 ดร.สุรเจตส์ บุญญาอรุณเนตร ประธาน 2. รศ.ดร.สนิท วงษา อนุกรรมการ 3. รศ.ดร.ชาญวิทย์ สายหยุดทอง อนุกรรมการ 4. ผศ.ดร.สุภัทรา วิเศษศรี อนุกรรมการ 5. ผศ.ดร.ชัยวัฒน์ เอกวัฒนพานิช อนุกรรมการ 6. ผศ.ดร.วรรณดี ไทยสยาม อนุกรรมการ 7. ผศ.ดร.เปรม รังสิวณิชพงศ์ อนุกรรมการ 8. ผศ.ดร.พงษ์ศักดิ์ สุทธินนท์ อนุกรรมการ 9. ผศ.ดร.วรพงษ์ โล่ห์ไพศาลกฤช อนุกรรมการ 10. ดร.สมชาย ชนวัฒนา อนุกรรมการ 11. ดร.สุประภาพ พัฒน์สิงห์เสนีย์ อนุกรรมการ 12. ดร.ปิยมาลย์ ศรีสมพร อนุกรรมการ 13. นายปกรณ์ สุตสุนทร อนุกรรมการ 14. นายฟาตา มรรษทวี อนุกรรมการ 15. นายอารยัน รัตนพันธุ์ อนุกรรมการ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 9 คณะกรรมการจัดประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 ที่ปรึกษา 1. ผศ.ดร.ภาณุวัฒน์ ปิ่นทอง ผู้ทรงคุณวุฒิ 2. ดร.เกษม ปิ่นทอง ผู้ทรงคุณวุฒิ 3. ดร.วัชระ เสือดี ผู้ทรงคุณวุฒิ 4. ดร.ศิริลักษณ์ ชุ่มชื่น ผู้ทรงคุณวุฒิ 5. ดร.ธรรมนูญ รัศมีมาศเมือง ผู้ทรงคุณวุฒิ 6. นายฐนโรจน์ วรรัฐประเสริฐ ผู้ทรงคุณวุฒิ 7. นายบัลลังก์ เมี่ยงบัว ผู้ทรงคุณวุฒิ ประธานคณะกรรมการ 1. ดร.สุรเจตส์ บุญญาอรุณเนตร ประธานกรรมการ 2. ผศ.ดร.วรรณดี ไทยสยาม รองประธานกรรมการ 3. ผศ.ดร.ชัยวัฒน์ เอกวัฒน์พาณิชย์ รองประธานกรรมการ 4. ผศ.ดร.ภาณุวัฒน์ ปิ่นทอง รองประธานกรรมการ คณะกรรมการฝ่ายวิชาการ 1. ผศ.ดร.วรรณดี ไทยสยาม ประธานกรรมการ 2. ผศ.ดร.ชัยวัฒน์ เอกวัฒน์พาณิชย์ รองประธานกรรมการ 3. รศ.ดร.สนิท วงษา กรรมการ 4. ผศ.ดร.เปรม รังสิวณิชพงศ์ กรรมการ 5. ผศ.ดร.สุภัทรา วิเศษศรี กรรมการ 6. ดร.ปิยมาลย์ ศรีสมพร กรรมการ 7. ผศ.ดร.วรพงษ์ โล่ไพศาลกฤช กรรมการ คณะกรรมการฝ่ายพิธีการ สถานที่ และประชาสัมพันธ์ 1. ผศ.ดร.วรรณดี ไทยสยาม ประธานกรรมการ 2. รศ.ดร.ชาญวิทย์ สายหยุดทอง กรรมการ 3. ผศ.ดร.พงษ์ศักดิ์ สุทธินนท์ กรรมการ 4. ผศ.ดร.เปรม รังสิวณิชพงศ์ กรรมการ 5. นายอารยัน รัตนพันธุ์ กรรมการ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 10 คณะกรรมการฝ่ายจัดหารายได้ 1. ผศ.ดร.ภาณุวัฒน์ ปิ่นทอง ประธานกรรมการ 2. ดร.สุประภาพ พัฒน์สิงห์เสนีย์ รองกรรมการ 3. นายฐนโรจน์ วรรัฐประเสริฐ กรรมการ 4. ดร.สมชาย ชนวัฒนา กรรมการ 5. นายฟาตา มรรษทวี กรรมการ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 11 คณะกรรมการผู้ทรงคุณวุฒิพิจารณาบทความการประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 1. ดร.สุประภาพ พัฒน์สิงหเสนีย์ กรมทรัพยากรน้ำ 2. ดร.ปิยมาลย์ ศรีสมพร สถาบันสารสนเทศทรัพยากรน้ำ 3. นายสมชาย ชนวัฒนา DHI และ AIT 4. ผศ.ดร.สุภัทรา วิเศษศรี จุฬาลงกรณ์มหาวิทยาลัย 5. รศ.ดร.กิตติเวช ขันติยวิชัย มหาวิทยาลัยขอนแก่น 6. ดร.จีรพงษ์ เหล่าน้ำใส มหาวิทยาลัยนเรศวร 7. ผศ.ดร.ธรรมนูญ รัศมีมาสเมือง มหาวิทยาลัยบูรพา 8. ผศ.ดร.ชาญยุทธ กาฬกาญจน์ มหาวิทยาลัยบูรพา 9. ผศ.ดร.ศรีสุนี วุฒิวงศ์โยธิน มหาวิทยาลัยบูรพา 10. ผศ.ดร.วีรยุทธ ประทุมไชย มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ 11. รศ.ดร.สนิท วงษา มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี 12. ผศ.ดร.ดวงฤดี โฆษิตกิตติวงศ์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนุบรี 13. ดร.วงศ์นรินทร์ คำพอ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี 14. รศ.ดร.อดิชัย พรพรหมินทร์ มหาวิทยาลัยเกษตรศาสตร์ บางเขน 15. รศ.สุรชัย ลิปิวัฒนาการ มหาวิทยาลัยเกษตรศาสตร์ บางเขน 16. ผศ.ดร.วรรณดี ไทยสยาม มหาวิทยาลัยเกษตรศาสตร์ บางเขน 17. ผศ.ดร.จิรเมธ ช้างคล่อม มหาวิทยาลัยเกษตรศาสตร์ บางเขน 18. ผศ.ดร.เปรม รังสิวณิชพงศ์ มหาวิทยาลัยเกษตรศาสตร์ บางเขน 19. ผศ.ดร.สมฤทัย ทะสดวก มหาวิทยาลัยเกษตรศาสตร์ บางเขน 20. ผศ.ดร.พรรณพิมพ์ พุทธรักษา มะเปี่ยม มหาวิทยาลัยเกษตรศาสตร์ บางเขน 21. ผศ.ดร.จิระวัฒน์ กณะสุต มหาวิทยาลัยเกษตรศาสตร์ บางเขน 22. อาจารย์ ดร.จตุพร สมพอง มหาวิทยาลัยเกษตรศาสตร์ เบางเขน 23. อาจารย์ ดร.ดนย์ปภพ มะณี มหาวิทยาลัยเกษตรศาสตร์ บางเขน 24. อาจารย์ ดร.ชูพันธุ์ ชมภูจันทร์ มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน 25. ผศ.ดร.ไชยาพงษ์ เทพประสิทธิ์ มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน 26. ผศ.ดร.วิษุวัฒก์ แต้สมบัติ มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน 27. ผศ.ดร.นิธิรัชต์ สงวนเดือน มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน 28. ผศ.ดร.เกศวรา สิทธิโชค มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน 29. ดร.ศศิวิมล ขาวโกมล มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 12 สาสน์จากประธานคณะกรรมการสาขาวิศวกรรมโยธา การเปลี่ยนแปลงสภาพภูมิอากาศเป็นปัญหาระดับโลก ที่ส่งผลกระทบต่อการบริหารจัดการน้ำ ของประเทศไทย การเปลี่ยนแปลงสภาพภูมิอากาศนั้นส่งผลกระทบต่อทั้งปริมาณน้ำฝน ปริมาณน้ำในแหล่งน้ำ ธรรมชาติ และปริมาณน้ำความต้องการใช้ ความไม่แน่นอนเหล่านี้ส่งผลกระทบทั้งทางตรงและทางอ้อม กับทุกภาคส่วน อาทิเช่น ภาคประชาชน ภาคอุตสาหกรรม ภาคการคมนาคมการขนส่ง และภาคเศรษฐกิจ องค์รวมที่มีการนำทรัพยากรน้ำมาใช้ หากไม่มีการบริหารจัดการที่ดีจะส่งผลทำให้ปริมาณน้ำไม่เพียงพอ ต่อการใช้งาน การนำเทคโนโลยีและนวัตกรรมใหม่ และแพลตฟอร์มการทำงานร่วมกันของข้อมูลในสังคม ยุคดิจิทัล จึงมีส่วนสำคัญในการช่วยการบริหารจัดการน้ำได้อย่างมีประสิทธิภาพและประสิทธิผล ภายใต้ความ ไม่แน่นอนดังกล่าว ความสำเร็จของการประชุมวิชาการฯ ขึ้นอยู่กับความร่วมมือจากทุกฝ่าย ในนามของประธาน คณะกรรมการสาขาวิศวกรรมโยธา วิศวกรรมสถานแห่งประเทศไทยฯ (วสท.) ขอขอบคุณคณะอนุกรรมการสาขา วิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทยฯ (วสท.) ภาควิชาวิศวกรรมทรัพยากรน้ำ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ บางเขน คณะกรรมการจัดงาน คณะกรรมการพิจารณา บทความ รวมถึงหน่วยงานภาครัฐ เอกชน ที่ให้ความอนุเคราะห์สนับสนุนการจัดประชุมวิชาการวิศวกรรมแหล่งน้ำ แห่งชาติ ครั้งที่ 9 ในครั้งนี้สำเร็จผลตามวัตถุประสงค์ รองศาสตราจารย์ ดร.สมิตร ส่งพิริยะกิจ ประธานคณะกรรมการสาขาวิศวกรรมโยธา วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 13 สาส์นจากประธานคณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 เป็นเวทีสำคัญสำหรับนิสิต นักศึกษา นักวิชาการ วิศวกร บุคลากรทุกภาคส่วนที่เกี่ยวข้องกับงานวิศวกรรมแหล่งน้ำในประเทศ โดยมีวัตถุประสงค์หลักเพื่อ เปิดโอกาสให้มีการพบปะแลกเปลี่ยนกันในด้านความรู้ เทคโนโลยีล่าสุด ข้อมูลข่าวสารและสถานการณ์ปัจจุบัน ในด้านวิศวกรรมแหล่งน้ำ ซึ่งจะส่งผลให้เกิดการพัฒนาศักยภาพความรู้โดยรวม และเป็นการยกระดับความร่วมมือ ให้มากยิ่งขึ้น เพื่อรองรับการเปลี่ยนแปลงในอนาคต การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติดำเนินการจัดครั้งแรก ในปี พ.ศ.2544 และได้พัฒนามา อย่างต่อเนื่องจนถึงครั้งที่ 9 ซึ่งจะจัดขึ้นระหว่างวันที่ 14-15 ธันวาคม 2566 ณ ห้อง Ballroom 1 ชั้น 3 โรงแรม ดิเอมเมอรัลด์ กรุงเทพฯ โดยคณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทยฯ (วสท.) ภายใต้หัวข้อ “เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อ พัฒนาอย่างมีส่วนร่วม (Empowering Water Management through Emerging Technology and Digital Social Engagement)” ซึ่งเป็นการบริหารจัดการน้ำที่ต้องปรับตัวให้ทันภายใต้สภาวะที่มีความผันผวนทางด้าน ภูมิอากาศ ที่ส่งผลกระทบชัดเจนและรุนแรงขึ้นทุกปี และต้องปรับใช้เทคโนโลยีและนวัตกรรมสมัยใหม่ร่วมกับการ ประยุกต์ใช้ข้อมูลจำนวนมากที่มีการตรวจวัดจากหน่วยงานต่างๆ ทั้งข้อมูลแบบเรียลไทม์และข้อมูลเชิงลึก แพลตฟอร์ม การทำงานร่วมกันทางสังคมดิจิทัล ซึ่งจะส่งผลให้การบริหารจัดการน้ำมีประสิทธิภาพมากยิ่งขึ้น และมีแนวทางปฏิบัติที่ยั่งยืนต่อไป ในการนี้คณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทยฯ (วสท.) ขอขอบคุณ ผู้สนับสนุนในการจัดการประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 ได้แก่ ภาควิชาวิศวกรรมทรัพยากรน้ำ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ หน่วยงานภาครัฐ เอกชน คณาจารย์ นักวิชาการ ผู้ทรงคุณวุฒิ รวมทั้งคณะกรรมการจัดงานประชุมวิชาการทุกภาคส่วนทุกท่านที่ให้ความร่วมมือและสนับสนุนให้การจัดประชุม วิชาการฯ ในครั้งนี้ประสบผลสำเร็จตามวัตถุประสงค์ ดร.สุรเจตส์ บุญญาอรุณเนตร ประธานคณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ (วสท.)

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 14 สาส์นจากคณบดี คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ กระผมใคร่ขอแสดงความยินดีที่คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ โดยภาควิชา ทรัพยากรน้ำ มีโอกาสได้เป็นเจ้าภาพร่วมกับวิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ ในการจัดการ ประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 ขึ้น โดยหัวข้อการประชุมในปีนี้คือ “เสริมสร้างการบริหาร จัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม Empowering Water Management through Emerging Technology and Digital Social Engagement” กระผมใคร่ขออวยพรให้การประชุมวิชการวิศวกรรมแหล่งน้ำแห่งชาติครั้งนี้ ประสบความสำเร็จตาม วัตถุประสงค์ที่ตั้งไว้ทุกประการ และหวังว่าการประชุมวิชาการครั้งนี้จะเป็นเวทีที่ คณาจารย์ นักวิจัย ผู้ที่ทำงาน เกี่ยวกับวิศวกรรมแหล่งน้ำและการบริหารจัดการน้ำ นิสิต นักศึกษา และประชาชนผู้สนใจ จะมีโอกาส ได้แลกเปลี่ยนเรียนรู้ซึ่งกันและกัน และนำมาซึ่งองค์ความรู้ใหม่ เทคโนโลยีและนวัตกรรมใหม่ เพื่อเป็นแนวทาง ในการบริหารจัดการน้ำในอนาคตอย่างมีประสิทธิภาพ เพื่อที่จะเกิดประโยชน์สูงสุดต่อประเทศชาติ สังคม และ ประชาชนอย่างแท้จริง ศ.ดร. วันชัย ยอดสุดใจ คณบดี คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 15 สนับสนุนโดย

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 16 กำหนดการประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 (The 9th National Convention on Water Resources Engineering) เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม (Empowering Water Management through Emerging Technology and Digital Social Engagement) วันที่ 14-15 ธันวาคม 2566 เวลา 8.30-16.30 น. ณ ห้อง Ballroom 1 ชั้น 3 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ จัดโดย คณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ ร่วมกับ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ บางเขน วันพฤหัสบดีที่ 14 ธันวาคม 2566 08.30-09.00 น. ลงทะเบียน 09.00-09.30 น. พิธีเปิดการประชุม ณ ห้อง Ballroom 1 ชั้น 3 กล่าวรายงาน โดย ดร.สุรเจตส์ บุญญาอรุณเนตร ประธานคณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ (วสท.) กล่าวต้อนรับ โดย รศ.ดร.สมิตร ส่งพิริยะกิจ ประธานคณะกรรมการสาขาวิศวกรรมโยธา วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์(วสท.) ประธานในพิธีกล่าวเปิดงาน โดย ศ.ดร.วันชัย ยอดสุดใจ คณบดี คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ บางเขน 09.30-10.15 น. การบรรยายรับเชิญ “Computational Challenges in River Morphodynamics by iRIC” โดย Prof.Yasuyuki Shimizu Professor Emeritus, Hokkaido University & Senior Fellow Professor, Hokkai Gakuen University 10.15-10.30 น. พักรับประทานอาหารว่าง 10.30-11.15 น. การบรรยายรับเชิญ “การบริหารจัดการน้ำในเชิงพื้นที่อย่างมีส่วนร่วมด้วยเทคโนโลยีดิจิทัล” โดย นายชยันต์ ศิริมาศ อดีตผู้ว่าราชการจังหวัดนครสวรรค์

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 17 11.15-12.00 น. นำเสนอบทความ (ช่วงที่ 1) CC-05 PROJECTING CLIMATE CHANGE IMPACTS ON LOW FLOW INDICES IN THE UPPER CHAO PHRAYA RIVER BASIN, THAILAND CC-10 การประเมินความแปรปรวนของปริมาณน้ำฝนจากข้อมูลสังเกตการณ์และผลลัพธ์ แบบจำลอง CMIP6 ในภาคตะวันออกเฉียงเหนือของประเทศไทย HD-00 ศึกษาการป้องกันน้ำท่วมพื้นที่กรุงเทพและปริมณฑลตามแผนบรรเทาอุทกภัยเจ้าพระยา ตอนล่าง 12.00-13.00 น. พักรับประทานอาหารกลางวัน 13.00-14.30 น. นำเสนอบทความ (ช่วงที่ 2) RD-00 ความไม่แน่นอนในการเตือนภัยน้ำท่วมฉับพลันด้วยระบบ Southeast Asia Flash Flood Guidance System (SeAFFGS) ในพื้นที่ภาคใต้ของประเทศไทย CC-03 การศึกษาประสิทธิภาพเรดาร์คอมโพสิตด้วยวิธีดัชนีคุณภาพภายใต้เครือข่ายเรดาร์ สมุทรสงคราม เรดาร์สัตหีบ และเรดาร์พิมาย CC-09 การลดขนาดทางสถิติข้อมูลปริมาณน้ำฝนรายวันภายใต้การเปลี่ยนแปลง สภาพภูมิอากาศโลกในพื้นที่ลุ่มน้ำจันทบุรี ID-01 การพัฒนาเว็ปแอปพลิเคชันสำหรับออกแบบระบบคลองส่งน้ำในระดับแปลงเกษตร RD-01 การวิเคราะห์พื้นที่เสี่ยงภัยแล้งด้วยดัชนีเปราะบางภัยแล้ง (DVI) ที่พัฒนาจากข้อมูลดัชนี ดาวเทียม CC-01 กราฟการกระจายของฝนตามเวลาสำหรับออกแบบระบบระบายน้ำในกรุงเทพมหานคร 14.30-14.45 น. พักรับประทานอาหารว่าง 14.45-16.30 น. นำเสนอบทความ (ช่วงที่ 3) ED-00 Irrigation canal monitoring using UAV cameras CC-00 การวิเคราะห์ความถี่แบบลุ่มน้ำรวมของฝนรายวันสูงสุดในประเทศไทย GM-00 การประเมินศักยภาพน้ำบาดาล แอ่งน้ำบาดาลปราจีนบุรี - สระแก้ว ประเทศไทย WM-00 การมีส่วนร่วมของชุมชนในการจัดการแหล่งน้ำดิบเพื่อการผลิตน้ำประปาบริเวณ แม่น้ำพุมดวง จังหวัดสุราษฎร์ธานี ED-01 การทำนายการไหลในลำน้ำรายชั่วโมงด้วยเทคนิคการเรียนรู้เชิงลึก กรณีศึกษา ในลุ่มแม่น้ำเลยตอนล่าง CC-08 Estimation of Extreme Rainfall in Chiang Mai by using ACER Method WS-00 การใช้แบบจำลองชลศาสตร์โครงข่ายท่อประปา สำหรับการแก้ปัญหาแรงดันของระบบ ประปาท้องถิ่น : กรณีศึกษาโครงข่ายเทศบาลตำบลจันจว้า ID-00 การบริหารจัดการรองรับภัยแล้งต้นแบบของพื้นที่ชลประทานอ่างเก็บน้ำชลประทาน ขนาดกลาง:กรณีศึกษาอ่างเก็บน้ำแม่ต๋ำ จังหวัดพะเยา

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 18 วันศุกร์ที่ 15 ธันวาคม 2566 08.30-09.00 น. ลงทะเบียน 09.00-10.15 น. การเสวนาในหัวข้อ “การเพิ ่มประสิทธิภาพด้านการบริหารจัดการทรัพยากรน้ำด้วย แพลตฟอร์มกลาง ข้อมูลน้ำแห ่งชาติ (Increasing the Efficiency of national water resources management via central data platform by the Hydro-informatics and Climate Data)” วิทยากรร่วมเสวนา นายศิรธิษณ์ วรวัฒน์ศุภรัฐ วิศวกรชลประทานชำนาญการพิเศษ ผู้อำนวยการกลุ่มงานสารสนเทศทรัพยากรน้ำ ศูนย์อำนวยการน้ำแห่งชาติ สำนักงานทรัพยากรน้ำแห่งชาติ ดร.สุประภาพ พัฒน์สิงหเสนีย์ วิศวกรโยธาชำนาญการพิเศษ (รักษาการในตำแหน่งผู้เชี่ยวชาญเฉพาะด้านการจัดการทรัพยากรน้ำ) กรมทรัพยากรน้ำ ดร.กนกศรี ศรินนภากร นักวิจัยและรักษาการหัวหน้างานวิทยาการข้อมูลน้ำ สถาบันสารสนเทศทรัพยากรน้ำ (องค์การมหาชน) นายเจษฎา จันทรประภา รองผู้อำนวยการสำนักด้านวิชาการ สำนักการระบายน้ำ กรุงเทพมหานคร ดำเนินการเสวนาโดย ดร.สุรเจตส์ บุญญาอรุณเนตร ประธานคณะอนุกรรมการสาขาวิศวกรรมแหล่งน้ำ วิศวกรรมสถานแห่งประเทศไทยฯ 10.15-10.30 น. พักรับประทานอาหารว่าง 10.30-12.00 น. นำเสนอบทความ (ช่วงที่ 4) CC-02 L-moments based Goodness-of-fit Tests of Annual Maximum Discharge in the Upper Part of the Chao Phraya River Basin CC-04 ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศต่อค่าศักย์การคายระเหยในพื้นที่ 22 ลุ่มน้ำ ของประเทศไทย ด้วยข้อมูลจากแบบจำลองสภาพภูมิอากาศCMIP5 WM-03 การบริหารจัดการและการใช้ประโยชน์จากนิเวศบริการในพื้นที่ป่าพรุควนคร็ง HE-00 การประเมินพลังงานของระบบท่อส่งน้ำชลประทาน : กรณีศึกษาโครงการสถานีสูบน้ำ สะพือเหนือ, อุบลราชธานี WM-02 การประยุกต์ใช้นิเวศบริการในการประเมินผลมาตรการในการปรับตัวโดยอาศัยระบบนิเวศ ด้านสิ่งแวดล้อม : กรณีศึกษาโครงการอนุรักษ์ฟื้นฟูแหล่งน้ำคลองท่าดี จังหวัดนครศรีธรรมราช

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 19 CC-11 แบบจำลองโครงข่ายใยประสาทเทียมของฝนรายชั่วโมงสำหรับการเตือนภัยน้ำท่วม แบบฉับพลัน 12.00-13.00 น. พักรับประทานอาหารกลางวัน 13.00-14.30 น. นำเสนอบทความ (ช่วงที่ 5) CE-00 การศึกษาการเปลี่ยนแปลงลักษณะกระแสน้ำและการไหลเวียนจากเหตุการณ์สึนามิ พ.ศ.2547 ด้วยแบบจำลองเชิงตัวเลขและความสัมพันธ์กับการเปลี่ยนแปลง เปลี่ยนแปลงเส้นชายฝั่ง บริเวณเขาหลัก จังหวัดพังงา CC-06 การประเมินผลกระทบการเปลี่ยนแปลงสภาพภูมิอากาศต่อปริมาณตะกอนโดยใช้ แบบจำลองภูมิอากาศโลก CMIP5 ในพื้นที่ลุ่มน้ำแหง จังหวัดน่าน CC-07 การประเมินแนวโน้มของปริมาณน้ำฝนในอดีตและอนาคตในพื้นที่ลุ่มน้ำลำปาวภายใต้ การเปลี่ยนแปลงสภาพภูมิอากาศ CE-01 การศึกษาพฤติกรรมการกัดเซาะหน้ากำแพงกันคลื่น กรณีศึกษา หาดมหาราช CC-12 การศึกษาลักษณะการเกิดน้ำท่วมบริเวณตลาดสายลมจอย อำเภอแม่สาย จังหวัดเชียงราย HD-01 การพยากรณ์น้ำไหลเข้าสู่อ่างเก็บน้ำเขื่อนลำตะคอง ด้วยแบบจำลองการเรียนรู้เชิงลึก 14.30-14.45 น. พักรับประทานอาหารว่าง 14.45-16.30 น. นำเสนอบทความ (ช่วงที่ 6) HE-01 การศึกษาสภาพการหลากของน้ำด้วยแบบจำลอง HEC-RAS กรณีศึกษาพื้นที่ลุ่มน้ำคลอง สวนหมาก จังหวัดกำแพงเพชร WM-04 การใช้แบบจำลอง SWMM เพิ่มประสิทธิภาพการบรรเทาปัญหาอุทกภัยด้วยโครงสร้าง พื้นฐานสีเขียว:กรณีศึกษาพื้นที่บริหารจัดการน้ำท่วมรัชดาภิเษก พหลโยธิน แยกเกษตรฯ จตุจักร WME-00 การพยากรณ์ความขุ่นของน้ำดิบในแม่น้ำเจ้าพระยาเพื่อการผลิตน้ำประปา WS-01 การคำนวณตัวชี้วัดประสิทธิภาพการรั่วไหลของโคร่งข่ายท่อน้ำประปาในประเทศไทย GM-01 การประเมินค่าและการจัดทำแผนที่การเติมน้ำใต้ดินด้วยข้อมูล GRACE และวิธี Thornthwaite-Mather: กรณีศึกษาแอ่งน้ำบาดาลบางปะกง ประเทศไทย WM-01 การศึกษาสมดุลน้ำของอ่างเก็บน้ำพระปรงเพื่อเพิ่มพื้นที่ชลประทาน 16.30 น. พิธีปิด

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 20 อุตุ-อุทกวิทยา และการเปลี่ยนแปลงสภาพภูมิอากาศ Meteo-Hydrological and Climate Change การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติ ครั้งที่ 9 The 9th National Convention on Water Resources Engineering เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม Empowering Water Management through Emerging Technology and Digital Social Engagement

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 21 การวิเคราะห์ความถี่แบบลุ่มน้ำรวมของฝนรายวันสูงสุดในประเทศไทย Reginal Frequency Analysis of Annual Maximum Daily Rainfall in Thailand ทิพยดา แก้วมณี1 ,ชวลิต ชาลีรักษ์ตระกูล2* 1,2*ภาควิชาวิศวกรรมโยธา, คณะวิศวกรรมศาสตร์, มหาวิทยาลัยธรรมศาสตร์, จังหวัดปทุมธานี, ประเทศไทย *อีเมลผู้รับผิดชอบบทความ: [email protected] บทคัดย่อ การวิเคราะห์ความถี่แบบลุ่มน้ำรวม เป็นวิธีที่ได้รับการยอมรับสำหรับการจำลองค่าสูงสุดของตัวแปรอุทกภัยในข้อมูลที่มีอย่าง จำกัด บทความนี้มีวัตถุประสงค์เพื่อวิเคราะห์ความถี่แบบลุ่มน้ำรวมของข้อมูลฝนรายวันสูงสุดในประเทศไทย โดยพิจารณาประยุกต์ทฤษฎี ความถี่แจกแจงที่พิจารณา (generalized extreme-value: GEV, generalized normal: GNO, Pearson type III:PE3, generalized logistic: GLO และgeneralized Pareto: GPA) และการประมาณการพารามิเตอร์ด้วยโมเมนต์เชิงเส้นเข้ากับฝนรายวันดัชนี ฝนรายวันสูงสุดของประเทศไทยที่ใชในการศึกษา เป็นข้อมูลอยู่ในช่วงปี พ.ศ.2534- พ.ศ.2563 ของ 118 สถานีวัดน้ำฝนกรมอุตุนิยมวิทยา จากการศึกษาพบว่า การวิเคราะห์ความไม่เข้าพวกของข้อมูล ( )สถานีที่มีค่า > 3 จำนวน 3 สถานี การแบ่งลุ่มน้ำรวมใช้ ลักษณะเฉพาะของข้อมูลสถานีในการแบ่งกลุ่ม ซึ่งแบ่งได้เป็น 7 กลุ่ม โดยมีค่ามัธยฐานของจำนวนสถานีทั้ง 7 กลุ่มคือ 18 สถานี โดยกลุ่มที่ มีจำนวนสถานีมากที่สุดคือ 28 สถานี และกลุ่มที่มีจำนวนสถานีน้อยที่สุด คือ 3 สถานี ในการแบ่งกลุ่มเพื่อวิเคราะห์ความไม่คล้ายคลึงกัน ทางสถิติของลุ่มน้ำรวม ( ) พบว่า ข้อมูลฝนรายวันสูงสุดภายในลุ่มน้ำรวมเดียวกันมีค่า 1≤ < 2 ซึ่งหมายถึงลุ่มน้ำรวมค่อนข้าง มีความคล้ายคลึงกัน (fairly homogeneous)การทดสอบทฤษฎีการแจกแจงความถี่ของลุ่มน้ำรวมที่เหมาะสม (Z) พบกว่า ทฤษฎีGEVเป็น ทฤษฎีที่มีเสถียรภาพได้รับการยอมรับในทุกกลุ่ม รองลงมาคือ ทฤษฎี PE3 ลำดับถัดมาคือทฤษฎีGNO และ GLO ตามลำดับ ส่วนทฤษฎีที่ ไม่ได้รับการยอมรับคือทฤษฎี GPA และทฤษฎี GEV มีความเหมาะสมสำหรับการประมาณการควอนไทล์ที่รอบปีการเกิดซ้ำที่ T< 100 ปี คำสำคัญ: วิธีการทางสถิติ, การวิเคราะห์ความถี่, ฝนรายวันสูงสุด, โมเมนต์เชิงเส้น Abstract Reginal frequency analysis is an accepted method for modeling extreme values of flood variables in limited data. The objective of this study is to analyze the reginal frequency analysis of Annual maximum daily rainfall data in Thailand using an index daily rainfall method with estimated liner moment parameters of considered distributions (generalized extremevalue: GEV, generalized normal: GNO, Pearson type III:PE3, generalized logistic: GLO and generalized Pareto: GPA). The rainfall data records of 118 stationsof Meteorological department. The period of the chosen rainfall extremes data ranged from 1991-2020. Results of thecluster analysis using scaled at-site characteristics was used to determine homogeneous rainfall regions. Which can be divided into 7 regions. The median number of stations for all 7 groups is 18 stations, with the group with the highest number of stationsbeing 28 stations and the group with the least number of stations being 3 stations. the region was treated as one large homogeneous group and tested using the discordancy measure had a value Di >3,have 3 station. The results for the heterogeneity test( ) Itwas found that1≤ < 2 This means that fairly homogeneous. Goodness of fit (Z) test results for candidate distributions in the seven homogeneous regions indicated that GEV is a stable and accepted for all groups. Next is the PE3, GNO and GLO subsequently. Distributions was not acceptable is GPA. whereas the GEV distribution is deemed suitable for estimation of extremes with T <100 years. Keywords: Statistical methods, frequency analysis, annual maximum daily Rainfall, linear moments (l-moment)

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 22 1. คำนำ ข้อมูลฝนรายวันสูงสุดเป็นหนึ่งในข้อมูลของตัว แปรอุทกภัย โดยขนาดและความถี่ของข้อมูลฝนรายวัน สูงสุดเป็นสิ่งจำเป็นสำหรับการจัดการทรัพยากรน้ำอย่าง ยั่งยืน การวางแผนสำหรับเหตุฉุกเฉินที่เกี่ยวข้องกับสภาพ อากาศ และการออกแบบโครงสร้างอาคารชลศาสตร์เพื่อ ป้องกันความเสียหายที่จะเกิดขึ้นจากอุทกภัย จึงจำเป็นที่ จะต้องมีการประมาณข้อมูลฝนรายวันสูงสุด เพื่อนำไปสู่ การวางแผนบริหารจัดการน้ำและออกแบบอาคารชล ศาสตร์ [1] เนื่องจากการเปลี่ยนแปลงของสภาพ ภูมิอากาศในปัจจุบัน ส่งผลให้เกิดปรากฎการณ์ความถี่ ของฝนที่ตกหนักมากเพิ่มขึ้นในประเทศไทย ซึ่งข้อมูลฝน รายวันสูงสุดจะเป็นข้อมูลที่ทำให้ทราบถึงความน่าจะเป็น ในการเกิดขึ้นของเหตุการณ์ที่มีค่าสูงสุด การหาตัวแบบที่ เหมาะสมสำหรับการพิจารณาระดับการเกิดซ้ำ (Return Level) ของปริมาณน้ำฝนสูงสุดในรอบปีการเกิดซ้ำ (Return Period) จำเป็นต้องได้แบบจำลองที่ดีที่สุด สำหรับข้อมูลที่ศึกษา ดังนั้นการประมาณค่าฝนสูงสุด รายวันที่น่าเชื่อถือจึงเป็นสิ่งสำคัญ เพื่อเป็นแนวทางหนึ่ง ที่จะช่วยในการตัดสินใจบริหารจัดการทรัพยากรน้ำ เพื่อ ป้องกันหรือช่วยลดความรุนแรงของอุทกภัยที่จะเกิดใน การเกิดขึ้น สำหรับการวิเคราะห์ความถี่ของข้อมูลฝนรายวัน สูงสุดในประเทศไทย มีสองวิธีที่ใช้กันอย่างแพร่หลาย ได้แก่ การวิเคราะห์แบบสถานีเดียว (at-site) และการ วิเคราะห์แบบลุ่มน้ำรวม (Regional) โดยในประเทศไทย ได้มีการวิเคราะห์ความถี่ของข้อมูลฝนรายวันสูงสุดแบบ สถานีเดียว (at-site) โดย [2] ได้ทำการวิเคราะห์ความถี่ ของฝนรายวันสูงสุดในประเทศไทย โดยการค่าประมาณ การของโมเมนต์เชิงเส้น เนื่องจากเป็นค่าที่มีอคติน้อยมาก และใช้แผนภาพโมเมนต์เชิงเส้นของข้อมูลฝนจำนวน 121 สถานีทั่วประเทศ ทดสอบความพอดีทางสถิติ และ เปรียบเทียบความฟิตระหว่างทฤษฎีแจกแจงความน่าจะ เป็นต่าง ๆ ผลการเปรียบเทียบความพอดีของทฤษฎี ความถี่แจกแจง แบบ 2 พารามิเตอร์ (lognormal: LN2, Gamma, and Gumbel) และของ 3 พารามิเตอร์ (LN3, Generalized Extreme Value: GEV, Generalized Logistic: GLOG, Pearson type 3: P3 , and Log P3: LP3) กับข้อมูลฝนสูงสุด พบว่า แบบจำลอง LN2 และ GEV เป็นทฤษฎีแจกแจงความน่าจะเป็นจริงแบบ 2 และ 3 พารามิเตอร์ของฝนสูงสุดรายวัน ตามลำดับ เพื่อให้ เป็นไปตามหลักการประหยัดจำนวนพารามิเตอร์ ทฤษฎี LN2 ควรจะถกประยุกต์ใช้ เมื่อข้อมูลฝนสูงสุดมีจำกัด (< 20 ปี) หรือมิฉะนั้นทฤษฎี GEV ควรถูกนำมาจำลอง ต่อมา [3] ได้สร้างแบบจำลองค่าสุดขีดด้วยการแจกแจง แบบ GEV และการแจกแจงพาเรโตวางนัยทั่วไป (Generalized Pareto Distribution : GPD) โดยใช้การ ประมาณค่าพารามิเตอร์แบบภาวะน่าจะเป็นสูงสุด (maximum likelihood estimates :MLE) สําหรับข้อมูล ปริมาณน้ำฝนสูงสุด 99 สถานี ในประเทศไทยตั้งแต่เดือน มกราคม พ.ศ. 2527 ถึงเดือนธันวาคม พ.ศ. 2557 ทําการ แบ่งพื้นที่การศึกษาออกเป็น 5 ภาค คือ ภาคเหนือ ภาค ตะวันออกเฉียงเหนือ ภาค กลาง ภาคตะวันออก และ ภาคใต้ และใช้สถิติทดสอบโครโมโกรอฟ-สเมอนอฟ ทดสอบการแจกแจงที่เหมาะสมแต่ละสถานี และประมาณ ค่าระดับการเกิดซ้ำ ในรอบปีการเกิดซ้ำ 5 ปี 10 ปี 25 ปี 50 ปี และ 100 ปี จากผลการศึกษาพบว่า ภาคตะวันออก การแจกแจงแบบกัมเบลเป็นการแจกแจงที่เหมาะสม สำหรับข้อมูลปริมาณฝนสูงสุดรายปี ภาคใต้ ภาคกลาง โดยส่วนใหญ่การแจกแจงแบบกัมเบลเป็นการแจกแจงที่ เ ห ม า ะ ส ม 9 6 % 92 % แ ล ะ 8 6 % ส ่ ว น ภ า ค ตะวันออกเฉียงเหนือโดยส่วน ใหญ่การแจกแจง แบบกัมเบลเป็นการแจกแจงที่เหมาะสม 80 % การแจก แจงแบบไวบูลล์ 12 % และการแจกแจงแบบฟรีเซต 8 % แต่ในทางปฏิบัติเนื่องจากข้อมูลสถานีวัดน้ำฝนที่ เราสนใจมักมีข้อมูลจำกัด ข้อมูลในบางปีขาดหายไป หรือ ในบางพื้นที่ที่เราสนใจไม่มีสถานีวัดน้ำฝนในพื้นที่ (ungauged catchment) ซึ่งต้องเลือกใช้สถานีวัดน้ำฝน ที่อยู่ใกล้เคียง การวิเคราะห์ความถี่ของข้อมูลฝนรายวัน สูงสุดโดยการวิเคราะห์แบบสถานีเดียว (at site) ผลการวิเคราะห์อาจจะคลาดเคลื่อนและไม่น่าเชื่อถือ การ วิเคราะห์แบบลุ่มน้ำรวมจึงเป็นวิธีที่มีเหมาะสมและมี

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 23 ประสิทธิภาพ ลดความคลาดเคลื่อนในการและประมาณ ค่าปริมาณน้ำฝนสูงสุดในรอบปีการเกิดซ้ำต่าง (Return Period) ในกรณีดังกล่าว [1] จากการทบทวนการศึกษาการวิเคราะห์ความถี่ แบบลุ่มน้ำรวมของฝนรายวันสูงสุดที่ผ่านมา พบว่า มีผลการศึกษาที่เกี่ยวข้อง ได้แก่ [4] ได้วิเคราะห์ความถี่ แบบลุ่มน้ำรวม (reginal frequency analysis) ของฝน สุดขั้วในภาคใต้ของสาธารณรัฐมาลาวี โดยพิจารณา ประยุกต์ทฤษฎีความถี่แจกแจงที่พิจารณา (GEV, PE3, GLO และ Wakeby : WEK) และการประมาณการ พารามิเตอร์ด้วยโมเมนต์เชิงเส้นเข้ากับฝนรายวันดัชนี พบว่า การวิเคราะห์ความถี่แบบลุ่มน้ำรวมมีประสิทธิภาพ สามารถนำไปวิเคราะห์หาฝนดัชนีแบบภูมิภาค เพื่อ ประมาณการลักษณะฝนสุดขั้วในพื้นที่ที่ไม่มีสถานีวัด น้ำฝนหรือสถานีที่มีการบันทึกข้อมูลของสถานีในระยะสั้น และทฤษฎีGEV เป็นทฤษฎีที่มีเสถียรภาพได้รับการ ยอมรับในทุกกลุ่ม และ [5] ได้วิเคราะห์ความถี่แบบลุ่มน้ำ รวม (reginal frequency analysis) ของฝนรายวันสูงสุด ในเทศมณฑลสกัวเนอ ตอนใต้ของประเทศสวีเดน โดยใช้ ข้อมูลฝนรายวันสูงสุดของสถานีวัดน้ำฝนในพื้นที่ มณฑลสกัวเนอ 24 สถานี และประมาณการด้วยวิธี โมเมนต์เชิงเส้น (L-moments) ใช้วิธีการแบ่งกลุ่มความ คล้ายคลึงกันสำหรับจำลองความถี่แบบลุ่มน้ำรวม พบว่ามี ข้อมูลฝนรายวันสูงสุดของสถานีวัดน้ำฝนทั้ง 24 สถานีมี ความคล้ายคลึงกัน เป็นลุ่มน้ำเดียวกัน และใช้แผนภาพ อัตราส่วน L-moment และและการทดสอบทฤษฎีการ แจกแจงความถี่ของลุ่มน้ำรวมที่เหมาะสม (Z) พบว่า การ แจกแจงความถี่แบบลุ่มน้ำรวมที่เหมาะสมที่สุดคือทฤษฎี GNO สำหรับการศึกษาในครั้งนี้ มีวัตถุประสงค์เพื่อ วิเคราะห์ความถี่แบบลุ่มน้ำรวมฝนรายวันสูงสุดของ ประเทศไทยโดยพิจารณาประยุกต์ทฤษฎีความถี่แจกแจง ที่พิจารณา (GEV, GNO, PE3, GLO และ GPA) และ การประมาณการพารามิเตอร์ด้วยโมเมนต์เชิงเส้นเข้ากับ ฝนรายวันดัชนี ซึ่งจะเป็นประโยชน์ในการวิเคราะห์ความ ถี่ฝนรายวันสูงสุดของประเทศไทย ต่อไป 2. พื้นที่ศึกษาและข้อมูลที่ใช้ พื้นที่ศึกษาในครั้งนี้ ครอบคลุมขอบเขตประเทศ ไทยตั้งอยู่ใจกลางคาบสมุทรอินโดจีนในเอเชียตะวันออก เฉียงใต้อยู่ในช่วงพิกัด 5°37′N - 20°27′N และ 97°22′E - 105°37′E มีพื้นที่ 513,115 ตารางกิโลเมตร ในการศึกษาได้รวบรวมข้อมูลฝนรายวันสูงสุด จากสถานีวัดน้ำฝนของกรมอุตุนิยมวิทยา จำนวน 118 สถานี ครอบคลุมขอบเขตพื้นที่ของประเทศไทย ดังแสดง ในแผนที่จุดที่ตั้งสถานีที่ 1 แสดงการกระจายตัวของสถานี วัดน้ำฝนของกรมอุตุนิยมวิทยา ซึ่งมีความยาวข้อมูลอยู่ ในช่วงปี พ.ศ.2534-พ.ศ.2563 โดยความยาวของการ บันทึกข้อมูลแตกต่างกันไปตั้งแต่ 13 ปี ถึง 30 ปี รูปที่ 1 การกระจายตัวของสถานีวัดน้ำฝนของกรมอุตุนิยมวิทยา และสถานีที่มีค่าความไม่เข้าพวกของข้อมูล ()

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 24 3. วิธีการศึกษาและขั้นตอนการศึกษา 3.1 ทฤษฎีโมเมนต์เชิงเส้น [6] ได้เสนอให้โมเมนต์เชิงเส้นเป็นค่าทางสถิติ อีกชนิดหนึ่งสำหรับแสดงลักษณะข้อมูลของตัวแปรสุ่ม พิบัติภัยอุทก X โดย xiคือข้อมูลฝนรายวันสูงสุด X (มม.) ตั้งแต่ปี พ.ศ.2534-พ.ศ.2563 ของสถานีวัดน้ำฝน 118 สถานีกรมอุตุนิยมวิทยา ทั่วประเทศไทย และ xj คือข้อมูล ฝนที่เรียงลำดับจากมากที่สุดไปน้อยที่สุด (มม.) โดย โมเมนต์เชิงเส้นลำดับที่ 1 (1) หมายถึง ค่าเฉลี่ยของ X โมเมนต์เชิงเส้นลำดับที่ 2 (2) คือค่าสถิติสำหรับอธิบาย มาตราส่วน โมเม้นเชิงเส้นลำดับที่ 3 และ 4 (3และ4 ) วัดความเบ้และความแบน กำหนดให้ คือโมเมนต์ตาม สัดส่วนความน่าจะเป็น (probability-weight moments, PWMs) ลำดับที่ r (r=0,1,2,….) และ +1 คือ โมเมนต์เชิงเส้น (liner moment, L-moment) ลำดับที่ r+1 สำหรับทฤษฎีแจกแจงความถี่ใด ๆ โมเมนต์เชิงเส้น +1 สามารถเขียนให้อยู่ในรูปความสัมพันธ์ของ PWMs ได้ดังนี้ คือ [3] +1 = ∑ (−1) − ( )( + ) =0 (1) โดยที่ = { {[]} } (2) เมื่อ F(x) = (ฟังก์ชันแจกแจงสะสม (Cumulative Distribution Function ,CDF) ของตัวแปรสุ่ม x, และ E{.} = ค่าคาดคะเน (expected value) ถ้าต้องการ คำนวณค่าโมเมนต์เชิงเส้นประมาณการ `+1 ของ +1 ก็ให้แทน PWMs ใน (1) ด้วยค่าประมาณแบบ ไม่อคติ สำหรับ r =0,1,2 และ 3 ซึ่งสามารถคำนวณ ได้จาก [3] = −1 ∑ (−1)(−2)….(−) (−1)(−2)….(−) : =+1 (3) เมื่อ : = ข้อมูลที่มีค่ามากที่สุดลำดับที่ j, n = จำนวน ข้อมูล โมเมนต์เชิงเส้นสามารถเขียนให้อยู่ในรูป ความสัมพันธ์ของ PWMs ได้โดย (Hosking and Wallis, 1996) 1 = 0 (4) 2 = 21 − 0 (5) 3 = 62 − 21 − 0 (6) 4 = 203 − 302 + 121 − 0 (7) โดยที่ เท่ากับค่าโมเมนต์เชิงเส้นลำดับที่ r และ r =0,1,2, การหาค่าประมาณตัวอย่าง () ของโมเมนต์ เชิงเส้น ทำได้โดยแทนค่า β ด้วย ในสมการ (4-7) อัตราส่วนโมเมนต์เชิงเส้น (L-moment ratio) สามารถแสดงได้โดย [1] − = = 2 1 (8) − = 3 = 3 2 (9) − = 4 = 4 2 (10) = 2 r=3,4,,... (11) การหาค่าประมาณการของค่าอัตราส่วนโมเมนต์ เชิงเส้น () ทําได้โดยแทนค่า ใน (8) - (11) 3.2 การวิเคราะห์ความถี่แบบลุ่มน้ำรวมด้วยวิธีดัชนีน้ำ ท่วมและโมเมนต์เชิงเส้น (Regional frequency analysis using l-moment) [7] ได้แบ่งการวิเคราะห์ความถี่แบบลุ่มน้ำรวม ด้วยวิธีดัชนีน้ำท่วมและโมเมนต์เชิงเส้น ออกเป็น 4 ขั้นตอน คือ 1) การวิเคราะห์ความไม่เข้าพวกของข้อมูล (Discordancy measure: ). 2) การวิเคราะห์ความไม่ คล้ายคลึงกันทางสถิติของลุ่มน้ำรวม (heterogeneity measures: ( i =1,2, 3). 3) ก า ร ทด ส อบความ เหมาะสมของทฤษฎีการแจกแจงความถี่ของลุ่มน้ำรวม (Goodness of fit Measures: The Z-statistics values) แ ล ะ 4) ก า ร ป ร ะมาณก า รคว อ นไทล์ (Quantile Estimation: ()) ในแต่ละขั้นตอนพออธิบาย ดังนี้ 3.2.1 การคัดกรองข้อมูลและการการวิเคราะห์ความ ไ ม ่ เ ข ้ า พ ว ก ข อ งข้ อ ม ูล (Screening of data and Discordancy measure: ) ก่อนที่จะนำข้อมูลฝนรายวันสูงสุด 118 สถานี มาทำการวิเคราะห์ข้อมูลและแบ่งกลุ่มลุ่มน้ำรวม จะต้องมี การการวิเคราะห์ความไม่เข้าพวกของข้อมูลฝนรายวัน สูงสุดทั้ง 118 สถานีทั่วประเทศ ว่ามีข้อมูลของสถานีใดที่ มีค่าวิกฤต > 3 [9] ซึ่งเป็นเกณฑ์พิจารณาที่แสดงให้ เห็นว่าข้อมูลของสถานีนั้นไม่สอดคล้องกับข้อมูลสถานีวัด

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 25 น้ำฝนทั้งหมด และเป็นอุปสรรคต่อการวิเคราะห์กลุ่ม (Cluster Analysis) ซึ่งจะเริ่มต้น โดยการคำนวณหาค่า โมเมนต์เชิงเส้นประมาณการของข้อมูลฝนรายวันสูงสุด ลำดับที่ 2,3 และ 4 [2 () ,3 () ,4 () ] ตามที่ได้กล่าวใน หัวข้อที่แล้วของ 118 สถานีวัดน้ำฝนที่ศึกษา จากนั้น เปรียบเทียบค่าทางสถิติเหล่านี้ว่ามีความแตกต่างจาก ค่าเฉลี่ยของกลุ่มมากน้อยเพียงใดด้วยความไม่เข้าพวกของ ข้อมูล () ด้วยการประยุกต์ใช้โปรแกรม R แพ็กเกจ ‘lmomRFA’ [8] ซึ่งค่าวิกฤตของสถิติ ถ้า > 3 จะ ถือว่าอัตราส่วนโมเมนต์เชิงเส้นของสถานีนั้นมีการ กระจายออกนอกกลุ่มข้อมูลที่พิจารณา [9] และ [7] จึงได้ แนะนำให้ตัดข้อมูลของสถานีนั้น ออกจากการวิเคราะห์ ความถี่ในขั้นตอนถัดไป อย่างไรก็ตาม ข้อมูลฝนรายวันสูงสุดของ สถานี i ใด ๆถือว่าสำคัญ การที่จะตัดข้อมูลฝนรายวัน สูงสุดของสถานี ที่มีค่า > 3 ออกจากการวิเคราะห์ ควรมีการตรวจสอบให้แน่ใจก่อนว่า ข้อมูลฝนรายวันสูงสุด ของสถานีนั้นไม่ถูกต้อง ในการศึกษานี้ จึงได้นำการ ทดสอบค่าผิดปกติ (Outlier test) ของข้อมูลฝนรายวัน สูงสุดของสถานีที่ที่มีค่า > 3 ด้วยแผนภูมิ Box Plot อีกขั้นตอนหนึ่ง โดยการคำนวณค่า Quartile Function และคำนวณ IQR (Interquartile Range) เพื่อหาค่า upper bound และ Lower bound ของข้อมูลสถานีนั้น เมื่อพบข้อมูลฝนรายวันสูงสุดที่ผิดปกติ (ข้อมูลอยู่สูงกว่า หรือต่ำกว่าเส้น upper bound และ Lower bound) ข้อมูลนั้นจะถูกนำไปเปรียบเทียบกันสถานีวัดน้ำฝน ใกล้เคียง หากข้อมูลฝนรายวันสูงสุดปีนั้นไม่สอดคล้องกับ ข้อมูลสถานีข้างเคียง ถือว่าข้อมูลฝนรายวันสูงสุดปีนั้นเป็น outliers และจะไม่นำมาวิเคราะห์ข้อมูล 3.2.2 การวิเคราะห์ความไม่คล้ายคลึงกันทางสถิติ ของลุ่มน้ำรวม (heterogeneity measures: ) การวิเคราะห์ในขั้นตอนนี้มีวัตถุประสงค์ เพื่อ แบ่งกลุ่มข้อมูลฝนรายวันสูงสุดของสถานีวัดน้ำฝนต่าง ๆ ที่มีลักษณะคล้ายคลึงกัน ให้อยู่ในกลุ่มเดียวกัน โดยในที่นี้ ข้อมูลฝนรายวันสูงสุดของสถานีต่าง ๆจะถูกแบ่งออกเป็น กลุ่มๆ ในการจัดกลุ่มจะมี 2 ระดับคือ 1.จะพิจารณาเริ่มต้น กำหนดการแบ่งกลุ่มออกเป็น 6 กลุ่มตามภูมิภาคของประเทศไทย และทำการทดลอง (trial and error)แบ่งกลุ่มข้อมูลเป็น 6 ,7 และ 8 ตามลำดับและ 2.การจัดสถานีในกลุ่ม ซึ่งทั้ง 2 ระดับใช้การ ประยุกต์การวิเคราะห์กลุ่ม (cluster analysis) ด้วยวิธีkmeans และ Ward’s clustering ในโปรแกรม Rแพ็กเกจ ‘lmomRFA’ [8] ซึ่งจะแบ่งกลุ่มโดยใช้ลักษณะเฉพาะของ ข้อมูลสถานี นั่นคือ ค่าสถิติความแปรปรวนของโมเมนต์ เชิงเส้น (liner moment, L-moment) ของสถานีในกลุ่ม กับค่าเฉลี่ยถ่วงน้ำหนัก (weighted averang) ของความ แปรปรวนเพื่อวิเคราะห์ความความไม่คล้ายคลึงกันทาง สถิติของลุ่มน้ำรวม โดยสมมติฐานในการแบ่งกลุ่มข้อมูล สถานีวัดน้ำฝนที่ได้กล่าวไว้ก่อนหน้านี้ โดยมีเกณฑ์ พิจารณาความเหมาะสมของจำนวนกลุ่ม จากการนำ ข้อมูลไปหาค่าเฉลี่ย และค่าเบี่ยงเบนมาตรฐาน ของข้อมูลสังเคราะห์ ด้วยทฤษฎีความถี่แจกแจงแบบ แคปป้า (Kappa) จำนวน 500 ชุดตัวอย่างข้อมูล ก่อนที่ จะวัดความไม่คล้ายคลึงกันทางสถิติ (heterogeneity ,H) ของแต่ละลุ่มน้ำรวมที่ทำการทดลอง (trial and error) แบ่งกลุ่ม ดังสมการ [1] = (−) (12) ซึ่งเกณ์ในการพิจารณาแบ่งกลุ่มคือลุ่มน้ำรวมจะมีความ คล้ายคลึงกัน (acceptably homogenous) เมื่อ < 1 แสดงว่าข้อมูลฝนรายวันสูงสุดของแต่ละสถานีภายในลุ่ม น้ำรวมได้รับการยอมรับว่าคล้ายคลึงกันทางสถิติ (acceptably homogenous) เมื่อ 1≤ < 2 ค่อนข้าง มีความคล้ายคลึงกัน (fairly homogeneous)และ เมื่อ ≥ 2 ลุ่มน้ำรวมไม่มีความคล้ายกัน (definitely heterogeneous) 3.2.3 การทดสอบความเหมาะสมของทฤษฎีการแจก แจงความถี่ของลุ่มน้ำรวม (Goodness of fit Measures: The Z-statistics values: Z) [7] ได้เสนอค่าทางสถิติ (The Z-statistics values: Z) สำหรับทดสอบความเหมาะสมของทฤษฎีแจก แจงความถี่แบบลุ่มน้ำรวม ซึ่งค่าทางสถิติ Z สามารถหาได้ โดยการจำลองการกระจายที่เหมาะสมของค่าเฉลี่ยของ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 26 กลุ่ม (Reginal average) ระหว่างค่าสัมประสิทธิ์ความเบ้ เชิงเส้น (L-skewness) และค่าสัมประสิทธิ์ความแบนเชิง เส้น (L-kurtosis) คำนวณได้จากการประยุกต์ใช้โปรแกรม R แพ็กเกจ ‘lmomRFA’ [8] ซึ่งเกณ์ในการพิจารณา ทฤษฎีการแจกแจงความถี่ที่เป็นที่ยอมรับ คือค่า || ≤ 1.64 [7] แสดงว่าทฤษฎีที่ผ่านการทดสอบ เป็นที่ยอมรับสามารถนำไปใช้อธิบายการกระจายของ ข้อมูลได้ อย่างไรก็ตามทฤษฎีที่ผ่านเกณฑ์ค่าสถิติ Z ข้างต้น อาจจะมีด้วยกันหลายทฤษฎี เพื่อจะหาทฤษฎีที่ เหมาะสมที่สุดที่จะนำไปใช้จำลองความถี่ของข้อมูลฝน รายวันสูงสุดในลุ่มน้ำรวม การศึกษานี้จะทดสอบความ แม่นยำในการประมาณการควอนไทล์ฝนรายวันสูงสุดของ ทฤษฎีที่ได้เลือกไว้เบื้องต้น โดยเปรียบเทียบค่าสัมพัทธ์ ของรากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยของ แ ต ่ ล ะ ทฤ ษ ฎี F [relative root mean square error :RRMSE ] คำนวณได้จากการประยุกต์ใช้โปรแกรม R แพ็กเกจ ‘lmomRFA’ [8] ทฤษฎีความถี่แจกแจงใดที่ให้ ความคลาดเคลื่อน RRMSE น้อยที่สุด จะถูกคัดเลือกไปใช้ ประมาณการควอนไทล์ในลำดับถัดไป 3.2.4 การประมาณการควอนไทล์ (Quantile Estimation: ()) หลังจากที่ได้ฟังก์ชั่นความถี่แจกแจง F แล้ว ค่าควอนไทล์ประมาณการ () ของฝนรายวันสูงสุดที่ สถานีi ในลุ่มน้ำรวม [()] หาได้โดย () = () (20) โดยที่ = ดัชนีน้ำท่วมของสถานีi ซึ่งใน การศึกษานี้ใช้ค่า λ1 ค่าประมาณการของฝนรายวันสูงสุด เฉลี่ยของสถานีต่าง ๆและ () = growth curve ของ ลุ่มน้ำรวม ซึ่งคือควอนไทล์ฟังก์ชั่นของข้อมูลที่ถูกปรับให้ เป็นมาตราส่วนเดียวกัน ซึ่งการประมาณค่า growth curve ของลุ่มน้ำรวม คำนวณได้จากการประยุกต์ใช้ โปรแกรม R แพ็กเกจ ‘lmomRFA’ [8] 4.ผลการศึกษา 4.1การการวิเคราะห์ความไม่เข้าพวกของข้อมูล (Discordancy measure: ) จากการวิเคราะห์ความไม่เข้าพวกของข้อมูล ฝนรายวันสูงสุดทั้ง 118 สถานีทั่วประเทศ ว่ามีข้อมูลของ สถานีใดที่มีค่าวิกฤต > 3 ซึ่งเป็นอุปสรรคต่อการ วิเคราะห์กลุ่ม (Cluster Analysis) ก่อนที่จะทำการ วิเคราะห์ความไม่คล้ายคลึงกันของข้อมูลสถานีวัดน้ำฝน ทั้ง 118 สถานี เพื่อแบ่งกลุ่มตามสมมติฐานในการ แบ่งกลุ่มข้อมูลสถานีวัดน้ำฝนนั้น พบว่า สถานีที่มีค่า > 3 จำนวน 3 สถานี (สถานี 300202,328301 และ 568501) จากที่พิจารณาทั้งหมด 118 สถานีทั่วประเทศ รายละเอียดแสดงในรูปที่ 1 พบว่าข้อมูลฝนรายวันสูงสุด ของทั้ง 3 สถานี มีแค่ 1 สถานีที่ข้อมูลฝนรายวันสูงสุดใน บางปีมีค่าสูงผิดปกติ นั่นคือสถานี 568501 เมื่อทดสอบ ค่าผิดปกติ (Outlier test) ด้วยแผนภูมิ Box Plot และ เมื่อเทียบกับข้อมูลสถานีข้างเคียง พบว่าข้อมูลฝนรายปี สูงสุดปีที่ผิดปกติไม่สอดคล้องกับข้อมูลของสถานีข้างเคียง จึงถือว่าข้อมูลฝนรายวันสูงสุดปีนั้นเป็น outliers และจะ ไม่นำมาวิเคราะห์ข้อมูล 4.2 การวิเคราะห์ความไม่คล้ายคลึงกันทางสถิติของลุ่มน้ำ รวม (heterogeneity measures: ) เมื่อทำการคัดกรองข้อมูลฝนรายวันสูงสุดมาแล้ว ต่อมาจะทำการการวิเคราะห์ความไม่คล้ายคลึงกันทางสถิติของลุ่ม น้ำรวม โดยข้อมูลฝนรายวันสูงสุดของสถานีต่าง ๆ จะถูกแบ่ง ออกเป็นกลุ่มๆ ในการจัดกลุ่มจะมี 2 ระดับคือ 1.จะพิจารณา เริ่มต้นกำหนดการแบ่งกลุ่มออกเป็น 6 กลุ่มตามภูมิภาคของ ประเทศไทยและทำการทดลอง (trial and error) แบ่งกลุ่มข้อมูล เป็น 6 ,7 และ 8 ตามลำดับและ 2.การจัดสถานีในกลุ่ม โดยการ ประยุกต์การวิเคราะห์กลุ่ม (cluster analysis) ด้วยวิธีk-means และ Ward’s clustering โดยใช้ลักษณะเฉพาะของข้อมูลสถานี(ค่า โมเมนต์เชิงเส้นประมาณการ)ในการแบ่งกลุ่ม พบว่า การแบ่ง ออกเป็น 7 ลุ่มน้ำรวม ให้ค่าความไม่คล้ายคลึงกันทางสถิติของลุ่ม น้ำรวม ( ) ดีที่สุด (รายละเอียด ตารางที่ 1)

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 27 ตารางที่ 1 ค่าความไม่คล้ายคลึงกันทางสถิติของลุ่มน้ำรวม ( ) ของแต่ละลุ่มน้ำรวม *เมื่อ < 1 แสดงว่าข้อมูลฝนรายวันสูงสุดของแต่ละสถานีภายในลุ่มน้ำรวมได้รับการยอมรับว่าคล้ายคลึงกันทางสถิติ (acceptably homogenous) เมื่อ 1≤ < 2 ค่อนข้างมีความคล้ายคลึงกัน (fairly homogeneous) และ เมื่อ ≥ 2 ลุ่มน้ำรวมไม่มีความคล้ายกัน (definitely heterogeneous) ลุ่มน ้ำรวม จำ้นวนสถำนี ในลุ่มน ้ำรวม รำยชื่อสถำนีในกลุ่ม H1 H2 H3 1 2 4 แม่ฮอ่งสอน,แม่สะเรียง แม่ฮอ่งสอน,เชียงรำย,เชียงรำย สกษ.,พะเยำ, น่ำน,เถิน ล้ำปำง,แพร่,อุตรดิตถ์,นครพนม สกษ.,เขื่อนภูมิพล ตำก ,อุ้ม ผำง ตำก ,พิษณุโลก,เพชรบูรณ์,หล่มสัก เพชรบูรณ์,วิเชียรบุรี เพชรบูรณ์,ก้ำแพงเพชร,พิจติร สกษ.,นครสวรรค์,ชัยภูมิ,สนำมบิน สุวรรณภูมิ,กำญจนบุรี,ทองผำภูมิกำณจนบุรี,หนองพลับ สกษ. ประจวบคีรีขันธ์ 0.26 -0.17 1.02 2 13 เชียงใหม่,ดอยอ่ำงขำง เชียงใหม่,น่ำน สกษ.,ท่ำวังผำ น่ำน,ทุ่งช้ำง เชียงใหม่,ล้ำปำง,ล้ำปำง สกษ.,ล้ำพูน,ตำก,แม่สอด ตำก,ดอยมูเซอร์ สกษ.ตำก,ปำกช่อง สกษ นครรำชสีมำ ,ระนอง 1.92 1.02 1.54 3 2 8 หนองคำย,เลย,เลย สกษ.,อุดรธำนี,สกลนคร,สกลนคร สกษ.,ขอนแก่น ,ท่ำพระ สกษ. ขอนแก่น ,มุกดำหำร,มหำสำรคำม,กำฬสินธุ์ ,อุบลรำชธำนีสกษ. ,(ศูนย์) จ.อุบลรำชธำนี,ศรีสะเกษ,ฉะเชิงเทรำ, รำชบุรี,บัวชุม ลพบุรี,กบินทร์บุรีปรำจนีบุรี,นครรำชสีมำ,โชคชัย นครรำชสีมำ,สุรินทร์,สุรินทร์สกษ.,ท่ำตูม สุรินทร์,นำงรอง บุรีรัมย์, บุรีรัมย์,สระแก้ว,จนัทบุรี,กระบี่ 0.94 1.48 1.37 4 18 นครพนม,สุโขทัย,ศรีส้ำโรง สุโขทัย,ตำกฟ้ำสกษ. นครสวรรค์,ชัยนำท สกษ.,ร้อยเอ็ด,ร้อยเอ็ด สกษ.,พระนครศรีอยุธยำ,ปทุมธำนีสกษ., ลพบุรี,อรัญประเทศ สระแก้ว,นครปฐม,ชลบุรี,ระยอง,ห้วยโป่ง สกษ. ระยอง,พลิ ว สกษ. จนัทบุรี,หัวหิน ประจวบคีรีขันธ์ ,นครศรีธรรมรำช 1.71 -1.89 -2.50 5 14 สมุทรปรำกำร,กรุงเทพมหำนคร,ท่ำเรือคลองเตย,กรุงเทพฯ บำงนำ, สนำมบินดอนเมือง,พัทยำ,สัตหีบ,แหลมฉบัง,ตรำด ,ภูเก็ต,ภูเก็ต (ศูนย์ฯ) ,เกำะลันตำ,สงขลำ ,หำดใหญ่ 1.95 -1.34 -0.68 6 3 เกำะสีชัง ชลบุรี,เพชรบุรี,เกำะสมุย สุรำษฎร์ธำนี 1.02 -0.59 -1.16 7 18 สุพรรณบุรี,อู่ทอง สกษ. สุพรรณบุรี,ประจวบคีรีขันธ์,ชุมพร,สวีสกษ. ชุมพร,สุรำษฎร์ธำนีสกษ.,พระแสง สอท. สุรำษฎร์ธำนี ,นครศรีธรรมรำช สกษ. ,ฉวำง นครศรีธรรมรำช ,พัทลุง สกษ.,ตะกั่ว ป่ำ พังงำ ,ตรัง,คอหงษ์สกษ.สงขลำ,สะเดำสงขลำ ,สตูล,ปัตตำนี,ยะลำ สกษ.,นรำธิวำส 1.95 0.48 -0.11

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 28 จากตารางที่ 1 เมื่อพิจารณาตามเกณฑ์ความไม่ คล้ายคลึงกันทางสถิติของลุ่มน้ำรวม พบว่าข้อมูลฝน รายวันสูงสุดภายในลุ่มน้ำรวมเดียวกันมีค่าระหว่าง 1≤ < 2 ซึ่งหมายถึงลุ ่มน้ำรวมค ่อนข้างมีความ คล้ายคลึงกัน (fairly homogeneous) 4.3 การทดสอบความเหมาะสมของทฤษฎีการแจกแจง ความถี่ของลุ่มน้ำรวม (Goodness of fit Measures: The Z-statistics values: Z) เมื่อได้จำนวนกลุ่มที่จะนำมิจารณาวิเคราะห์ ความถี่แบบลุ่มน้ำรวมแล้ว ในขั้นตอนนี้คือการหาทฤษฎี ความถี่แจกแจงที่มีความเหมาะสมสำหรับข้อมูลฝนรายวัน สูงสุดในลุ่มน้ำรวม ในการศึกษานี้ใช้ 5 ทฤษฎี คือ generalized extreme value distribution (GEV), generalized normal distribution (GNO), Pearson type 3 (P3), generalized logistic distribution (GLO) และgeneralized Pareto distribution (GPA) ซึ่งผลการ ทดสอบความเหมาะสมของทฤษฎีการแจกแจงความถี่ของ ลุ่มน้ำรวม แสดงในตารางที่ 2 ซึ่งหากพิจารณาทฤษฎีการ แจกแจงความถี่ที่เป็นที่ยอมรับ คือค่า || ≤ 1.64 [7] แสดงว่าทฤษฎีที่ผ่านการทดสอบ เป็นที่ยอมรับสามารถ นำไปใช้อธิบายการกระจายของข้อมูลได้จะเห็นได้ว่า มี ทฤษฎีความถี่แจกแจงหลายชนิด ที่ถูกยอมรับให้นำมาใช้ อธิบายความถี่ของข้อมูลในลุ่มน้ำรวมหนึ่ง ตารางที่ 2 ค่าความเหมาะสมของทฤษฎีการแจกแจง ความถี่ของลุ่มน้ำรวม (Z) ของแต่ละทฤษฎี **หมายถึงทฤษฎีการแจกแจงความถี่ที่มีค่า || ≤ 1.64 (ไม่ผ่านเกณฑ์) เพื่อที่จะคัดเลือกทฤษฎีความถี่แจกแจงที่ เหมาะสมที่สุด จะทำการเปรียบเทียบค่าสัมพัทธ์ของรากที่ สองของความคลาดเคลื่อนกำลังสองเฉลี่ยของแต่ละ ทฤษฎี F [relative root mean square error :RRMSE ] แสดงในตารางที่ 3 กับควอนไทล์ของทฤษฎีความถี่ที่ เหมาะสมที่สุดทั้ง 7 ลุ่มน้ำรวม จากตารางที่ 3 สรุปได้ว่า ทฤษฎี PE3 เหมาะกับข้อมูลลุ่มน้ำรวมที่ 1,6 และ 7 ทฤษฎี GNO เหมาะกับข้อมูลลุ่มน้ำรวมที่ 2,3,4 และ 5 ในขณะที่ ทฤษฎี GEV เป็นทฤษฎีที่มีเสถียรภาพได้รับการ ยอมรับในทุกลุ่มน้ำรวม เนื่องจากทฤษฎี GEV เป็นทฤษฎีที่มีเสถียรภาพ ได้รับการยอมรับในทุกลุ่มน้ำรวม การศึกษานี้จึงได้มีการ เปรียบเทียบ growth curve ของลุ่มน้ำรวม () ทฤษฎีความถี่แจกแจง GEV ที่รอบปีการเกิดซ้ำ 2-1000 ปี กับทฤษฎีความถี่แจกแจงที่เหมาะสมที่สุดของกลุ่มลุ่มน้ำ รวมที่ 1 (ลุ่มน้ำรวมที่ 1,6 และ 7) คือ ทฤษฎี PE3 และ กลุ่มลุ่มน้ำรวมที่ 2 (ลุ่มน้ำรวมที่ 2,3,4 และ 5) คือ ทฤษฎี GNO รายละเอียดแสดงในรูปที่ 2 และ 3 พบว่า ทฤษฎี ความถี่แจกแจง GEV ถือว่ามีความเหมาะสมสำหรับการ ประมาณการควอนไทล์ที่รอบปีการเกิดซ้ำที่ T< 100 ปี เนื่องจาก ช่วงความมั่นใจ 95 เปอร์เซ็นต์ของค่าประมาณ ควอนไทล์ใกล้เคียงกับทฤษฎีPE3 (ลุ่มน้ำรวมที่ 1,6 และ 7) และ GNO (ลุ่มน้ำรวมที่ 2,3,4 และ 5) 4 . 4 ก า ร ป ร ะ ม า ณ ก า ร ค ว อ น ไ ท ล ์ (Quantile Estimation: ()) การประมาณการควอนไทล์ หลังจากที่ได้ทฤษฎี ความถี่แจกแจงที่เหมาะสมที่สุดแล้ว ให้นำค่า growth curve ของลุ่มน้ำรวม () ของลุ่มน้ำรวม (รายละเอียด แสดงในตารางที่ 4) มาใช้หาควอนไทล์ฝนรายวันสูงสุด ของสถานีที่ต้องการได้ หาได้โดยใช้สมการที่ (20) จะได้ ค่าควอนไทล์ประมาณการ () ของฝนรายวันสูงสุดที่ สถานีi แบบลุ่มน้ำรวม GLO GEV GNO PE3 1 2.95** 0.85 0.20 -1.07 2 0.96 -0.78 -1.00 -1.59 3 1.67** -0.52 -1.18 -2.47** 4 0.91 -0.94 -1.36 -2.25** 5 2.53** 0.89 0.38 -0.60 6 0.29 -0.18 -0.52 -1.12 7 2.63** 0.73 0.19 -0.87 ลุ่มน ้ำรวม Z

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 29 ตารางที่ 3 growth curve ของลุ่มน้ำรวม () และการเปรียบเทียบค่าสัมพัทธ์ของรากที่สองของความคลาดเคลื่อนกำลัง สองเฉลี่ยของแต่ละทฤษฎี F T (year) 2 10 20 50 100 1000 F 0.500 0.900 0.950 0.980 0.990 0.999 q(F) 0.936 1.406 1.603 1.874 2.089 2.884 RMSE (%) 0.016 0.038 0.068 0.128 0.187 0.496 bound 0.05 0.908 1.349 1.491 1.656 1.768 2.048 bound 0.95 0.969 1.485 1.750 2.141 2.475 3.884 q(F) 0.935 1.412 1.605 1.863 2.064 2.778 RMSE (%) 0.015 0.039 0.069 0.118 0.162 0.361 bound 0.05 0.910 1.341 1.473 1.624 1.728 2.050 bound 0.95 0.975 1.485 1.729 2.071 2.351 3.417 q(F) 0.933 1.422 1.608 1.843 2.016 2.569 RMSE (%) 0.016 0.044 0.071 0.108 0.138 0.239 bound 0.05 0.908 1.339 1.471 1.632 1.747 2.108 bound 0.95 0.972 1.495 1.725 2.024 2.248 2.986 q(F) 0.954 1.375 1.558 1.827 2.057 3.041 RMSE (%) 0.017 0.040 0.071 0.128 0.186 0.518 bound 0.05 0.925 1.309 1.433 1.581 1.691 2.096 bound 0.95 0.993 1.457 1.700 2.078 2.429 4.117 q(F) 0.949 1.400 1.573 1.797 1.965 2.523 RMSE (%) 0.014 0.036 0.061 0.106 0.149 0.352 bound 0.05 0.926 1.340 1.467 1.605 1.689 1.867 bound 0.95 0.980 1.467 1.684 1.988 2.233 3.130 q(F) 0.949 1.401 1.571 1.790 1.955 2.511 RMSE (%) 0.016 0.039 0.067 0.111 0.150 0.314 bound 0.05 0.922 1.320 1.424 1.538 1.621 1.857 bound 0.95 0.990 1.468 1.684 1.975 2.207 3.051 q(F) 0.934 1.420 1.623 1.901 2.121 2.929 RMSE (%) 0.017 0.042 0.077 0.140 0.203 0.528 bound 0.05 0.907 1.343 1.478 1.621 1.702 1.813 bound 0.95 0.982 1.497 1.758 2.142 2.474 3.863 q(F) 0.933 1.426 1.625 1.890 2.096 2.826 RMSE (%) 0.017 0.045 0.078 0.129 0.175 0.370 bound 0.05 0.901 1.339 1.477 1.641 1.759 2.143 bound 0.95 0.971 1.510 1.778 2.158 2.469 3.668 q(F) 0.941 1.414 1.628 1.949 2.229 3.481 RMSE (%) 0.019 0.039 0.073 0.139 0.209 0.614 bound 0.05 0.906 1.354 1.507 1.716 1.887 2.540 bound 0.95 0.976 1.505 1.801 2.278 2.728 5.016 q(F) 0.936 1.442 1.646 1.921 2.134 2.887 RMSE (%) 0.016 0.040 0.071 0.129 0.184 0.455 bound 0.05 0.904 1.373 1.521 1.688 1.802 2.062 bound 0.95 0.971 1.521 1.794 2.189 2.518 3.904 q(F) 0.935 1.446 1.646 1.911 2.113 2.818 RMSE (%) 0.015 0.041 0.069 0.114 0.153 0.315 bound 0.05 0.903 1.378 1.534 1.731 1.876 2.315 bound 0.95 0.963 1.537 1.808 2.186 2.488 3.631 กลุ่ม distribution GEV GNO 2 GEV GNO PE3 1 GLO GEV GNO GLO GEV 3 4 GNO T (year) 2 10 20 50 100 1000 F 0.500 0.900 0.950 0.980 0.990 0.999 q(F) 0.925 1.476 1.707 2.025 2.278 3.208 RMSE (%) 0.020 0.042 0.078 0.148 0.218 0.576 bound 0.05 0.892 1.405 1.582 1.794 1.939 2.348 bound 0.95 0.959 1.564 1.865 2.308 2.693 4.356 q(F) 0.924 1.483 1.709 2.013 2.248 3.085 RMSE (%) 0.019 0.043 0.078 0.137 0.192 0.432 bound 0.05 0.891 1.407 1.561 1.738 1.861 2.229 bound 0.95 0.974 1.569 1.861 2.280 2.620 3.919 q(F) 0.921 1.496 1.713 1.989 2.191 2.841 RMSE (%) 0.019 0.042 0.071 0.112 0.144 0.258 bound 0.05 0.888 1.423 1.591 1.798 1.944 2.404 bound 0.95 0.961 1.575 1.850 2.216 2.490 3.401 q(F) 0.888 1.541 1.876 2.419 2.931 5.580 RMSE (%) 0.038 0.055 0.121 0.267 0.437 1.684 bound 0.05 0.827 1.449 1.665 1.987 2.238 3.288 bound 0.95 0.971 1.654 2.142 3.027 3.937 9.569 q(F) 0.881 1.576 1.910 2.411 2.844 4.731 RMSE (%) 0.031 0.055 0.116 0.245 0.388 1.296 bound 0.05 0.823 1.486 1.725 1.961 2.125 2.651 bound 0.95 0.961 1.689 2.154 2.985 3.765 8.002 q(F) 0.876 1.597 1.926 2.394 2.776 4.255 RMSE (%) 0.033 0.062 0.126 0.243 0.357 0.918 bound 0.05 0.810 1.486 1.689 1.923 2.090 2.532 bound 0.95 0.960 1.731 2.202 2.946 3.626 6.697 q(F) 0.870 1.629 1.941 2.347 2.651 3.648 RMSE (%) 0.031 0.064 0.114 0.186 0.243 0.449 bound 0.05 0.812 1.511 1.725 1.999 2.196 2.852 bound 0.95 0.941 1.767 2.179 2.766 3.189 4.709 q(F) 0.925 1.491 1.726 2.045 2.297 3.210 RMSE (%) 0.018 0.043 0.076 0.139 0.202 0.518 bound 0.05 0.892 1.413 1.594 1.808 1.953 2.338 bound 0.95 0.960 1.569 1.874 2.325 2.711 4.317 q(F) 0.924 1.497 1.727 2.033 2.269 3.102 RMSE (%) 0.019 0.045 0.080 0.137 0.188 0.413 bound 0.05 0.892 1.419 1.579 1.762 1.887 2.277 bound 0.95 0.972 1.590 1.887 2.300 2.632 3.901 q(F) 0.922 1.510 1.730 2.010 2.214 2.869 RMSE (%) 0.018 0.046 0.074 0.114 0.146 0.256 bound 0.05 0.885 1.422 1.585 1.785 1.929 2.374 bound 0.95 0.967 1.599 1.884 2.260 2.543 3.491 กลุ่ม distribution GNO PE3 GLO 5 GEV GEV PE3 GEV GNO PE3 6 7 GNO

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 30 รูปที่ 2 กราฟแสดงการเปรียบเทียบ growth curve ของลุ่มน้ำรวม () วิธีที่เหมาะสมที่สุดของกลุ่มลุ่มน้ำรวมที่ 1 ลุ่มน้ำ รวมที่ 6 (ลุ่มน้ำรวมที่ 1,6 และ 7) คือ ทฤษฎี PE3 และทฤษฎีความถี่แจกแจง GEV ที่รอบปีการเกิดซ้ำ 2-1000 ปี โดยแสดง ช่วงความมั่นใจที่90 เปอร์เซ็นต์ของค่าประมาณควอนไทล์ เพื่อประกอบการพิจารณาเปรียบเทียบ รูปที่ 3 กราฟแสดงการเปรียบเทียบ growth curve ของลุ่มน้ำรวม () วิธีที่เหมาะสมที่สุดของกลุ่มที่2 ลุ่มน้ำรวมที่ 3 (ลุ่มน้ำ รวมที่ 2,3,4 และ 5) คือ ทฤษฎี GNO และทฤษฎีความถี่แจกแจง GEV ที่รอบปีการเกิดซ้ำ 2-1000 ปี โดยแสดงช่วงความ มั่นใจที่ 90 เปอร์เซ็นต์ของค่าประมาณควอนไทล์ เพื่อประกอบการพิจารณาเปรียบเทียบ เพื่อประกอบการพิจารณา เปรียบเทียบ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 31 ตารางที่ 4 ทฤษฎีแจกแจงความถี่ที่เหมาะสมสำหรับแต่ละลุ่มน้ำรวม และค่าควอนไทล์ประมาณการ () ของลุ่มน้ำรวม 1-7 5.สรุปผลการศึกษา การศึกษานี้มีวัตถุประสงค์เพื่อวิเคราะห์ความถี่ แบบลุ่มน้ำรวมของข้อมูลฝนรายวันสูงสุดในประเทศไทย โดยพิจารณาประยุกต์ทฤษฎีความถี่แจกแจงที่พิจารณา (GEV, GNO, PE3, GLO และ GPA) และการประมาณการ พารามิเตอร์ด้วยโมเมนต์เชิงเส้นเข้ากับฝนรายวันดัชนี ฝน รายวันสูงสุดของประเทศไทย และการประมาณการควอน ไทล์ลุ่มน้ำรวม ผลการประยุกต์วิธีดังกล่าวข้างต้นกับข้อมูลฝน รายวันสูงสุด พบว่า (1) ในขั้นตอนการวิเคราะห์ความไม่เข้าพวกของ ข้อมูลนั้น ไม่ควรใช้ค่าความไม่เข้าพวก เพียงอย่าง เดียวเป็นเกณฑ์ในการตัดข้อมูลของสถานีใด ๆทิ้ง ควรมี การตรวจสอบข้อมูลด้วยการทดสอบค่าผิดปกติOutlier test ด้วยแผนภูมิ Box Plot เมื่อพบข้อมูลฝนรายวันสูงสุด ที่ผิดปกติ ควรนำข้อมูลนั้นไปเปรียบเทียบกันสถานีวัด น้ำฝนใกล้เคียง ก่อนพิจารณาตัดข้อมูลด้วย (2) ในการแบ่งกลุ่มเพื่อวิเคราะห์ความไม่ คล้ายคลึงกันทางสถิติของลุ่มน้ำรวม โดยแบ่งกลุ่มจาก การประยุกต์การวิเคราะห์กลุ่ม (cluster analysis) ด้วย ว ิ ธี k-means แ ล ะ Ward’s clustering โ ด ย ใ ช้ ลักษณะเฉพาะของข้อมูลสถานีในการแบ่งกลุ่ม พบว่า ข้อมูลฝนรายวันสูงสุดภายในลุ่มน้ำรวมเดียวกันมีค่า 1≤ < 2 ซึ่งหมายถึงล ุ ่มน้ำรวมค ่อนข้างมีความ คล้ายคลึงกัน (fairly homogeneous) (3) การทดสอบทฤษฎีการแจกแจงความถี่ของลุ่มน้ำ รวมที่เหมาะสม (Z) พบกว่า ทฤษฎีGEVเป็นทฤษฎีที่มี เสถียรภาพได้รับการยอมรับในทุกกลุ่ม รองลงมาคือ ทฤษฎี PE3 ลำดับถัดมาคือทฤษฎีGNO และ GLO ตามลำดับ ส่วนทฤษฎีที่ ไม่ได้รับการยอมรับคือทฤษฎี GPA และทฤษฎี GEV มีความ เหมาะสมสำหรับการประมาณการควอนไทล์ที่รอบปีการเกิดซ้ำ ที่ T< 100 ปี 6. กิตติกรรมประกาศ ขอบคุณกรมอุตุนิยมวิทยา และกรมชลประทาน ที่ให้ข้อมูลในการศึกษา ขอขอบคุณ ศาสตราจารย์ ดร.ชวลิต ชาลีรักษ์ตระกูล อาจารย์ที่ปรึกษา ที่คอยให้ คำแนะนำแนวทางการวิจัย 7.เอกสารอ้างอิง] [1] ชวลิต ชาลีรักษ์ตระกูล. (2551). การวิเคราะห์ความถี่ ของอุทกภัย. กรุงเทพฯ : สำนักพิมพ์มหาวิทยาลัยธรรมศาสตร์ [2] ชวลิต ชาลีรักษ์ตระกูล และคณะ. (2555). “การแจก แจงความน่าจะเป็นของฝนรายวันสูงสุดในประเทศไทย.” วิศวกรรมสารฉบับวิจัยและพัฒนา ปีที่ 23 ฉบับที่ 1 [3] ปิยภัทร บุษบาบดินทร์ และ นิภาดา พาภักดี. (2561). “แบบจำลองค่าขีดสุดปริมาณน้ำฝนสูงสุดในประเทศไทย” วารสารวิทยาศาสตร์ มข. 2561.46(1) 173-185 [4] Cosmo S, Ngonagondo, Chong-Yu Xu, Lena M, Tallaken, Berhanu Alemaw,Tobias Chirwa (2011).Reginonal frequency analysis of rainfall extremes in Southern Malawi using the index rainfall and L-moments approaches.Stoch 0.5 0.8 0.9 0.95 0.98 0.99 0.993 0.995 0.998 0.999 1 P 3 0.9330 1.2264 1.4225 1.6079 1.8431 2.0157 2.1032 2.1851 2.4052 2.5693 2 GNO 0.9540 1.2009 1.3751 1.5584 1.8274 2.0572 2.1859 2.3145 2.7038 3.0413 3 GNO 0.9334 1.2245 1.4259 1.6247 1.8903 2.0962 2.2044 2.3079 2.5978 2.8258 4 GNO 0.9353 1.2396 1.4457 1.6463 1.9108 2.1135 2.2192 2.3199 2.6000 2.8183 5 GNO 0.9237 1.2537 1.4828 1.7093 2.0126 2.2481 2.3719 2.4904 2.8229 3.0846 6 P 3 0.8697 1.3110 1.6292 1.9409 2.3468 2.6507 2.8063 2.9527 3.3495 3.6482 7 P 3 0.9217 1.2751 1.5095 1.7305 2.0098 2.2145 2.3181 2.4150 2.6752 2.8691 ลุ่มน ้ำรวม ทฤษฎีที่ใช้ ควำมน่ำจะเป็นสะสม (F)

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 32 Environ Res Risk Assess (2011) 25:939-955, https://doi.org/10.1007/s00477-011-0480-x [5] Ul Hassan M, Noreen Z, Ahmed R. Regional frequency analysis of annual daily rainfall maxima in Skåne, Sweden. Int J Climatol. 2021;41:4307– 4320.https://doi.org/10.1002/joc.7074 [6] Hosking JRM (1990) L-moments: analysis and estimation of distributions using linear combinations of order statistics. J R Stat Soc Ser B 52:105–124 [7] Hosking JRM, Wallis JR (1997) Regional frequency analysis: an approach based on Lmoments. Cambridge University Press, Cambridge [8] Hosking JRM (2009). Regional frequency analysis using L-moments, lmomRFA R package, version3.6https://cran.rproject.org/web/packages/lmomRFA/index.html. [9] Hosking, J.R.M. and Wallis, J.R. (1993). Some statistics useful in regional frequency analysis. Water Resour. Res. 29(2): 271-281.

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 33 กราฟการกระจายของฝนตามเวลาสำหรับออกแบบระบบระบายน้ำในกรุงเทพมหานคร Temporal Rainfall Pattern for Designing Urban Drainage System in Bangkok ใจรัก เกษเกษม1 และ ชวลิต ชาลีรักษ์ตระกูล2* 1, 2ภาควิชาวิศวกรรมโยธา, คณะวิศวกรรมศาสตร์, มหาวิทยาลัยธรรมศาสตร์ศูนย์รังสิต, จังหวัดปทุมธานี, ประเทศไทย * อีเมล์ผู้รับผิดชอบบทความ: [email protected] บทคัดย่อ รูปแบบพายุฝนมีความสำคัญในการออกแบบระบบระบายน้ำให้มีประสิทธิภาพเพิ่มความสามารถในการระบายน้ำในเมือง อย่างไรก็ตามยังไม่เคยมีใครศึกษารูปแบบพายุฝนในประเทศไทย เนื่องจากที่ผ่านมาวิศวกรอ้างอิงรูปแบบฝนสหรัฐอเมริกาใน การออกแบบระบบระบายน้ำ บทความนี้จึงทำการศึกษารูปแบบฝนที่เหมาะสมกับการออกแบบระบบระบายน้ำใน กรุงเทพมหานคร ซึ่งจะรวบรวมและวิเคราะห์ข้อมูลฝนจากสถานีวัดน้ำฝนของสำนักการระบายน้ำ ราย 5 นาที ใน กรุงเทพมหานคร จำนวน 5 สถานี ช่วงข้อมูลตั้งแต่ปี 2553 - 2560 ได้แก่ สถานีพระนคร (D01) สถานีบางคอแหลม (D06) สถานีดอนเมือง (D14) สถานีทวีวัฒนา (D43) และสถานีบางขุนเทียน (D46) โดยมีจุดประสงค์หลักเพื่อหารูปแบบตามเวลา ของพายุฝน ช่วงเวลา 1, 3 และ 6 ชั่วโมง ควอไทล์ที่ 1 (1st Quartile) ความน่าจะเป็น 10 และ 50 เปอร์เซ็นต์ ที่ใช้ในการ ออกแบบระบบระบายน้ำในกรุงเทพมหานคร ซึ่งรูปแบบการกระจายของฝนที่ความน่าจะเป็น 10 เปอร์เซ็นต์ช่วงเวลา 1 และ 6 ชั่วโมง มีฝนสะสมมากที่สุด 44% และ 78% ในช่วงเวลา 0-10 เปอร์เซ็นต์ของช่วงเวลาทั้งหมด จากนั้นลดลงอย่างมาก ตามลำดับ ในช่วงเวลา 10-100 เปอร์เซ็นต์ของช่วงเวลาทั้งหมด เมื่อนำรูปแบบตามเวลาของฝนที่ได้มาเปรียบเทียบกับรูปแบบ ตามเวลาของการศึกษาความถี่การกระจายของพายุฝนในสหรัฐอเมริกา ช่วงเวลา 1 และ 6 ชั่วโมง ควอไทล์แรก (1st Quartile) ความน่าจะเป็น 10 เปอร์เซ็นต์ ผลการเปรียบเทียบรูปแบบตามเวลาพบว่า กราฟการกระจายฝนสะสมกับช่วงเวลา ฝนรวม 5 สถานี ในกรุงเทพมหานคร มีปริมาณฝนเพิ่มขึ้นมากกว่าฝนในสหรัฐอเมริกา 1.76 เท่า และ 1.78 เท่า ในช่วงเวลาสะสม 0- 10% แสดงให้เห็นว่าค่าสูงสุดของอุทกภัยในกรุงเทพมหานครจะเกิดขึ้นมากกว่าที่ออกแบบไว้ตามรูปแบบฝนของสหรัฐอเมริกา รูปแบบการกระจายของฝนตามเวลาที่ได้จะถูกนำไปใช้เป็นข้อมูลพื้นฐานในการออกแบบระบบระบายน้ำในเมืองภายใต้ ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศในอนาคตต่อไป คำสำคัญ: ไฮโตกราฟ, สถิติและความน่าจะเป็น, รูปแบบฝนตามเวลา, พายุฝนในเมือง Abstract The temporal rainfall pattern is important to design urban drainage systems effectively, increasing the capacity of drainage in community. However, no one has ever studied temporal pattern in Thailand. Engineers referred rainfall pattern of the United States to design drainage system. This research to study the optimal temporal rainfall pattern for urban drainage system in Bangkok which will collect and analyze the series of rainfall data from the rain gauge stations of Metropolitan Administration (BMA) every 5 mins about 5 stations, from 2010 - 2017 at PRANAKORN (D01), BANGKHOLAEM (D06), DONMUANG (D14), TAWEEWATTANA (D43) and BANGKHUNTHIAN (D46) from 2010-2017. The objective of research was to determine the temporal rainfall pattern for the 1-, 3-, and 6-hour duration in the first-quartile (1st Quartile) 10 and 50 percent probabilities for design drainage system in Bangkok. The pattern of rainfall distribution at 10 percent probabilities for 1- and 6-hour duration has the most accumulated rainfall 44% and 78% in

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 34 the period 0-10 percent of duration. It decreased significantly in later 10-100 percent of duration. Then compare the temporal rainfall pattern 5 stations in Bangkok obtained with the study of PrecipitationFrequency Atlas of the United States with 1- and 6-hour duration the first quartile (1st Quartile) at 10 percent probabilities. The results of the comparison found that the temporal pattern of total rainfall 5 stations in Bangkok. There is a more intensity rainfall and increased 1.76 times and 1.78 times more than the temporal pattern in the United States. It shows that the peak values of flooding in Bangkok will occur more than designed according to the temporal pattern of the United States. The resulting of the temporal rainfall distribution will be used as informationfor designing urban drainage system in the context of climate change in the future. Keywords: hyetograph, probability and statistics, temporal rainfall pattern, urban storm

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 35 1. คำนำ เหตุการณ์ฝนที่เกิดขึ้นในพื้นที่กรุงเทพมหานคร มี ลักษณะการกระจายของปริมาณน้ำฝนแตกต่างกันตาม พื้นที่และเวลา ส่งผลกระทบโดยตรงต่อการระบายน้ำออก จากพื้นที่ในชุมชนมือง ทำให้บางพื้นที่เกิดน้ำท่วมขัง รูปแบบการกระจายของฝนตามเวลาเป็นข้อมูลพื้นฐานที่ ใช้ในงานวิศวกรรมสำหรับการออกแบบระบบระบายน้ำ เพื่อประกอบการตัดสินใจในดำเนินการระบายน้ำได้อย่าง เหมาะสม รวมถึงการวางแผนและออกแบบระบบระบาย น้ำในเขตชุมชนมืองให้มีประสิทธิภาพมากยิ่งขึ้น รูปแบบ ฝนตามเวลาที่มีการศึกษาในอดีตได้มีการพัฒนาอย่าง แพร่หลายในประเทศสหรัฐอเมริกา อย่างไรก็ตามยังไม่เคยมีใครศึกษารูปแบบพายุฝนใน ประเทศไทย เนื่องจากที่ผ่านมาวิศวกรอ้างอิงรูปแบบฝน สหรัฐอเมริกาในการออกแบบระบบระบายน้ำ [1] ได้พัฒนาความสัมพันธ์แจกแจงตามเวลาของพายุ ฝนในพื้นที่ 50-400 ตารางไมล์ในมลรัฐอิลลินอยส์ ประเทศสหรัฐอเมริกา นำเสนอในรูปแบบความน่าจะเป็น ของข้อมูลฝนสูงสุดพบว่าความสัมพันธ์ที่เป็นตัวแทนที่ดี ที่สุดคือร้อยละของปริมาณฝนสะสมกับร้อยละของ ช่วงเวลาทั้งหมด และแบ่งพายุฝนออกเป็น 4 กลุ่มตาม ช่วงเวลาของการเกิดฝนสูงสุด ได้แก่ 1/4 2/4 3/4 และ 4/4 ของช่วงเวลาฝนตกทั้งหมด โดยวิเคราะห์ความน่าจะ เป็นของแต่ละกลุ่มพายุฝน และนำเสนอในรูปแบบกราฟ ความสัมพันธ์ระหว่างร้อยละของปริมาณฝนสะสมกับร้อย ละของช่วงเวลาสะสม โดยมีช่วงความน่าจะเป็นอยู่ที่ 10% ถึง 90% เพื่อกำหนดรูปแบบการกระจายของฝน ขนาด ของพื้นที่รับน้ำมีผลกระทบเล็กน้อยเมื่อใช้วิธีดังกล่าว แต่ สอดคล้องกับการแจกแจงตามเวลา สามารถนำ ความสัมพันธ์ที่ได้ไปประยุกต์ใช้กับพื้นที่อื่น ๆ ที่มีสภาพ ภูมิประเทศและภูมิอากาศใกล้เคียงกัน เชื่อมโยงกับข้อมูล และพารามิเตอร์อื่น ๆ เพื่อสร้างแบบจำลองทางอุทกวิทยา จากการศึกษาแจกแจงความถี่ข้อมูลฝนในประเทศ สหรัฐอเมริกา สำหรับเปอร์โตริโกและหมู่เกาะเวอร์จิน โดยรวบรวมข้อมูลฝนที่ช่วงเวลา 5 นาที 60 วัน ที่รอบปี การเกิดซ้ำ 1-100 ปี การประมาณการวิเคราะห์อนุกรม สูงสุดประจำปี จากนั้นแปลงเป็นผลอนุกรมเวลาบางส่วน โดยแจกแจงปริมาณฝนสะสม ความน่าจะเป็นต่าง ๆ ที่ ช่วงเวลา 1, 6, 12, 24 และ 96 ชั่วโมง [2] และการศึกษา แจกแจงความถี่ข้อมูลฝนในประเทศสหรัฐอเมริกา ครอบคลุมบริเวณแม่น้ำโอไฮโอ และรัฐโดยรอบ โดย คำนวณปริมาณฝนสะสมเหตุการณ์เดียวหรือพายุที่ ช่วงเวลา 6, 12, 24 และ 96 ชั่วโมง สำหรับสถานีตรวจวัด ปริมาณน้ำฝนราย 1 ชั่วโมง ในพื้นที่โครงการ แสดงเป็น กราฟอัตราส่วนของปริมาณฝนสะสมรายชั่วโมงต่อปริมาณ น้ำฝนรวมในช่วงเวลานั้น และอัตราส่วนของเวลาสะสมต่อ เวลาทั้งหมด [3] [4] เสนอการปรับปรุงโค้งของ Huff สำหรับพายุฝน ออกแบบและจำลองการเกิดน้ำท่วมในเมืองโดยการ วิเคราะห์กระจายตัวของฝนรวมหรือกราฟฝนสะสมมี ความสำคัญในการออกแบบระบบระบายน้ำ เนื่องจาก รูปแบบฝนออกแบบ เช่น Chicago, Huff และ Triangular แสดงให้เห็นว่ารูปแบบฝนออกแบบ ของสหรัฐอเมริกา ยัง ไม่สามารถนำมาใช้ในพื้นที่ของเมืองกวางโจว ดังนั้นในบทความนี้จึงมุ่งเน้นวิธีการหารูปแบบ ตามเวลาของพายุฝน เพื่อหารูปแบบตามเวลาของพายุฝน ที ่ ใช้ ใน ก า ร อ อ ก แ บ บ ร ะ บ บ ร ะ บ า ย น ้ ำ ส ำ ห รั บ กรุงเทพมหานคร รวมทั้งวิเคราะห์เปรียบเทียบกับผล การศึกษาที่ผ่านมา เพื่อหารูปแบบที่เหมาะสมในการ ปรับปรุงประสิทธิภาพของระบบระบายน้ำในอนาคต 2. วิธีการวิเคราะห์รูปแบบฝนตามเวลา 2.1 การแบ่งช่วงเวลาของพายุฝน พิจารณาการแบ่งช่วงข้อมูลปริมาณฝนสะสมแต่ ละเหตุการณ์ที่ฝนตกยาวต่อเนื่อง และหยุดตกนานเกิน กว่า 3 ชั่วโมง เป็น 1 เหตุการณ์ และพิจารณาค่าของฝนที่ เปอร์เซ็นต์ไทล์ที่ 25 ขึ้นไป จะได้ช่วงเวลาที่ฝนตกสะสมใน แต่ละเหตุการณ์ แต่ละช่วงเวลาดังนี้ 2.1.1 กรณีช่วงเวลา 1 ชั่วโมง แบ่งโดยใช้ข้อมูล ฝนที่ตกสะสมตั้งแต่ 30 นาที ถึง 1 ชั่วโมง 2.1.2 กรณีช่วงเวลา 3 ชั่วโมง แบ่งโดยใช้ข้อมูล ฝนที่ตกสะสมตั้งแต่ 1 ชั่วโมง 30 นาที ถึง 3 ชั่วโมง

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 36 2.1.3 กรณีช่วงเวลา 6 ชั่วโมง แบ่งโดยใช้ข้อมูล ฝนที่ตกสะสมตั้งแต่ 4 ชั่วโมง 30 นาที ถึง 6 ชั่วโมง 2.2 การแบ่งกลุ่มควอไทล์(Quartile) [5] แนะนำเพิ่มเติมว่าพายุฝนที่ตกในช่วงเวลา 6 ชั่วโมงหรือน้อยกว่า จะเป็นความสัมพันธ์แจกแจงแบบ ควอไทล์ที่ 1 พายุฝนที่ตกในช่วงเวลา 6-12 ชั่วโมง เป็น ความสัมพันธ์แจกแจงแบบควอไทล์ที่ 2 พายุฝนที่ตกใน ช่วงเวลา 12-24 ชั่วโมง เป็นความสัมพันธ์แจกแจงแบบ ควอไทล์ที่ 3 พายุฝนที่ตกในช่วงเวลามากกว่า 24 ชั่วโมง เป็นความสัมพันธ์แจกแจงแบบควอไทล์ที่ 4 จากนั้นนำข้อมูลฝนสะสมในแต่ละช่วงเวลามา วิเคราะห์แบ่งกลุ่มเป็น 4 ควอไทล์ คือ 2.2.1 ควอไทล์ที่ 1 (1st Quartile) หรือ 1/4 ของช่วงเวลาทั้งหมด คือช่วงเวลาที่ฝนสะสมมีค่าสูงสุด 1/4 ของช่วงเวลาทั้งหมด เช่น กรณี 1 ชั่วโมง คือ 0-15 นาที 2.2.2 ควอไทล์ที่ 2 (2 nd Quartile) หรือ 2/4 ของช่วงเวลาทั้งหมด คือช่วงเวลาที่ฝนสะสมมีค่าสูงสุด 2/4 ของช่วงเวลาทั้งหมด เช่น กรณี 1 ชั่วโมง คือ 15-30 นาที 2.2.3 ควอไทล์ที่ 3 (3 rd Quartile) หรือ 3/4 ของช่วงเวลาทั้งหมด คือช่วงเวลาที่ฝนสะสมมีค่าสูงสุด 3/4 ของช่วงเวลาทั้งหมด เช่น กรณี 1 ชั่วโมง คือ 30-45 นาที 2.2.4 ควอไทล์ที่ 4 (4 th Quartile) หรือ 4/4 ของช่วงเวลาทั้งหมด คือช่วงเวลาที่ฝนสะสมมีค่าสูงสุด 4/4 ของช่วงเวลาทั้งหมด เช่น กรณี 1 ชั่วโมง คือ 45 นาที-1 ชั่วโมง ดังนั้นบทความนี้จึงนำเสนอรูปแบบฝนในควอไทล์ ที่ 1 (1st Quartile) เนี่องจากข้อมูลฝนที่ตกในประเทศไทย อยู่ในช่วงเวลา 6 ชั่วโมงหรือน้อยกว่า ซึ่งสอดคล้องกับ การศึกษา [5] 2.3 การแจกแจงตามเวลาของพายุฝนออกแบบ การแจกแจงเวลาของพายุฝนออกแบบนำเสนอโดย กราฟการกระจายตัวของฝนรวม มีขั้นตอนดังนี้ 2.3.1 หาเปอร์เซ็นต์ปริมาณฝนสะสมที่ความน่าจะ เป็นของเหตุการณ์ฝนทั้งหมด ที่ความน่าจะเป็น 10% และ 50% วิธีการแจกแจงตามเวลาของพายุฝนออกแบบ ปริมาณฝนสะสมแต่ละครั้งจะถูกแปลงเป็นอัตราส่วนของ ปริมาณฝนสะสมต่อปริมาณฝนสะสมทั้งหมดในช่วงเวลา นั้นและอัตราส่วนของเวลาสะสมต่อเวลาทั้งหมด ดังนั้นค่า สุดท้ายของอัตราส่วนจะมีค่า 100% เสมอ แกน x คือ เปอร์เซ็นต์ของช่วงเวลาสะสม แกน y คือเปอร์เซ็นต์ของ ปริมาณฝนสะสมทั้งหมด ข้อมูลในกราฟแสดงค่าเฉลี่ยของ เหตุการณ์ต่าง ๆ 2.3.2 หาเปอร์เซ็นต์ปริมาณฝนสะสมและช่วงเวลา สะสมที่ความน่าจะเป็น 10% และ 50% โดยงานวิจัยนี้จะ ใช้ข้อมูลปริมาณฝนสะสมที่ช่วงเวลาทั้งหมด กรณีช่วงเวลา 1 ชั่วโมง, 3 ชั่วโมง และ 6 ชั่วโมง โดยแบ่งช่วงเวลาของ ฝนสะสมสูงสุดที่ใช้แจกแจงเป็น 4 ช่วง คือ ควอไทล์ที่ 1 หรือ 1/4 ของช่วงเวลาทั้งหมด ควอไทล์ที่ 2 หรือ 2/4 ของช่วงเวลาทั้งหมด ควอไทล์ที่ 3 หรือ 3/4 ของช่วงเวลา ทั้งหมด และ ควอไทล์ที่ 4 หรือ 4/4 ของช่วงเวลาทั้งหมด 2.3.3 พล็อตกราฟความสัมพันธ์ระหว่างเปอร์เซ็นต์ ปริมาณฝนสะสมและเปอร์เซ็นต์ช่วงเวลาสะสมจะได้กราฟ ความสัมพันธ์ของปริมาณฝนและช่วงเวลา 1/4 2/4 3/4 และ 4/4 ของช่วงเวลาทั้งหมด 2.3.4 นำปริมาณฝนสะสมในแต่ละช่วงเวลา มาแจกแจง เป็นกราฟแท่งที่รอบปีการเกิดต่าง ๆ จะได้กราฟการ กระจายของฝนที่ความน่าจะเป็นต่าง ๆ แสดงในรูปที่ 1 รูปที่ 1 แสดงขั้นตอนวิธีการแจกแจงตามเวลาของพายุฝน ออกแบบ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 37 รูปแบบการแจกแจงฝนในสหรัฐอเมริกา จาก การศึกษาแจกแจงแผนที่ข้อมูลฝนของสหรัฐอเมริกา กรณี 1 ชั่วโมง และ 6 ชั่วโมง [2, 3] แสดงในรูปที่ 2-3 รูปที่ 2 กราฟความสัมพันธ์ของเปอร์เซ็นต์ฝนสะสมและ เปอร์เซ็นต์ช่วงเวลา ควอไทล์ที่ 1 (1st Quartile) และ กราฟการกระจายของฝนที่ความน่าจะเป็น 10% และ 50% จากการศึกษาแจกแจงแผนที่ข้อมูลฝนของ สหรัฐอเมริกา กรณี 1 ชั่วโมง [2] รูปที่ 3 กราฟความสัมพันธ์ของเปอร์เซ็นต์ฝนสะสมและ เปอร์เซ็นต์ช่วงเวลา ควอไทล์ที่ 1 (1st Quartile) และ กราฟการกระจายของฝนที่ความน่าจะเป็น 10% และ 50% จากการศึกษาแจกแจงแผนที่ข้อมูลฝนของ สหรัฐอเมริกา กรณี 6 ชั่วโมง [3] 2.4 การประเมินพายุฝนที่ใช้ในการออกแบบ นอกจากปริมาณฝนแล้ว ความเข้มของฝนและ ลักษณะการตกของฝนก็มีความสำคัญสำหรับการ ออกแบบระบบระบายน้ำในเขตเมือง เนื่องจากความเข้ม ของฝนวิเคราะห์มาจากปริมาณฝนตกหนัก (Extreme Rainfall Depth) ในช่วงเวลาต่าง ๆ ของข้อมูลฝนในอดีต ซึ่งกราฟความเข้มฝน-ช่วงเวลา-คาบการเกิด สามารถหา การกระจายของฝนตกหนักที่ช่วงเวลาต่าง ๆ ที่มีโอกาส

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 38 เกิดขึ้นในเมือง บทความนี้ใช้กราฟความเข้มฝน-ช่วงเวลาคาบการเกิด (IDF Curve) ของสถานีวัดน้ำฝนที่กรม ชลประทานสามเสน กรุงเทพมหานคร [7] ที่รอบปีการเกิด ซ้ำ 25 ปี ที่ช่วงเวลา 1 ชั่วโมง เท่ากับ 100 มม./ชั่วโมง 3 ชั่วโมง เท่ากับ 43 มม./ชั่วโมง และ 6 ชั่วโมง เท่ากับ 26 มม./ชั่วโมงเป็นตัวแทนในการประเมินความเข้มฝนที่ เกิดขึ้นในกรุงเทพมหานคร แสดงดังรูปที่ 4 รูปที่ 4 กราฟความเข้มฝน-ช่วงเวลา-คาบการเกิด ของ สถานีวัดน้ำฝนที่กรมชลประทานสามเสน กรุงเทพมหานคร [7] 3. รูปแบบตามเวลาของฝนตามวิธีที่เสนอ 3.1 ข้อมูลที่ใช้ในการศึกษา บทความนี้รวบรวมและวิเคราะห์ข้อมูลฝนจากสถานี วัดน้ำฝนของสำนักการระบายน้ำราย 5 นาที ใน กรุงเทพมหานคร จำนวน 5 สถานี ช่วงข้อมูลตั้งแต่ปี พ.ศ. 2553 - 2560 ได้แก่ สถานีพระนคร (D01) สถานีบางคอ แหลม (D06) สถานีดอนเมือง (D14) สถานีทวีวัฒนา (D43) และสถานีบางขุนเทียน (D46) มาคัดเลือก เนื่องจากข้อมูลมีความต่อเนื่อง และตำแหน่งสถานีฝนมี การกระจายทั้งฝั่งตะวันออกและตะวันตกของแม่น้ำ เจ้าพระยา ตำแหน่งสถานีฝนที่ศึกษา แสดงในรูปที่ 5 รูปที่ 5 ตำแหน่งสถานีฝนที่ศึกษา 3.2 ผลลัพธ์ รูปแบบการกระจายของฝนตามเวลาที่ได้แสดงโดย กราฟความสัมพันธ์ของเปอร์เซ็นต์ฝนสะสมและเปอร์เซ็นต์ ช่วงเวลา ควอไทล์ที่ 1 (1st Quartile) 5 สถานีศึกษา และ กราฟการกระจายของฝนที่ความน่าจะเป็น 10% และ 50% แสดงในรูปที่5 3.2.1 กรณีช่วงเวลา 1 ชั่วโมง แสดงในรูปที่ 6 - ความน่าจะเป็น 10% กราฟการกระจายของฝน มี ค่าเปอร์เซ็นต์ฝน 44% ที่เปอร์เซ็นต์ช่วงเวลาสะสม 0- 10% ลดลงเป็น 36% ที่ช่วงเวลาสะสม 10-20% และ ลดลงต่อเนื่องตามลำดับ - ความน่าจะเป็น 50% กราฟการกระจายของฝน มี ค่าเปอร์เซ็นต์ฝน 20% ที่เปอร์เซ็นต์ช่วงเวลาสะสม 0- 10% เพิ่มขึ้นเป็น 31% ที่ช่วงเวลาสะสม 10-20% จากนั้น เป็น 22% ที่ช่วงเวลาสะสม 20-30% และลงลงต่อเนื่อง ตามลำดับ 3.2.2 กรณีช่วงเวลา 3 ชั่วโมง แสดงในรูปที่ 7 - ความน่าจะเป็น 10% กราฟการกระจายของฝน มี ค่าเปอร์เซ็นต์ฝน 79% ที่เปอร์เซ็นต์ช่วงเวลาสะสม 10% ลดลงเป็น 12% ที่ช่วงเวลาสะสม 20% และลงลงต่อเนื่อง ตามลำดับ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 39 รูปที่ 6 กราฟเปอร์เซ็นต์ฝนสะสมกับช่วงเวลา และการ กระจายของฝนที่ความน่าจะเป็น 10% และ 50% 1 ชั่วโมง 5 สถานี กรุงเทพมหานคร - ความน่าจะเป็น 50% กราฟการกระจายของฝน มี ค่าเปอร์เซ็นต์ฝน 45% ที่เปอร์เซ็นต์ช่วงเวลาสะสม 10% เพิ่มขึ้นเป็น 25% ที่ช่วงเวลาสะสม 20% จากนั้น เป็น 13% ที่ช่วงเวลาสะสม 30% และลงลงต่อเนื่องตามลำดับ 3.2.3 กรณีช่วงเวลา 6 ชั่วโมง แสดงในรูปที่ 8 - ความน่าจะเป็น 10% กราฟการกระจายของฝน มี ค่าเปอร์เซ็นต์ฝนสะสม 78% ที่เปอร์เซ็นต์ช่วงเวลาสะสม 0-10% ลดลงเป็น 11% ที่ช่วงเวลาสะสม 10-20% และ ลงลงต่อเนื่องตามลำดับ รูปที่ 7 กราฟเปอร์เซ็นต์ฝนสะสมกับช่วงเวลา และการ กระจายของฝนที่ความน่าจะเป็น 10% และ 50% 3 ชั่วโมง 5 สถานี กรุงเทพมหานคร - ความน่าจะเป็น 50% กราฟการกระจายของฝน มี ค่าเปอร์เซ็นต์ฝนสะสม 49% ที่เปอร์เซ็นต์ช่วงเวลาสะสม 0-10% ลดลงเป็น 23% ที่ช่วงเวลาสะสม 10-20% จากนั้น เป็น 8% ที่ช่วงเวลาสะสม 20-30% และลงลง ต่อเนื่องตามลำดับ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 40 รูปที่ 8 กราฟเปอร์เซ็นต์ฝนสะสมกับช่วงเวลา และการ กระจายของฝนที่ความน่าจะเป็น 10% และ50% 6 ชั่วโมง 5 สถานี กรุงเทพมหานคร ตารางที่ 1 ตารางเปรียบเทียบเปอร์เซ็นต์ปริมาณฝนกับ ช่วงเวลา 5 สถานี กรุงเทพมหานคร และ NOAA สหรัฐอเมริกา ช่วงเวลา 1 และ 6 ชั่วโมง กรณีศึกษา ช่วงเวลา ของเวลา ทั้งหมด ความ น่าจะ เป็น ปริมาณฝน (%) 1 ชั่วโมง 6 ชั่วโมง 5 สถานี กทม. 0-10% 10% 44% 78% 50% 20% 49% 10-20% 10% 36% 11% 50% 31% 23% กรณีศึกษา ช่วงเวลา ของเวลา ทั้งหมด ความ น่าจะ เป็น ปริมาณฝน (%) 1 ชั่วโมง 6 ชั่วโมง NOAA สหรัฐอเมริกา 0-10% 10% 25% 44% 50% 18% 22% 10-20% 10% 20% 31% 50% 17% 21% 4. การประยุกต์พายุฝนในปัจจุบันและอนาคต 4.1 การประเมินพายุฝนในปัจจุบัน ลักษณะของ hyetographกรณี ควอไทล์ที่ 1 (1st Quartile) 5 สถานี กรณีช่วงเวลา 1, 3 และ 6 ชั่วโมง ที่ความน่าจะเป็น 10% และ 50% แสดงในรูปที่ 9 -ค ว า ม น ่ า จ ะ เ ป ็ น 1 0 % ล ั ก ษ ณ ะ ข อ ง hyetograph มีค่าความเข้มฝนมากที่สุดช่วงเวลา 10 นาที แรก และลดลงอย่างมากใน ช่วงเวลา 10-20 นาที เช่นเดียวกันทั้งกรณี 1, 3 และ 6 ชั่วโมง -ค ว า ม น ่ า จ ะ เ ป ็ น 50 % ล ั ก ษ ณ ะ ข อ ง hyetograph มีค่าความเข้มฝนใกล้เคียงกันช่วงเวลา 10- 20 นาทีแรก และลดลงอย่างมากใน ช่วงเวลา 30 นาทีใน กรณี 1 และ 3 ชั่วโมง กรณี ช่วงเวลา 6 ชั่วโมง ค่าความ เข้มฝนมากที่สุดในช่วงเวลา 10-20 นาที 4.2 คาดการณ์ฝนจากการเปลี่ยนแปลงภูมิอากาศใน อนาคต การประยุกต์รูปแบบการกระจายของฝนตาม เวลาของ 5 สถานีศึกษา ในกรุงเทพมหานคร ที่ได้ใช้ สมการการถดถอยความสัมพันธ์เอ็กซ์โปเนนเชียลประยุกต์ กับความลึกฝนสำหรับแต่ละเปอร์เซ็นไทล์ ปรับเส้นตรง โดยวิธีกำลังสองน้อยที่สุด จากการศึกษา [6] โดยที่ความ ลึกฝน ( Precipitation, P) เกี่ยวข้องกับการเปลี่ยนแปลง ของอุณหภูมิ∆T ดังแสดงในสมการที่ (1) 2 = 1(1 + ) ∆ (1) เมื่อ α เทียบเท่ากับ Clausius‐Clapeyron‐ like scaling of 6.8% °C−1 ที่ 25°C , P1 ความลึกฝน P2 ความลึกฝนจากการเปลี่ยนแปลงอุณหภูมิ ∆T และ ∆T คือการเปลี่ยนแปลงอุณหภูมิโดยใช้การประมาณ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 41 รูปที่ 9 แสดงไฮโตกราฟ (hyetograph) 1,3 และ 6 ชั่วโมง ความน่าจะเป็น 10% และ 50% (1st Quartile) ของ 5 สถานี กรุงเทพมหานคร รูปที่ 10 แสดงไฮโตกราฟ (hyetograph) 1,3 และ 6 ชั่วโมง ความน่าจะเป็น 10% และ 50% (1st Quartile) ของ 5 สถานี กรุงเทพมหานคร จากการเปลี่ยนแปลงอุณหภูมิ 0 °C, 1 °C, 2 °C และ 3 °C

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 42 August‐Roche‐Magnusสำหรับความดันไออิ่มตัวesดัง แสดงในสมการที่ (2) = 6.1094 exp ( 17.625 243.04+ ) (2) ผลการคาดการณ์ความเข้มฝน (hyetograph) 1, 3 และ 6 ชั่วโมง ความน่าจะเป็น 10% และ 50% (1st Quartile) จากการเปลี่ยนแปลงอุณหภูมิ0 °C, 1 °C, 2 °C และ 3 °C แสดงในรูปที่ 10 ตารางที่ 2 ผลการคาดการณ์ความเข้มฝน (hyetograph) 1, 3 และ 6 ชั่วโมง (1st Quartile) จากการเปลี่ยนแปลงอุณหภูมิ 0 °C, 1 °C, 2 °C และ 3 °C ช่วงเวลา ความเข้มฝน มม./ชม ∆T 0 °C ∆T 1 °C ∆T 2 °C ∆T 3 °C 1 ชั่วโมง 100.0 114.0 130.0 148.1 3 ชั่วโมง 43.0 49.0 55.9 63.7 6 ชั่วโมง 26.0 29.6 33.8 38.5 5. สรุปและข้อเสนอแนะ จากการเปรียบเทียบกราฟเปอร์เซ็นต์ฝนสะสม กับช่วงเวลา และการกระจายของฝนรวม 5 สถานี กรุงเทพมหานคร ได้แก่ สถานีพระนคร (D01) สถานีบาง คอแหลม (D06) สถานีดอนเมือง (D14) สถานีทวีวัฒนา (D43) และสถานีบางขุนเทียน (D46) กับการศึกษาแจก แจงแผนที่ข้อมูลฝนของสหรัฐอเมริกา ควอไทล์ที่ 1 (1st Quartile) กรณีช่วงเวลา 1 และ 6 ชั่วโมง [2.3] จาก ตารางที่ 1 กรณีช่วงเวลา 1 ชั่วโมง เปอร์เซ็นต์ปริมาณฝน 5 สถานี กรุงเทพมหานคร มากกว่าสหรัฐอเมริกา 1.76 เท่า ในช่วงเวลาสะสม 0- 10% และมีค่ามากกว่า 1.80 เท่า ในช่วงเวลาสะสม 10- 20% ที่ความน่าจะเป็น 10% กรณีช่วงเวลา 6 ชั่วโมง เปอร์เซ็นต์ปริมาณฝน 5สถานี กรุงเทพมหานคร มากกว่า สหรัฐอเมริกา 1.78 เท่า ในช่วงเวลาสะสม 0- 10% และมีค่า 0.37 เท่า ในช่วงเวลาสะสม 10-20% ที่ ความน่าจะเป็น 10% จึงสามารถสรุปได้ว่า ในกรณีช่วงเวลา 1 ชั่วโมง ประเทศไทยมีปริมาณฝนสะสมมากกว่าฝนใน สหรัฐอเมริกาและเพิ่มขึ้นอย่างรวดเร็วในช่วงเวลา 0-10% และจบเร็วกว่าฝนในประเทศสหรัฐอเมริกา ที่ช่วงเวลา 50% ของช่วงเวลาทั้งหมด หรือ ภายใน 30 นาที จาก ช่วงเวลา 1 ชั่วโมง ส่วนที่ความน่าจะเป็น 50% ประเทศ ไทยมีปริมาณฝนสะสมมากกว่าและจบเร็วกว่าฝนใน ประเทศสหรัฐอเมริกาเพียงเล็กน้อยที่ช่วงเวลา 80% ของ ช่วงเวลาทั้งหมด หรือ ภายใน 48 นาทีจากช่วงเวลา 1 ชั่วโมง แต่กรณีช่วงเวลา 6 ชั่วโมง ที่ความน่าจะเป็น 10% ประเทศไทยมีปริมาณฝนสะสมมากกว่าฝนใน สหรัฐอเมริกาและเพิ่มขึ้นอย่างรวดเร็วในช่วงเวลา 0-10% แต่จบช้ากว่าฝนในประเทศสหรัฐอเมริกา ที่ช่วงเวลา 70% ของช่วงเวลาทั้งหมด หรือ ภายใน 4 ชั่วโมง 12 นาที จาก ช่วงเวลา 6 ชั่วโมง ส่วนที่ความน่าจะเป็น 50% ประเทศ ไทยมีปริมาณฝนสะสมมากกว่าและจบในช่วงเวลาเดียวกับ ฝนในประเทศสหรัฐอเมริกา 90% ของช่วงเวลาทั้งหมด หรือ ภายใน 5 ชั่วโมง 24 นาทีจากช่วงเวลา 6 ชั่วโมง แสดงให้เห็นว่าค่าสูงสุดของอุทกภัยใน กรุงเทพมหานครจะเกิดขึ้นมากกว่าที่ออกแบบไว้ตาม รูปแบบฝนของสหรัฐอเมริกาส่งผลให้ประเทศไทยควรมี การทบทวนการออกแบบระบบระบายน้ำใหม่ เพื่อที่จะ รองรับปริมาณน้ำฝนในปริมาณมากกว่าในช่วงเวลาสั้น ๆ เพื่อป้องกันไม่ให้เกิดปัญหาน้ำท่วมขังในพื้นที่เขตชุมชน เมือง ผลการคาดการณ์ความเข้มฝน (hyetograph) 1, 3 และ 6 ชั่วโมง (1st Quartile) จากการเปลี่ยนแปลง อุณหภูมิ∆T = 0 °C, 1 °C, 2 °C และ 3 °C จากตารางที่ 2 กรณีช่วงเวลา 1 ชั่วโมง จะเห็นว่าความเข้มฝน เพิ่มจาก 100.0 มม./ชม. เป็น 114.0, 130.0 และ 148.1 มม./ชม. เมื่ออุณหภูมิ เพิ่มขึ้นจาก 0 °C เป็น 1 °C, 2 °C และ 3 °C ตามลำดับ

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 43 กรณีช่วงเวลา 3 ชั่วโมง จะเห็นว่าความเข้มฝน เพิ่มจาก 43.0 มม./ชม. เป็น 49.0, 55.9 และ 63.7 มม./ชม. ช่วงเวลา 0-10 นาที เมื่ออุณหภูมิเพิ่มขึ้นจาก 0 °C เป็น 1 °C, 2 °C และ 3 °C ตามลำดับ กรณีช่วงเวลา 6 ชั่วโมง จะเห็นว่าความเข้มฝน เพิ่มจาก 26.0 มม./ชม. เป็น 29.6, 33.8 และ 38.5 มม./ชม. เมื่ออุณหภูมิเพิ่มขึ้น จาก 0 °C เป็น 1 °C, 2 °C และ 3 °C ตามลำดับ 6. กิตติกรรมประกาศ ขอบคุณสำนักการระบายน้ำกรุงเทพมหานคร ที่ อนุเคราะห์ข้อมูลในการศึกษา ขอขอบคุณศาสตราจารย์ ดร.ชวลิต ชาลีรักษ์ตระกูล อาจารย์ที่ปรึกษา ที่คอยให้ คำแนะนำแนวทางการวิจัย 7. เอกสารอ้างอิง [1] Huff, F. A. (1967). Time Distribution Rainfall in Heavy Storms. WaterResourceResearchVOL. 3, NO. 4, 1007-1019. [2] Geoffrey M. Bonnin, Deborah Martin, Bingzhang Lin, Tye Parzybok, Michael Yekta, David Riley (2006). NOAA Atlas 14 Precipitation-Frequency Atlas of the United States, Volume 3 Version 4 Puerto Rico and the U.S. Virgin Islands, U.S. Department of Commerce National Oceanic and Atmospheric Administration National Weather Service Silver Spring, Maryland [3] Geoffrey M. Bonnin, Deborah Martin, Bingzhang Lin, Tye Parzybok, Michael Yekta, David Riley (2006). NOAA Atlas 14 Precipitation-Frequency Atlas of the United States, Volume 2 Version 3.0, U.S. Department of Commerce National Oceanic and Atmospheric Administration National Weather Service Silver Spring, Maryland [4] Cuilin Pan, XianweiWang, Lin Liu, Huabing Huang, Dashan Wang. (2017). Improvement to the Huff Curve for Design Storms and Urban Flooding Simulations in Guangzhou, China. Water 2017, 9(6), 411. DOI: 10.3390/w9060411 [5] Huff, F. A. (1990). Time distributions of heavy rainstorms in Illinois. Illinois State Water Survey, Champaign, Circular 173, 1-18. [6] Rhys Hardwick Jones, Seth Westra, Ashish Sharma (2010). Observed relationships between extreme sub‐daily precipitation, surface temperature and relative humidity. Geophysical Research Letters, VOL.37, L22805, 1-5. DOI: 10.1029/2010GL045081 [7] นายพิสิษฐ บำเพ็ญกิจ และนางจิรา สุขกล่ำ (2544). ความสัมพันธ์ระหว่างความเข้มฝน-ช่วงเวลา ความถี่ ฝน และเปอร์เซ็นต์การแผ่กระจาย ของปริมาณฝน สูงสุดในช่วงเวลา 24 ชั่วโมง ภาคกลาง, ฝ่ายวิจัยและ อุทกวิทยาประยุกต์ สำนักอุทกวิทยาและบริหารน้ำ กรมชลประทาน, หน้า15.

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 44 L-moments based Goodness-of-fit Tests of Annual Maximum Discharge in the Upper Part of the Chao Phraya River Basin Chidsumon Sasirat1 , Anurak Sriariyawat1 , Teerawat Ramindra1 and Piyatida Ruangrassamee1* 1Department of Water Resources Engineering, Faculty of Engineering, Chulalongkorn University, Bangkok, 10330, Thailand *Corresponding author's e-mail: [email protected] ABSTRACT Hydrological frequency analysis of peak flow requires the selection of appropriate distributions. Several methods of goodness-of-fit testing have been applied. The chi-square test and the Kolmogorov–Smirnov test are often used for goodness-of-fit tests for hydrological analysis. L-moments based goodness-of-fit test and the skewness and kurtosis L-moment-ratio diagram have been applied for an advantage of not requiring parameter estimation for performing the goodness-of-fit test. In addition, the L-skewness and L-kurtosis are much less biased than the ordinary skewness and kurtosis. This study applies L- moment- ratio diagram to annual maximum discharge data of 17 streamflow stations from Royal Irrigation Department, which are P.1, P.17, P.21, P.5, W.16A, W.17, W.20, W.4A, Y.14A, Y.17, Y.20, Y.4, N.1, N.36, N.5A, N.67 and C.2 located in the upper part of the Chao Phraya River Basin. The streamflow stations were selected based on their available data of at least 26 years. The annual maximum discharge data were analyzed to identify the statistically accepted probability distribution using six distribution functions, including the Normal distribution, Log- normal distribution, Pearson type 3 distribution, Log-Pearson type 3 distribution, Gumbel distribution, and Log-Gumbel distribution with established acceptance region. The results demonstrate different statistically accepted probability distributions of the selected streamflow stations. The two best fitted distributions with 0.95 confidence level are Pearson Type 3 and LogPearson Type 3 distributions. The effects of sample size and the operation of 3 major dams, which are Bhumibol Dam, Sirikit Dam, and Kwai Noi Bumrung Dan Dam were investigated at C.2 station for flood frequency analysis. Hydrologically, the peak discharge of 2011 has shorter return period than the peak discharge in 2006, however, social and economic damage of flood in 2011 is much higher. Keywords: Annual maximum discharge, Flood frequency analysis, Goodness-of-fit test, Upper Chao Phraya River Basin, and L-moment-ratio-diagram 1. INTRODUCTION Assessing streamflow frequency is a crucial aspect in hydrological engineering design, planning, and management such as reservoir control, flood mitigation structure design, or water management projects. This importance arises from the inherent risks in engineering construction, with potential damage posing life- threatening risks to communities. [1-4] Central to this assessment is an understanding of the exceedance probability of peak discharge and the proper selection of probability distribution functions, as these factors affect risk and resilience of engineering projects. [ 5- 8] Annual maximum discharge data exhibit various distribution characteristics, aligning with different theoretical probability distribution functions. Therefore, it is imperative to ensure the compatibility between the chosen function and the dataset under examination, particularly within the specific study area. There are various methods for goodness- of- fit test, including well- known approaches such as the Chi- square test and the Kolmogorov–Smirnov test [1, 2, 8, 9]. However, this study explored more recent developed technique, that is the L-moments ratio diagram [10], which offers an advantage of not requiring the estimation of distribution parameters when conducting goodness- of- fit test [ 10- 14] . Furthermore, the L- skewness and L- kurtosis measures used in this approach tend to exhibit less bias compared to traditional skewness and kurtosis measures [15]. It's important to highlight that the Lmoment method is not subjective because it relies on sample statistics known as L-moments, which are population- based summary measures of the distribution calculated directly from the observed data [10]. The objective of this study is to apply the Lmoment- ratio diagram to annual maximum discharge data collected from 17 streamflow stations within the upper region of the Chao Phraya River Basin. These stations, designated as P.1, P.17, P.21, P. 5, W. 16A, W. 17, W. 20, W. 4A, Y. 14A, Y. 17, Y.20, Y.4, N.1, N.36, N.5A, N.67, and C.2. The annual maximum discharge data were analyzed, employing six distinct distribution functions, including the Normal distribution, Log- normal distribution, Pearson type 3 distribution, LogPearson type 3 distribution, Gumbel distribution, and Log- Gumbel distribution. The acceptance regions for each distribution were established based on previous studies [ 12, 13] , enabling the

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 45 identification of statistically appropriate probability distributions for each of the selected streamflow stations. The outcomes of this study will aid in selecting the appropriate probability distribution function for annual maximum discharge in the Upper Chao Phraya River Basin. Additionally, it involves an application of the L-moments ratio diagram method and an investigation into the effects of varying sample sizes and different periods influenced by dam operation on flood frequency analysis, with a particular focus on the C.2 station. 2. STUDY AREA The Upper Chao Phraya River Basin covers 4 river basins of Thailand which are Ping, Wang, Yom, and Nan River Basins as shown in Figure 1. Figure 1 The selected streamflow stations in the Upper Chao Phraya River Basin 2.1 Topography of Upper Chao Phraya River Basin The Upper Chao Phraya River Basin covers approximately 20% of Thailand’s area. This basin is formed by the Ping and Wang Rivers on the Western side and the Yom and Nan Rivers on the Eastern side. These four rivers merge into the Chao Phraya River, which then flows towards the Gulf of Thailand. Major dams in this basin include the Bhumibol Dam (BB) on the Ping River, the Sirikit Dam (SK), and the Kwai Noi Bumrung Dan Dam (KB) on the Nan River. Further details about the physical characteristics of each sub- basin are presented in Table 1 [16]. 2.2 Climate of Upper Chao Phraya River Basin Thailand, located in the tropical rainforest of the monsoon region, experiences both the influence of the southwest monsoon and the northeast monsoon. The southwest monsoon brings moisture air mass to Thailand from mid- May to October, while the northeast monsoon brings cold and dry air mass from mid- October to mid- February. This results in a hot and humid climate with heavy rainfall from May to October during the rainy season. Moreover, Thailand experiences an average of 3- 4 storms annually, with the northern and northeastern regions being the most frequently affected areas [17]. Table 1 Physical characteristics of the Upper Chao Phraya River Basin Basin Area (km2 ) River Length (km.) Topography Ping 34,472 778 The upper part is high and complex mountain ranges. The lower part is a plain area. Wang 10,789 488 The upper part is mountain ranges and forests. The lower part is a plain area. Yom 23,996 793 The upper part is a high mountain range. There is a narrow plain in the lower part. Nan 34,838 589 Plains on both sides of the river, large plains of Thailand. 3. DATA AND METHOD 3.1 Data Sets In this study, an analysis of annual maximum discharge using daily streamflow data provided by the Royal Irrigation Department (RID) was used for hypothesis testing within the framework of L- moment based goodness- of- fit tests. Figure 1 presents the location of the selected 17 streamflow stations covering the Upper Chao Phraya River Basin, including stations P. 1, P. 17, P. 21, P. 5, W. 16A, W. 17, W. 20, W. 4A, Y. 14A, Y.17, Y.20, Y.4, N.1, N.36, N.5A, N.67, and C.2. The dataset encompassed all available data from year 1956 to 2022, where the longest records was 102 years at station P.1, and the shortest records was 26 years at station N.67. 3.2 Probability Distribution Function A probability distribution function is a statistical tool used to express the distribution of data to represent the likelihood of random variable values occurring, particularly in assessing the frequency and magnitude of extreme events like floods. There are numerous types of probability distributions, each designed to address specific scenarios and types of data. For example, the Normal distribution is recognized for its bell-shaped curve, while the Log- normal distribution finds its application in positively skewed data. The Gumbel distribution is well-suited to the behavior of extreme events Additionally, the Pearson Type III distribution is chosen for its flexibility due to the utilization of 3 parameters, which are compatible with highly positive skewness data, while the logarithmic transformation of Pearson Type III exhibits less skewness and a shorter tail [ 15] .

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 46 Drawing from prior research, it is found that the appropriate probability distributions for annual maximum discharge data, especially in Thailand are the Log-normal, Pearson type III, Log-Pearson type III, and Gumbel distributions [1, 6, 8, 18-23]. The selection of the appropriate probability distribution function of annual maximum discharge can vary between different regions or even neighboring stations, depending on the specific characteristics of the dataset [24]. This highlights the necessity of conducting goodness-of-fit tests in frequency analysis, as neglecting them can potentially result in misleading conclusions. 3.3 L-moment Ratio Diagram Method The L- moments method shares a similar concept with the traditional moment method with a key distinction in the weighting scheme [25]. In the L-moments method, greater weight is assigned to the central part of the data distribution, as opposed to the tails that cause less sensitive to outliers. Moreover, the L- moments method considers 4 moments, representing location, scale, skewness, and kurtosis with the third and fourth moment considered as L- skewness and L- kurtosis which exhibit significantly lower bias compared to conventional skewness and kurtosis measurement [10, 11, 15]. The standout feature of the L-moment method is its utilization of the L-moment diagram, which can display the results of examining each distribution together in a single diagram without the necessity of estimating the parameters of probability distribution functions [26]. L-moment methods is defined as a probabilityweighted moment in the form of a linear combination of order statistics, where X is a random variable with a cumulative distribution function, F(X). The quantile function is denoted as x(u) where u = F(X). [10] Eq. (1) provides an equation for the estimation of probability-weighted moments. βr = ∫ x(u)u r du 1 0 (1) where βr is probability- weighted moments, x(u) is the quantile function, and u is the cumulative distribution function. The first four orders of L-moments ( λr , = 1, 2, 3, 4) as shown in Eq. (2-5) represent the mean or location, the variance or scale, the skewness, and the kurtosis. λ1= β0 = E(X1:1 ) (2) λ2= 2β1 - β0 = 1 2 E(X2:2 - X1:2 ) (3) λ3= 6β2 - 6β1 + β0 = 1 3 E(X3:3 - 2X2:3 + X1:3 ) (4) λ4=20β3 -30β2 +12β1 -β0 = 1 4 E(X4:4 -3X3:4 +3X2:4 -X1:4 )(5) where E(Xk:n ) is the expected value of random variable X order k which X1:n ≤ X2:n ≤ ... ≤ Xn:n The equation presented above represents an L- moment analysis of population, while the L-moment of sample is denoted as shown in Eq. (6). br = 1 n ∑ (j - 1)(j - 2)(j - 3)...(j - r) (n -1)(n - 2)(n - 3)...(n - r) xj:n n j=2 (6) where br is sample probability weighted moments order r which r =1, 2, 3, 4, n is sample size, and, xj:n is random variable order j=1, 2, 3, …, n The sample L- moment ( lr) and sample Lmoment ratios (tr) can be calculated as shown in Eq. (7-11) l1= b0 (7) l2= 2b1 - b0 (8) l3= 6b2 - 6b1 + b0 (9) l4= 20b3 - 30b2 + 12b1 - b0 (10) tr = lr l2 (11) 3.4 Methodology The research methodology employed for the Lmoment diagram test followed these 4 steps. ( 1) Data preparation: The data used in this analysis consists of raw daily streamflow data which was analyzed to obtain annual maximum discharge. The records were obtained from 17 runoff stations located range from the year 1956 to 2022. ( 2) L- moment analysis: The L- moments method was applied to the dataset, starting by calculating the sample probability weighted moments using the annual maximum discharge data to derive the first to fourth ordered moments, representing location, scale, skewness, and kurtosis, respectively. Then, the sample L- moments were determined to derive the L-moment ratios order 3 and 4 (t3, t4). (3) L-moment ratio diagram (LMRD): The Lmoment ratio diagram was constructed by calculating the L- moment ratio of the 6 chosen probability distributions, which are Normal distribution (N), Log-Normal (LN), Pearson type III ( P3) , Log- Pearson type III ( LP3) , Gumbel distribution (G), and Log-Gumbel (LG) distribution, based on the previous studies. The theoretical value for 2-parameter distributions, including N, LN, G, and LG distribution was plotted as a single point on LMRD, while the 3-parameter distribution which is P3 and LP3 distribution was plotted as a curve on LMRD [11, 27]. To evaluate the goodness of fit of the 6 probability distribution functions to our dataset, we conducted hypothesis testing with 0.95 confidence level, which affects the range of acceptance regions. The null hypothesis is that the annual maximum discharge data of a selected station fit with an assumed distribution. In a goodness-of-fit test, the acceptance region is the region of parameter space where the test statistic does not reject the null hypothesis Additionally, the size of random variables significantly influences the range of acceptance regions [12-14]. (4) Selection of statistically fitted distribution: Once the acceptance regions are established for each distribution, the final step in the L-moment diagram

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 47 methodology involves the selection of the statistically fitted distribution function. This decision is made by comparing the calculated Lmoment ratios (t3 and t4) of the observed data with the established acceptance regions for various probability distribution functions. In situations where the calculated L-moment ratios fit multiple distribution functions, the selection of the most acceptable distribution depends on both the proximity of these ratios to the theoretical values associated with each distribution ( closeness of fit) and the process of narrowing the acceptance region until the null hypothesis is rejected (statistical significance). Shorter distances to the theoretical values and the ability to maintain statistical significance indicate a closer alignment between the observed data and a specific distribution, reflecting how closely the observed data aligns with the expected characteristics of a particular distribution. 4. Results AND discussion 4.1 L-moment Ratio Diagram Test The results of L-moment diagram test for the 17 selected stations in the Upper Chao Phraya River Basin are presented in Figure 2 and summarized in Table 2, while Figure 3 illustrates the schematic diagram of the river network and the best- fit distribution of each streamflow station. The black asterisk ( * ) in Table 2 presents the probability distribution function that does not reject the null hypothesis tests at a 0. 95 confidence level, signifying an statistically acceptable distribution, while the letter “ B” represents the best- fit distribution function for that station. Based on the results, the majority of the streamflow stations fit best with LP3 distribution, followed by P3 distribution, LN, and G distributions, respectively. The result of this study is consistent with the recommended distribution from the previous studies. The acceptable distribution is applicable when null hypothesis tests are conducted at a 0.95 confidence level. To identify the best-fit distribution, one should lower the confidence level until the null hypothesis is rejected. Based on the result of identifying the bestfitted distribution, it was found that 9 stations (53% of all stations) are well-suited to the Pearson Type III distribution (P3), while 6 stations (35% of all stations) fit to the Log-Pearson Type III distribution (LP3). Station Y.17 is best fitted to the Log-Gumbel distribution (LG), and station N.36 is best fitted to the Log-Normal distribution (LN). 4. 2 Analysis of Fitted Distributions based on Geographical location The results of the hypothesis test presented in Table 2, show that P3, LP3, LN, and G can be applicable across all basins under a condition of 0.95 confidence level. Conversely, less commonly used probability distribution functions for annual maximum discharge in Thailand, such as the N and LG distributions showed a significant fit in spatial terms, the N distribution presented an acceptable fit to the streamflow stations in the Ping River Basin, while the LG distribution demonstrated a good fit with the streamflow stations in the Wang and Yom River Basins. Considering geographical location, the mountainous part of the Upper Ping River Basin demonstrates best-fitted with the LP3 distribution. The streamflow stations in the Wang River Basin fit well with the P3 distribution in the upper part, while those in the mid to lower part fit with the LP3 distributions. The streamflow stations in the upper Yom River Basin agree with the LP3 distribution, whereas those in the mid to lower Yom River Basin with its plain area align with the P3 distribution, and the joint area between Yom and Nan rivers showed the agreement with the LG distributions. Nan River Basin was a good fit for the P3 distribution, which suite the LN distribution in mountainous areas. The streamflow stations in the plain area in the lower part of the Chao Phraya River Basin align with the P3 distribution. Table 2 The statistically accepted distributions based on the hypothesis tests of probability distribution function at 0. 95 confidence level, where “*” denotes not rejecting of the null hypothesis tests and “B” denotes the best-fit case. Station Not rejecting null hypothesis tests at a 0.95 confidence level Sample size P3 LP3 N LN G LG W.16A B * * * 28 W.17 B * * 43 W.20 B * 30 W.4A * B * * * 51 P.21 * B * * 69 P.1 * B * 102 P.5 * B * * * 69 P.17 B * * 68 Y.20 * B * * 51 Y.14A B * * * * 34 Y.4 B * * * * * 50 Y.17 * B 47 N.1 B * * * 101 N.36 * * B * 54 N.5A B * * * 57 N.67 B * 26 C.2 B * * * 67 Wang Basin 3 4 - 2 2 3 Ping Basin 4 4 3 2 2 - Yom Basin 3 4 1 3 3 3 Nan Basin 4 3 1 3 3 - Acceptable 15 16 5 11 11 6 Best-fit 9 6 0 1 0 1

การประชุมวิชาการวิศวกรรมแหล่งน้ำแห่งชาติครั้งที่ 9 เสริมสร้างการบริหารจัดการทรัพยากรน้ำด้วยเทคโนโลยีเกิดใหม่ และสังคมดิจิทัลเพื่อพัฒนาอย่างมีส่วนร่วม 14-15 ธันวาคม 2566 โรงแรม ดิ เอมเมอรัลด์ กรุงเทพฯ 48 Figure 2 L-moments ratio diagrams of annual maximum discharge of 17 streamflow stations.