បញ្ហា (The Problem)៖ ការសិក្សានេះផ្តោតលើការដោះស្រាយបញ្ហានៃការទស្សន៍ទាយទឹកជំនន់រហ័ស (Flash Flood Nowcasting) ដោយប្រើប្រាស់ទិន្នន័យសេនស័រក្នុងចន្លោះពេលខ្លីដើម្បីផ្តល់ការព្រមានបានទាន់ពេលវេលា និងជួយសង្គ្រោះអាយុជីវិតមនុស្ស។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ទិន្នន័យសេនស័រពីទីភ្នាក់ងារបរិស្ថានចក្រភពអង់គ្លេស រួមផ្សំជាមួយនឹងបច្ចេកវិទ្យា Cloud Computing និង Machine Learning ដើម្បីបង្កើត និងវាយតម្លៃម៉ូដែលទស្សន៍ទាយ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| XGBoost (Extreme Gradient Boosting) ក្បួនដោះស្រាយ XGBoost |
មានភាពត្រឹមត្រូវខ្ពស់ក្នុងការទស្សន៍ទាយកម្រិតទឹក (Precision និង Sensitivity ខ្ពស់បំផុត) ទាំងសម្រាប់ទិន្នន័យចន្លោះពេល១៥នាទី និង១ម៉ោង។ វាមានសមត្ថភាពខ្ពស់ក្នុងការកាត់បន្ថយកំហុស និងមិនសូវមានការរោទិ៍ខុស (False alarms)។ | មាននិន្នាការក្នុងការទស្សន៍ទាយតម្លៃទាបជាងការពិតបន្តិចបន្តួច (Underestimates) យោងតាមកត្តា Accuracy ហើយទាមទារការស្វែងយល់ស៊ីជម្រៅក្នុងការកំណត់ទម្រង់ប៉ារ៉ាម៉ែត្រ (Hyperparameter tuning)។ | ទទួលបានអត្រា Precision ៩៩.០៣% សម្រាប់ទិន្នន័យ១៥នាទី និង ៩៣.១០% សម្រាប់ទិន្នន័យ១ម៉ោង និងមានសមត្ថភាពចាប់សញ្ញាព្រមានបាន ១០២ ក្នុងចំណោម ១០៣ ករណី។ |
| Random Forest ក្បួនដោះស្រាយ Random Forest |
ងាយស្រួលក្នុងការអនុវត្ត និងទទួលបានពិន្ទុ R-Square ខ្ពស់គួរឱ្យកត់សម្គាល់ ដែលស័ក្តិសមក្នុងការស្វែងរកទំនាក់ទំនងរវាងអថេរផ្សេងៗក្នុងទិន្នន័យ។ | មានកំហុសក្នុងការទស្សន៍ទាយច្រើនជាងដោយមាននិន្នាការទាយតម្លៃខ្ពស់ជាងការពិត (Overestimates) ព្រមទាំងខកខានក្នុងការព្រមានទឹកជំនន់មួយចំនួនធំ (Missed warnings)។ | ទទួលបានអត្រា Precision ត្រឹមតែ ៩១.២៦% (១៥នាទី) និង ៧២.៤១% (១ម៉ោង) ហើយខកខានការព្រមានចំនួន ៩ ដង ក្នុងចំណោម ១០៣ ករណី។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះពឹងផ្អែកយ៉ាងខ្លាំងលើហេដ្ឋារចនាសម្ព័ន្ធ Cloud សម្រាប់ការផ្ទុក និងកែច្នៃទិន្នន័យ ខណៈពេលដែលទាមទារធនធានកុំព្យូទ័រ (Compute Power) ល្មមសម្រាប់ការហ្វឹកហាត់ម៉ូដែល។
ការសិក្សានេះប្រមូលទិន្នន័យពីទន្លេ Mersey ក្នុងទីក្រុង Liverpool ចក្រភពអង់គ្លេស ដែលមានលក្ខណៈភូមិសាស្ត្រ និងអាកាសធាតុខុសស្រឡះពីប្រទេសកម្ពុជា។ ម្យ៉ាងវិញទៀត ទិន្នន័យពិតប្រាកដមានត្រឹមតែ ១ ខែប៉ុណ្ណោះ ដែលនាំឱ្យការប្រើប្រាស់បច្ចេកវិទ្យា GAN ដើម្បីបង្កើតទិន្នន័យក្លែងក្លាយបន្ថែមអាចនឹងមិនឆ្លុះបញ្ចាំងពីភាពស្មុគស្មាញនៃប្រព័ន្ធទឹកភ្លៀងរដូវវស្សានៅអាស៊ីអាគ្នេយ៍ឡើយ។
ថ្វីត្បិតតែលក្ខខណ្ឌភូមិសាស្ត្រខុសគ្នា ប៉ុន្តែវិធីសាស្ត្រប្រើប្រាស់ម៉ូដែលស្វែងរកម៉ាស៊ីន (Machine Learning) នេះមានសក្តានុពលខ្ពស់ណាស់ក្នុងការដោះស្រាយបញ្ហាទឹកជំនន់រហ័សនៅកម្ពុជា។
ជារួម បច្ចេកទេស Nowcasting (ទស្សន៍ទាយមុន២៤ម៉ោង) ដោយប្រើប្រាស់ Machine Learning នេះអាចជួយសង្គ្រោះអាយុជីវិត និងទ្រព្យសម្បត្តិប្រជាជនកម្ពុជាបានយ៉ាងច្រើន ប្រសិនបើមានការវិនិយោគលើប្រព័ន្ធសេនស័រ IoT អោយបានទូលំទូលាយ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Nowcasting | គឺជាការព្យាករណ៍អាកាសធាតុនិងគ្រោះមហន្តរាយ (ដូចជាទឹកជំនន់រហ័ស) ក្នុងរយៈពេលខ្លីបំផុត ពោលគឺចាប់ពីប៉ុន្មាននាទី រហូតដល់ ២៤ ម៉ោងខាងមុខ ដោយពឹងផ្អែកលើទិន្នន័យជាក់ស្តែងពេលបច្ចុប្បន្ន (Real-time data) ជាជាងការព្យាករណ៍សម្រាប់ច្រើនថ្ងៃទៅមុខ (Forecasting)។ | ដូចជាការមើលឃើញពពកខ្មៅងងឹតមកដល់ ហើយយើងទាយដឹងភ្លាមៗថាភ្លៀងនឹងធ្លាក់ក្នុងរយៈពេល ១០ នាទីទៀត មិនមែនទាយសម្រាប់សប្តាហ៍ក្រោយនោះទេ។ |
| Generative Adversarial Network (GAN) | គឺជាបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត (AI) ដែលត្រូវបានប្រើប្រាស់នៅក្នុងការស្រាវជ្រាវនេះដើម្បីបង្កើតទិន្នន័យក្លែងក្លាយ (Synthetic Data) បន្ថែមដែលមានលក្ខណៈនិងទម្រង់ការបែកចែកស្រដៀងទៅនឹងទិន្នន័យពិតប្រាកដ ដើម្បីជួយបង្រៀនម៉ូដែលឱ្យកាន់តែឆ្លាតវៃ នៅពេលដែលចំនួនទិន្នន័យពិតមានតិចតួចពេក។ | ដូចជាវិចិត្រករម្នាក់រៀនគូររូបថតចម្លងឱ្យដូចបេះបិទទៅនឹងរូបពិត រហូតដល់អ្នកមើលមិនអាចបែងចែកដឹងថាមួយណាជារូបពិត និងមួយណាជារូបគូរ។ |
| XGBoost | គឺជាក្បួនដោះស្រាយម៉ាស៊ីនរៀន (Machine Learning algorithm) ដ៏មានអានុភាពខ្ពស់ ដែលដំណើរការដោយការបង្កើតដើមឈើសម្រេចចិត្ត (Decision Trees) ជាច្រើនបន្តបន្ទាប់គ្នា។ ដើមឈើនីមួយៗព្យាយាមកែតម្រូវកំហុសរបស់ដើមឈើមុនៗ ដែលធ្វើឱ្យវាមានភាពត្រឹមត្រូវ កាត់បន្ថយសំលេងរំខានក្នុងទិន្នន័យ (Noise) និងលឿនក្នុងការទស្សន៍ទាយ។ | ដូចជាការសួរសិស្សពូកែៗមួយក្រុមឱ្យធ្វើលំហាត់រួមគ្នា ដោយសិស្សម្នាក់ៗជួយកែចំណុចខុសរបស់សិស្សមុន រហូតទទួលបានចម្លើយដ៏ត្រឹមត្រូវបំផុតមួយ។ |
| Hyperparameter tuning | គឺជាដំណើរការនៃការកែតម្រូវ និងស្វែងរកការកំណត់រចនាសម្ព័ន្ធ (Configuration values) ដ៏ប្រសើរបំផុតរបស់ម៉ូដែល Machine Learning មុនពេលចាប់ផ្តើមហ្វឹកហាត់វា ដើម្បីបង្កើនសមត្ថភាពទស្សន៍ទាយ និងការពារកុំឱ្យម៉ូដែលរៀនទន្ទេញទិន្នន័យខុសទម្រង់ធម្មជាតិ (Overfitting)។ | ដូចជាការរុញប៊ូតុងសារ៉េសំឡេង (Bass, Treble) នៅលើធុងបាសចុះឡើង រហូតទាល់តែយើងលឺសម្លេងតន្ត្រីពិរោះ និងច្បាស់ល្អបំផុត។ |
| PASS Evaluation | គឺជាបណ្តុំនៃរង្វាស់រង្វាល់បច្ចេកទេស (Precision, Accuracy, Sensitivity, Specificity) ដែលប្រើសម្រាប់វាយតម្លៃគុណភាពពិតប្រាកដនៃការទស្សន៍ទាយ។ វាមិនត្រឹមតែប្រាប់ថាទាយត្រូវប៉ុន្មានភាគរយទេ តែវាប្រាប់លម្អិតថាតើកុំព្យូទ័រមានការរោទិ៍សញ្ញាព្រមានខុស (False alarms) ប៉ុន្មានដង ឬខកខានមិនបានព្រមានពេលមានគ្រោះថ្នាក់ពិតប្រាកដប៉ុន្មានដង។ | ដូចជាការដាក់ពិន្ទុអ្នកយាមទ្វារ ដែលមិនត្រឹមតែសរសើរពេលគាត់ចាប់ចោរបាននោះទេ តែត្រូវកាត់ពិន្ទុពេលគាត់ច្រឡំវាយសមាជិកគ្រួសារថាជាចោរផងដែរ។ |
| Random Forest | គឺជាក្បួនដោះស្រាយម៉ាស៊ីនរៀន ដែលបង្កើតដើមឈើសម្រេចចិត្ត (Decision Trees) ជាច្រើនដោយចៃដន្យ និងឯករាជ្យពីគ្នា រួចយកលទ្ធផលរបស់ពួកវាទាំងអស់មកបូកបញ្ចូលគ្នា (ជាមធ្យមភាគ ឬតាមសំឡេងឆ្នោតច្រើនជាងគេ) ដើម្បីធ្វើការទស្សន៍ទាយលទ្ធផលរួមមួយដែលមានលំនឹងល្អ។ | ដូចជាការសួរមតិពីមនុស្ស ១០០ នាក់ផ្សេងៗគ្នាដើម្បីសម្រេចចិត្តលើរឿងមួយ ជាជាងការជឿលើការសម្រេចចិត្តរបស់មនុស្សតែម្នាក់។ |
| Data assimilation | គឺជាបច្ចេកទេសនៃការបញ្ចូលទិន្នន័យអង្កេតជាក់ស្តែងថ្មីៗ ទៅក្នុងម៉ូដែលព្យាករណ៍គណិតវិទ្យាដែលកំពុងដំណើរការជាបន្តបន្ទាប់ ដើម្បីកែតម្រូវគន្លងទស្សន៍ទាយ និងធ្វើឱ្យលទ្ធផលលើកក្រោយៗកាន់តែមានភាពសុក្រឹត ឆ្លើយតបទៅនឹងការប្រែប្រួលភ្លាមៗ។ | ដូចជាការបើកបរតាមកម្មវិធី Google Maps ដែលប្រព័ន្ធតែងតែធ្វើបច្ចុប្បន្នភាពណែនាំផ្លូវវាងថ្មីៗភ្លាមៗ នៅពេលវាដឹងថាផ្លូវខាងមុខកំពុងមានការកកស្ទះខ្លាំង។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
