แหล่งข้อมูลและวิธีการวิเคราะห์

Flood Intelligence คืออะไร

Flood Intelligence เป็นระบบที่รวบรวมข้อมูลสถานการณ์น้ำจากแหล่งข้อมูลต้นทาง แล้วนำมาประมวลผล วิเคราะห์แนวโน้ม ประเมินระดับความเสี่ยง และแสดงผลบนเว็บ เพื่อช่วยให้ติดตามสถานการณ์น้ำได้ง่ายขึ้น

ระบบไม่ได้สร้างค่าระดับน้ำหรือปริมาณฝนขึ้นเอง ค่าที่แสดงมาจากข้อมูลที่หน่วยงานส่งเข้าสู่แหล่งต้นทาง และจากการคำนวณตามสูตรที่กำหนดไว้บนเซิร์ฟเวอร์

เวอร์ชันที่ใช้งานสาธารณะขณะนี้ (V1) ครอบคลุมเครือข่ายเฝ้าระวังแม่น้ำเจ้าพระยา 5 จุดสถานี ไม่ใช่ระบบครอบคลุมทั้งประเทศ

แหล่งข้อมูล

V1 ดึงข้อมูลผ่าน ThaiWater API สาธารณะ

https://api-v3.thaiwater.net/

• ระดับน้ำ: waterlevel
• ฝนสะสม 24 ชม.: rain_24h

ข้อมูลระดับน้ำที่ใช้จริง

• waterlevel_msl — ระดับน้ำปัจจุบัน
• waterlevel_msl_previous — ค่าระดับน้ำก่อนหน้าจาก payload เดียวกัน
• discharge — อัตราการไหล เมื่อมีใน payload (บางสถานีไม่มี)
• waterlevel_datetime — เวลาที่สถานีรายงาน
• เมทาดาทาสถานี: รหัส ชื่อ พิกัด
• ตำแหน่งตาม geocode: จังหวัด / อำเภอ / ตำบล
• situation_level — ระดับสถานการณ์จากต้นทาง
• ระดับตลิ่ง: min_bank หรือ left_bank / right_bank

ชื่อลุ่มน้ำและแม่น้ำมีใน payload ของ ThaiWater แต่ V1 จับคู่สถานีผ่าน Basin Profile ของเจ้าพระยาที่กำหนดไว้ล่วงหน้า ไม่ได้อ่านรายชื่อลุ่มน้ำทั้งประเทศมาแสดงบนแผนที่

ข้อมูลฝนที่ใช้จริง

• rain_24h — ฝนสะสม 24 ชั่วโมง
• rainfall_datetime — เวลาของจุดฝน
• พิกัดจุดตรวจวัดฝน

ยังไม่มีฝนพยากรณ์ (forecast rainfall) ใน V1

หน่วยงานที่ปรากฏในระบบ

• ThaiWater / สสน. — ช่องทาง API ที่ระบบเรียกใช้
• กรมชลประทาน — เมื่อฟิลด์ agency ในข้อมูลสถานีระบุชื่อที่มีคำว่า “ชลประทาน” ระบบจะบันทึกแหล่งนี้
• กรมทรัพยากรน้ำ — ระบุในรายการแหล่งข้อมูลของแอปว่าเป็นแหล่งฝนสะสม 24 ชม. ที่ผ่าน ThaiWater (ระบบไม่ได้ดึง API แยกจากกรมโดยตรง)

ระบบนำข้อมูลมาประมวลผลอย่างไร

ลำดับงานบนเซิร์ฟเวอร์ตาม implementation ปัจจุบัน:

1. แหล่งข้อมูลThaiWater waterlevel / rain_24h
2. ตรวจสอบและอ่านสถานีจับคู่รหัสสถานีกับ Network
3. Basin / Networkเจ้าพระยา 5 จุด
4. เก็บ Snapshotobservations / history
5. วิเคราะห์แนวโน้มระดับน้ำปัจจุบันเทียบค่าก่อนหน้า
6. ปัจจัยประกอบflow · ฝน · upstream
7. Forecast+6 / +12 / +24 ชม.
8. Riskเทียบตลิ่งและ situation
9. แสดงผลแผนที่และแดชบอร์ด

การคำนวณทั้งหมดทำบนเซิร์ฟเวอร์ เบราว์เซอร์แสดงผลจากข้อมูลที่ส่งมาเท่านั้น

ระดับน้ำและแนวโน้ม

ระบบไม่ได้ดูเฉพาะค่าระดับน้ำล่าสุด แต่ใช้ waterlevel_msl เทียบกับ waterlevel_msl_previous จากแหล่งต้นทาง

• ถ้าต่างกันมากกว่า 0.02 ม. → แสดงแนวโน้ม เพิ่มขึ้น หรือ ลดลง
• ถ้าน้อยกว่าหรือเท่ากับ 0.02 ม. → แนวโน้มคงที่
• ถ้าไม่มีค่าใดค่าหนึ่ง → แสดงว่าไม่ทราบแนวโน้ม

ในการคาดการณ์ ผลต่างระดับน้ำนี้ถูกนำไปขยายตามช่วงเวลาพยากรณ์ และลดน้ำหนักเมื่อขอบฟ้ายาวขึ้น (ใช้ฟังก์ชันลดทอนตามชั่วโมง) ตามน้ำหนักโมเดลส่วน “แนวโน้ม”

สถานีต้นน้ำ

V1 จัดสถานีเป็นลำดับเส้นเดียวบนแม่น้ำเจ้าพระยา:

1. C.2 นครสวรรค์ (ต้นน้ำของเครือข่ายนี้)
2. C.13 ชัยนาท
3. CPY011 อยุธยา (flow อ้างอิง C.35 เมื่อมี)
4. CPY014 ปากเกร็ด
5. CPY015 กรุงเทพฯ

สถานีก่อนหน้าในลำดับถือเป็นต้นน้ำของสถานีถัดไป และมี เวลาเดินทางคงที่ (fixed travel time) ที่กำหนดใน Basin Profile เช่น ช่วงชัยนาท→อยุธยาประมาณ 28 ชม.

ยังไม่ใช่ hydrological routing เต็มรูปแบบ ไม่ได้จำลองมวลน้ำตามภูมิประเทศหรือแยกเส้นทางน้ำจริง เป็น heuristic ตามลำดับสถานีและเวลาเดินทางที่ตั้งไว้

Flow (อัตราการไหล)

ระบบอ่านค่า discharge จาก ThaiWater เมื่อมีในข้อมูลสถานี

• บางสถานีมีค่า flow — ใช้เทียบกับค่า typical ของสถานีในโปรไฟล์ เพื่อเป็นแรงดันในสูตรคาดการณ์
• บางสถานีไม่มีค่า flow (เช่น ปากเกร็ด / กรุงเทพฯ ในหลายรอบข้อมูล)

ถ้าไม่มีข้อมูล ระบบไม่สร้างค่า Flow ขึ้นเอง และแสดงเป็นไม่มีข้อมูลตามต้นทาง

ฝน

ปัจจุบันใช้เฉพาะฝนสะสม 24 ชั่วโมงจาก rain_24h

• หาจุดฝนใกล้สถานีน้ำที่สุด ภายในรัศมีสูงสุด 35 กม. ตามค่าใน Basin Profile
• ถ้าไม่มีจุดใกล้พอ ใช้ค่าเฉลี่ยฝนในกรอบพิกัดของลุ่มเจ้าพระยาที่กำหนดไว้ เป็นค่าสำรองระดับลุ่ม

ไม่มีฝนพยากรณ์ใน V1 — งานขยายทั้งประเทศและชุดข้อมูลประวัติศาสตร์อยู่ใน Phase ถัดไป

Forecast (+6 / +12 / +24 ชม.)

การคาดการณ์ระดับน้ำเป็น แบบจำลองเชิงน้ำหนักบนเซิร์ฟเวอร์ ไม่ใช่โมเดลเรียนรู้เชิงลึก และไม่ใช่ระบบ AI ในความหมายของ machine learning ที่ฝึกจากข้อมูลขนาดใหญ่

องค์ประกอบที่ใช้จริงในโค้ด:

• ระดับน้ำปัจจุบัน
• แนวโน้มจากค่าระดับน้ำก่อนหน้า
• การเปลี่ยนแปลงและ flow ของสถานีต้นน้ำ × สัดส่วนเวลาเดินทาง
• ฝนสะสม 24 ชม. ที่จับคู่ได้
• flow ของสถานีเองเทียบ typical (เมื่อมี)
• น้ำหนักโมเดล (flow / rain / upstream / trend)
• bias ต่อสถานี (ค่าเริ่มต้นเป็น 0)

ผลรวมขององค์ประกอบข้างต้นถูกนำไปบวกกับระดับน้ำปัจจุบัน แล้วจำกัดไม่ให้ผลลัพธ์ห่างจากระดับปัจจุบันและตลิ่งเกินขอบเขตที่กำหนดในโค้ด

Forecast ถูกสร้างจากข้อมูลที่มี ณ เวลา T และระบบบันทึก input_snapshot ไว้ใน predictions เพื่อให้ตรวจสอบย้อนหลังได้ว่าตอนทายระบบเห็นค่าอะไร

ช่วง +3 ชม. / 2 วัน / 3 วัน / 7 วัน ถูกปิดในหน้าจอเพราะยังไม่พร้อมตามการตั้งค่าปัจจุบัน ส่วน +6 / +12 / +24 ชม. เปิดใช้งาน

การตรวจสอบ Forecast

ระบบเก็บบันทึกพยากรณ์ใน predictions.json และเมื่อถึงเวลาเป้าจะเทียบกับระดับน้ำจริงใน comparisons.json

• คำนวณผลต่าง actual − forecast และค่าสัมบูรณ์ของผลต่าง
• หน้า Expert / ส่วนโมเดลแสดง MAE จากคู่เทียบที่มี — เป็นสถิติของชุดข้อมูลที่สะสมได้ ไม่ใช่การรับประกันความแม่นยำทั้งหมดของระบบ

ผลการทดสอบภายในของ V1 พบว่าความคลาดเคลื่อนแตกต่างกันตามสถานี ต้นน้ำ–อยุธยาค่อนข้างใกล้ค่าจริงมากกว่า ในขณะที่ปลายน้ำโดยเฉพาะกรุงเทพฯ มีข้อจำกัดจากอิทธิพลน้ำขึ้นลงที่โมเดลปัจจุบันยังจับได้ไม่ดี

หน้านี้ไม่ได้นำตัวเลข MAE มาเป็นสโลแกนความแม่นยำของระบบทั้งหมด

ความสดของข้อมูล

แต่ละสถานีอาจอัปเดตไม่พร้อมกัน ระบบแสดงเวลาจาก waterlevel_datetime ของสถานี (เช่น “ข้อมูลสถานีล่าสุด …”)

ข้อความ Updated HH:MM บนแถบด้านบนหมายถึงเวลาที่หน้าเว็บสร้าง/รีเฟรชสถานะ ไม่ใช่เวลาที่สถานีวัดน้ำ

หากข้อมูลสถานีเก่าเกินเกณฑ์ที่ตั้งไว้ ระบบจะสลับสถานะเป็น DELAYED

การใช้ข้อมูลอย่างรับผิดชอบ

Flood Intelligence เป็นระบบช่วยติดตามและประเมินสถานการณ์จากข้อมูลและแบบจำลองที่มีอยู่ ไม่ใช่หน่วยงานประกาศเตือนภัยอย่างเป็นทางการ

เมื่อเกิดเหตุฉุกเฉิน ให้ตรวจสอบประกาศจากหน่วยงานราชการและหน่วยงานท้องถิ่นร่วมด้วยเสมอ

ผลลัพธ์อาจคลาดเคลื่อน และไม่ควรใช้แทนประกาศเตือนภัยจากหน่วยงานรัฐ

กลับสู่แผนที่ความเสี่ยง