In this work, 4 models for predicti

In this work, 4 models for predicting rainfall amounts are investigated and compared using Northern Thailand's seasonal rainfall data for 1973–2008. Two models, global temperature, forest area and seasonal rainfall (TFR) and modified TFR based on a system of differential equations, give the relationships between global temperature, Northern Thailand's forest cover and seasonal rainfalls in the region. The other two models studied are time series and Autoregressive Moving Average (ARMA) models. All models are validated using the k-fold cross validation method with the resulting errors being 0.971233, 0.740891, 2.376415 and 2.430891 for time series, ARMA, TFR and modified TFR models, respectively. Under Business as Usual (BaU) scenario, seasonal rainfalls in Northern Thailand are projected through the year 2020 using all 4 models. TFR and modified TFR models are also used to further analyze how global temperature rise and government reforestation policy affect seasonal rainfalls in the region. Rainfall projections obtained via the two models are also compared with those from the International Panel on Climate Change (IPCC) under IS92a scenario. Results obtained through a mathematical model for global temperature, forest area and seasonal rainfall show that the higher the forest cover, the less fluctuation there is between rainy-season and summer rainfalls. Moreover, growth in forest cover also correlates with an increase in summer rainfalls. An investigation into the relationship between main crop productions and rainfalls in dry and rainy seasons indicates that if the rainy-season rainfall is high, that year's main-crop rice production will decrease but the second-crop rice, maize, sugarcane and soybean productions will increase in the following year.

Results (Thai) 1:

ในงานนี้ 4 รุ่นสำหรับการทำนายปริมาณน้ำฝนมีการตรวจสอบ และเปรียบเทียบโดยใช้ข้อมูลภาคเหนือฝนตกตามฤดูกาล 1973 – 2551 สองรุ่น อุณหภูมิโลก ป่าพื้นที่และปริมาณน้ำฝนตามฤดูกาล (TFR) และแก้ไขตามระบบของสมการเชิงอนุพันธ์ TFR ให้ความสัมพันธ์ระหว่างอุณหภูมิโลก ภาคป่า และฝนตามฤดูกาลในภูมิภาคนี้ อื่น ๆ สองรุ่นศึกษาอนุกรมเวลาและรุ่น Autoregressive ย้ายเฉลี่ยสถานได้ ทุกรุ่นจะถูกตรวจสอบโดยใช้ k-พับข้ามวิธีการตรวจสอบกับข้อผิดพลาดที่เป็นผลลัพธ์ที่เป็น 0.971233, 0.740891, 2.376415 และ 2.430891 สำหรับอนุกรมเวลา ARMA, TFR และแก้ไข รุ่น TFR ตามลำดับ ภายใต้สถานการณ์ปกติ (BaU) ธุรกิจ ฝนตามฤดูกาลในภาคเหนือมีการคาดการณ์ถึงปี 2563 โดยใช้ทั้งหมด 4 รุ่น TFR และแก้ไขรุ่น TFR ยังใช้เพื่อวิเคราะห์วิธีอุณหภูมิเพิ่มขึ้นและรัฐบาลปลูกนโยบายส่งผลกระทบต่อฤดูฝนในภูมิภาคเพิ่มเติม จะยังเทียบกับจากแผงนานาชาติบนการเปลี่ยนแปลงสภาพภูมิอากาศ (IPCC) คาดการณ์ปริมาณน้ำฝนได้ผ่านสองรุ่นภายใต้สถานการณ์ IS92a ผลลัพธ์ได้ผ่านแบบจำลองทางคณิตศาสตร์สำหรับอุณหภูมิโลก ป่า และฝนตกตามฤดูกาลแสดงว่า สูงกว่าป่า การลดความผันผวนมีอยู่ระหว่าง ฤดูฝน และฤดูฝน นอกจากนี้ การเติบโตในป่ายังคู่กับการเพิ่มขึ้นในฤดูร้อนฝน การสืบสวนความสัมพันธ์ระหว่างการผลิตพืชหลักและฝนในฤดูแล้ง และฤดูฝนบ่งชี้ว่า ถ้าฤดูฝนปริมาณน้ำฝนสูง การผลิตข้าวพืชหลักของปีที่จะลดลง แต่การผลิตข้าว ข้าวโพด อ้อย และถั่วเหลืองพืชสองจะเพิ่มขึ้นในปีต่อไป

Results (Thai) 2:

ในงานนี้ 4 แบบจำลองสำหรับการพยากรณ์ปริมาณน้ำฝนจะถูกตรวจสอบและเมื่อเทียบกับการใช้ข้อมูลปริมาณน้ำฝนตามฤดูกาลของภาคเหนือของประเทศไทยสำหรับ 1973-2008 สองรุ่นอุณหภูมิของโลกพื้นที่ป่าไม้และปริมาณน้ำฝนตามฤดูกาล (TFR) และ TFR ปรับเปลี่ยนขึ้นอยู่กับระบบของสมการที่แตกต่างกันให้ความสัมพันธ์ระหว่างอุณหภูมิของโลก, ป่าปกคลุมภาคเหนือของประเทศไทยและฝนตกตามฤดูกาลในภูมิภาคนี้ อีกสองรุ่นคือชุดการศึกษาเวลาและอัตถดถอย Moving Average (ARMA) รุ่น ทุกรุ่นมีการตรวจสอบโดยใช้ K-พับวิธีการตรวจสอบข้ามกับข้อผิดพลาดที่เกิดขึ้นเป็น 0.971233, 0.740891, 2.376415 และ 2.430891 สำหรับชุดเวลา ARMA, TFR และการปรับเปลี่ยนรุ่น TFR ตามลำดับ ภายใต้สถานการณ์ธุรกิจตามปกติ (BAU) ฝนตกตามฤดูกาลในภาคเหนือของประเทศไทยมีการคาดการณ์ผ่านปี 2020 ใช้ทั้งหมด 4 รุ่น TFR และ TFR การปรับเปลี่ยนรูปแบบนอกจากนี้ยังใช้เพื่อวิเคราะห์ว่าอุณหภูมิที่เพิ่มขึ้นทั่วโลกและนโยบายของรัฐบาลส่งผลกระทบต่อการปลูกป่าฝนตามฤดูกาลในภูมิภาค การคาดการณ์ปริมาณน้ำฝนได้รับผ่านทางทั้งสองรุ่นยังมีการเปรียบเทียบกับผู้ที่มาจากแผงนานาชาติเกี่ยวกับการเปลี่ยนแปลงสภาพภูมิอากาศ (IPCC) ภายใต้สถานการณ์ IS92a ผลที่ได้รับผ่านแบบจำลองทางคณิตศาสตร์สำหรับอุณหภูมิของโลกพื้นที่ป่าไม้และการแสดงปริมาณน้ำฝนตามฤดูกาลที่สูงกว่าพื้นที่ป่าที่มีความผันผวนน้อยมีฝนระหว่างฤดูฝนและฤดูร้อน นอกจากนี้ยังมีการเจริญเติบโตในพื้นที่ป่ายังมีความสัมพันธ์กับการเพิ่มขึ้นในช่วงฤดูร้อนฝน การสอบสวนในความสัมพันธ์ระหว่างการผลิตพืชหลักและฝนในฤดูแล้งและฤดูฝนแสดงให้เห็นว่าถ้าปริมาณน้ำฝนที่ฝนตกฤดูสูงผลิตข้าวหลักปีเพาะปลูกที่จะลดลง แต่ข้าวนาปรังพืชข้าวโพดอ้อยและถั่วเหลืองโปรดักชั่นจะ เพิ่มขึ้นในปีต่อไป

Results (Thai) 3:

ในงานนี้ , 4 แบบจำลองพยากรณ์ปริมาณฝนที่ได้ศึกษาและเปรียบเทียบข้อมูลน้ำฝนในภาคเหนือของประเทศไทยโดยใช้สำหรับฤดูกาล 1973 – 2551 สองรุ่น , อุณหภูมิโลก , พื้นที่ป่าและฤดูกาล ปริมาณน้ำฝน ( TFR TFR ) และแก้ไขตามระบบของสมการเชิงอนุพันธ์ให้ความสัมพันธ์ระหว่างอุณหภูมิโลก ครอบคลุมพื้นที่ป่าของภาคเหนือ และฝนตกตามฤดูกาล ในภูมิภาค อีกสองรุ่นนี้เวลาชุดและวิธีค่าเฉลี่ยเคลื่อนที่ ( อาม่า ) รุ่น ทั้งหมดของแบบจำลองที่ใช้ k-fold ข้ามการตรวจสอบตามวิธีที่เกิดข้อผิดพลาดถูก 0.971233 0.740891 2.376415 , และ , 2.430891 สำหรับอนุกรมเวลา อาม่า และรุ่น TFR TFR , ดัดแปลง , ตามลำดับ ภายใต้ธุรกิจเป็นปกติ ( BAU ) สถานการณ์ในภาคเหนือฝนตกตามฤดูกาลคาดว่าถึงปี 2020 ใช้ทั้งหมด 4 รุ่น TFR TFR และปรับเปลี่ยนรูปแบบนอกจากนี้ยังใช้เพื่อเพิ่มเติม วิเคราะห์ว่า อุณหภูมิโลกสูงขึ้น และนโยบายรัฐบาลต่อโครงการฝนตกตามฤดูกาลในภูมิภาค ปริมาณน้ำฝน ประมาณการได้ผ่านสองรุ่นนี้ยังเทียบกับผู้ที่มาจากแผงระหว่างประเทศว่าด้วยการเปลี่ยนแปลงสภาพภูมิอากาศ ( IPCC ) ภายใต้สถานการณ์ is92a . ผลลัพธ์ที่ได้จากแบบจำลองทางคณิตศาสตร์ สำหรับอุณหภูมิของโลก พื้นที่ป่าและฤดูกาล ปริมาณน้ำฝนพบว่าสูงกว่าป่าปก น้อยกว่าที่ของมีระหว่างฤดูฝนและฤดูร้อนที่ฝนตก . นอกจากนี้ การเติบโตในปกป่าก็มีความสัมพันธ์กับการเพิ่มขึ้นในถนนของฤดูร้อน การศึกษาความสัมพันธ์ระหว่างพืชหลักผลิต และฝนตกในฤดูฝนและบ่งชี้ว่า ถ้าฤดูฝน ปริมาณน้ำฝนสูง การผลิตข้าว พืชผลหลักของปีนั้นจะลดลง แต่ภาคการผลิต ข้าว ข้าวโพด อ้อย ถั่วเหลือง การผลิตจะเพิ่มขึ้นในปีต่อไป