Forecasting Hydrological Inflows of Xayaburi Dam Lao People's Democratic Republic Using Deep Learning Techniques

Abstract

This study aimed to develop a forecasting model for hydrological inflow to the Xayaburi Dam in the Lao People’s Democratic Republic by comparing three algorithms: (1) Recurrent Neural Network (RNN), (2) Long Short-Term Memory (LSTM), and (3) Gated Recurrent Unit (GRU). Daily inflow data from the Xayaburi Dam covering the period from 1 January 2020 to 31 December 2024 were utilized, comprising a total of 1,827 records. The dataset was divided into two subsets: a training set from 1January 2020 to 31 December 2023 and a testing set from 1 January 2024 to 31 December 2024. Model performance was evaluated using five statistical metrics: Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Deviation (MAD), and Mean Absolute Percentage Error (MAPE). The results indicated that the Long Short-Term Memory (LSTM) algorithm achieved the highest forecasting accuracy, with an MSE of 0.3448, an RMSE of 0.5872, an MAE of 0.1981, a MAD of 0.0608, and a MAPE of 4.3236. Subsequently, the best-performing model was employed to forecast hydrological inflow to the Xayaburi Dam for the subsequent 365 days. The forecasting results were visualized using Tableau.

งานวิจัยนี้มีวัตถุประสงค์ เพื่อสร้างแบบจำลองการพยากรณ์ปริมาณน้ำไหลเข้าเขื่อนไซยะบุรี สาธารณรัฐประชาธิปไตยประชาชนลาว โดยเปรียบเทียบอัลกอริทึม 3 อัลกอริทึม ได้แก่ 1) อัลกอริทึมโครงข่ายประสาทเทียมแบบวนกลับ 2) อัลกอริทึมหน่วยความจำระยะสั้นแบบยาว และ 3) อัลกอริทึมหน่วยเวียนกลับแบบมีประตู โดยใช้ข้อมูลปริมาณน้ำไหลเข้าของเขื่อนไซยะบุรี สาธารณรัฐประชาธิปไตยประชาชนลาว ตั้งแต่วันที่ 1 มกราคม 2563 ถึงวันที่ 31 ธันวาคม 2567 มีระยะเวลาข้อมูลเป็นรายวัน จำนวน 1,827 ระเบียน แบ่งข้อมูลเป็น 2 ชุด ได้แก่ ชุดข้อมูลสำหรับการเรียนรู้ ตั้งแต่วันที่ 1 มกราคม 2563 ถึงวันที่ 31 ธันวาคม 2566 และชุดข้อมูลสำหรับการทดสอบ ตั้งแต่วันที่ 1 มกราคม 2567 ถึงวันที่ 31 ธันวาคม 2567 ประเมินค่าประสิทธิภาพของอัลกอริทึม โดยพิจารณาจากค่าเฉลี่ยกำลังสองของความคลาดเคลื่อน ค่ารากที่สองของค่าเฉลี่ยกำลังสองของความคลาดเคลื่อน ค่าเฉลี่ยของความคลาดเคลื่อนสัมบูรณ์ ค่าเฉลี่ยของความเบี่ยงเบนสัมบูรณ์ และร้อยละค่าเฉลี่ยของความคลาดเคลื่อนสัมบูรณ์ ผลการวิจัย พบว่า อัลกอริทึมหน่วยความจำระยะสั้นแบบยาว ให้ประสิทธิภาพในการพยากรณ์แม่นยำที่สุด โดยมีค่าเฉลี่ยกำลังสองของความคลาดเคลื่อนเท่ากับ 0.3448 ค่ารากที่สองของค่าเฉลี่ยกำลังสองของความคลาดเคลื่อนเท่ากับ 0.5872 ค่าเฉลี่ยของความคลาดเคลื่อนสัมบูรณ์เท่ากับ 0.1981 ค่าเฉลี่ยของความเบี่ยงเบนสัมบูรณ์เท่ากับ 0.0608 และร้อยละค่าเฉลี่ยของความคลาดเคลื่อนสัมบูรณ์เท่ากับ 4.3236 จากนั้น นำแบบจำลองที่ดีที่สุดพยากรณ์ปริมาณน้ำไหลเข้าเขื่อนไซยะบุรี สาธารณรัฐประชาธิปไตยประชาชนลาว ในอีก 365 วันข้างหน้า และแสดงผลการพยากรณ์ด้วยโปรแกรม Tableau