Real-time Dispersion Model ทำงานอย่างไร

ความต่างระหว่างแบบจำลองเชิงกำกับดูแลกับแบบจำลองเรียลไทม์

ทั้งสองแบบใช้ฟิสิกส์ชุดเดียวกัน แต่ต่างกันที่โจทย์ ข้อมูลนำเข้า และข้อจำกัดด้านเวลาการเข้าใจความต่างนี้สำคัญ เพราะการนำผลลัพธ์ของแบบหนึ่งไปใช้แทนอีกแบบหนึ่งเป็นข้อผิดพลาดที่พบบ่อยที่สุดในทางปฏิบัติ

สถาปัตยกรรมของระบบ 5 ชั้น

ระบบที่ใช้งานได้จริงมีโครงสร้างค่อนข้างคงที่ ประกอบด้วยห้าชั้นที่ต่อเนื่องกัน หากชั้นใดชั้นหนึ่งอ่อน ผลลัพธ์ทั้งระบบจะอ่อนตามไปด้วย

ชั้นที่ 1 ข้อมูลนำเข้า

1. ข้อมูลแหล่งกำเนิด อัตราการปล่อยจากระบบตรวจวัดแบบต่อเนื่อง (CEMS) ที่ปล่องหลัก หรือค่าที่ประมาณจากบันทึกการเดินเครื่องสำหรับแหล่งกำเนิดที่ไม่มีเครื่องวัดติดตั้ง
2. ข้อมูลตรวจวัดในบรรยากาศ สถานีตรวจวัดริมรั้ว (fenceline) ที่วัดก๊าซดัชนี เช่น H₂S, NH₃, VOCs รวม หรือค่าฝุ่น พร้อมเซนเซอร์อาร์เรย์สำหรับงานกลิ่น
3. ข้อมูลอุตุนิยมวิทยาในพื้นที่ ทิศทางและความเร็วลมที่ระดับอ้างอิง อุณหภูมิ ความชื้น รังสีดวงอาทิตย์ และค่าที่ใช้ประเมินเสถียรภาพบรรยากาศ ควรเป็นสถานีในพื้นที่ ไม่ใช่สถานีที่อยู่ห่างออกไปหลายสิบกิโลเมตร
4. ผลพยากรณ์อากาศเชิงตัวเลข ใช้ขยายผลไปข้างหน้าอีก 6–48 ชั่วโมง สำหรับการวางแผนกิจกรรมที่มีความเสี่ยงสูง
5. บันทึกการเดินเครื่องและข้อร้องเรียน ข้อมูลสองชุดนี้คือสิ่งที่เปลี่ยนแผนที่สวยงามให้กลายเป็นหลักฐานที่ใช้อธิบายได้

ชั้นที่ 2 การควบคุมคุณภาพข้อมูล

ชั้นนี้ถูกละเลยบ่อยที่สุด แต่เป็นชั้นที่กำหนดว่าระบบจะสร้างการแจ้งเตือนลวงมากน้อยเพียงใด งานหลักคือคัดกรองข้อมูลผิดปกติออกก่อนเข้าสู่การคำนวณ

ในระบบที่ใช้เซนเซอร์ต้นทุนต่ำจำนวนมาก การแก้ค่าด้วยแบบจำลองการเรียนรู้ของเครื่องที่ฝึกจากการวางเซนเซอร์คู่กับเครื่องมืออ้างอิง เป็นแนวทางที่มีงานวิจัยรองรับและช่วยลดความคลาดเคลื่อนได้อย่างมีนัยสำคัญ แต่ต้องทบทวนสมการแก้ค่าเป็นระยะ เพราะความสัมพันธ์เปลี่ยนไปตามฤดูกาลและอายุเซนเซอร์ [5]

ชั้นที่ 3 เครื่องยนต์คำนวณการกระจายตัว

หัวใจของระบบ รายละเอียดการเลือกวิธีอยู่ในหัวข้อถัดไป

ชั้นที่ 4 การวิเคราะห์และการอนุมาน

1. การคำนวณไปข้างหน้า ประมาณความเข้มข้นที่จุดรับผลกระทบจากอัตราการปล่อยที่ทราบ
2. การคำนวณย้อนกลับ ประมาณว่าแหล่งกำเนิดใดน่าจะเป็นต้นเหตุของค่าที่ตรวจวัดได้
3. การตรวจจับความผิดปกติ เทียบค่าที่วัดได้กับค่าที่แบบจำลองคาดไว้ ส่วนต่างที่มากผิดปกติมักหมายถึงแหล่งกำเนิดที่ไม่ได้อยู่ในบัญชี
4. การจัดลำดับความเสี่ยง รวมทิศทางลม ระยะทาง และตำแหน่งผู้รับกลิ่นที่อ่อนไหว เป็นคะแนนความเสี่ยงรายช่วงเวลา

ชั้นที่ 5 การแจ้งเตือนและการแสดงผล

ชั้นสุดท้ายต้องออกแบบให้ผู้ปฏิบัติงานทำอะไรได้จริง หลักการที่ใช้ได้ผลคือ หนึ่งการแจ้งเตือนต้องผูกกับหนึ่งการกระทำที่ระบุไว้ล่วงหน้า เช่น ระดับเฝ้าระวังให้ตรวจสอบระบบบำบัด ระดับเตือนให้ชะลอกิจกรรมที่ปล่อยกลิ่นสูง และระดับวิกฤตให้หยุดกิจกรรมนั้นชั่วคราวพร้อมแจ้งผู้บริหาร หากไม่กำหนดการกระทำไว้ล่วงหน้า การแจ้งเตือนจะกลายเป็นเสียงรบกวนภายในไม่กี่สัปดาห์

เลือกเครื่องยนต์คำนวณให้เหมาะกับเวลาและสเกล

ข้อจำกัดที่แท้จริงของงานเรียลไทม์คือเวลา ไม่ใช่ความละเอียดของฟิสิกส์ วิธีที่แม่นยำที่สุดมักช้าเกินกว่าจะใช้ตัดสินใจได้ทัน ตารางต่อไปนี้เปรียบเทียบทางเลือกที่ใช้กันจริง

เทคนิคที่ทำให้ระบบเรียลไทม์เป็นไปได้ในทางปฏิบัติคือการอาศัยสมบัติเชิงเส้นของสมการการกระจายตัว กล่าวคือ ความเข้มข้นแปรผันตรงกับอัตราการปล่อย Q และผลจากหลายแหล่งกำเนิดซ้อนทับกันได้ [1] จึงคำนวณสนามความเข้มข้นต่อหนึ่งหน่วยการปล่อยไว้ล่วงหน้าสำหรับชุดเงื่อนไข เช่น ทิศลม 36 ทิศ ความเร็วลม 6 ช่วง และชั้นความเสถียร 6 ชั้น แล้วเมื่อถึงเวลาใช้งานเพียงเลือกสนามที่ตรงกับสภาพปัจจุบันมาคูณด้วยอัตราการปล่อยจริง ก็ได้ผลลัพธ์ทันที โดยที่ฟิสิกส์เบื้องหลังยังเป็นแบบจำลองมาตรฐานเดิม

การคำนวณย้อนกลับ: จากค่าที่วัดได้กลับไปหาแหล่งกำเนิด

เมื่อสถานีริมรั้วตรวจพบค่าสูงผิดปกติ คำถามต่อไปคือค่านั้นมาจากไหน การคำนวณย้อนกลับ (reverse หรือ backward dispersion modelling) คือการกลับทิศของโจทย์ จากเดิมที่รู้แหล่งกำเนิดแล้วหาความเข้มข้น มาเป็นรู้ความเข้มข้นแล้วประมาณแหล่งกำเนิด แนวทางที่ใช้กันมีสามระดับ

ข้อควรระวังที่ต้องสื่อสารให้ชัดคือ ปัญหาย้อนกลับเป็นปัญหาที่มีคำตอบไม่เดียว (ill-posed) แหล่งกำเนิดที่อยู่ไกลและปล่อยมากอาจให้ค่าที่จุดตรวจวัดเท่ากับแหล่งกำเนิดที่อยู่ใกล้และปล่อยน้อย ระบบจึงควรรายงานผลเป็นลำดับความเป็นไปได้พร้อมช่วงความไม่แน่นอน ไม่ใช่คำตอบเดียวแบบชี้ชัด และควรมีสถานีตรวจวัดอย่างน้อยสามจุดที่ล้อมพื้นที่ไว้ในทิศทางต่างกัน จึงจะแยกแยะแหล่งกำเนิดที่อยู่ในแนวเดียวกันได้

AI ทำอะไรได้จริง และทำอะไรไม่ได้

คำว่า AI ถูกใช้กว้างมากในตลาด การแยกให้ชัดว่าอัลกอริทึมเข้ามาช่วยตรงจุดใดจึงสำคัญต่อการตัดสินใจลงทุน

ข้อจำกัดที่ควรระบุไว้ในข้อเสนอทุกฉบับมีสามข้อ ข้อแรก แบบจำลองที่ฝึกจากข้อมูลไม่สามารถทำนายสภาพที่ไม่เคยพบในชุดข้อมูลฝึกได้อย่างน่าเชื่อถือ เช่น เหตุการณ์รั่วไหลขนาดใหญ่ที่ไม่เคยเกิดมาก่อน ข้อที่สอง ความไม่แน่นอนของอัตราการปล่อยเป็นแหล่งความคลาดเคลื่อนที่ใหญ่ที่สุดของงานประเภทนี้ อัลกอริทึมไม่สามารถชดเชยข้อมูลนำเข้าที่ผิดได้ และข้อที่สาม ผลลัพธ์ของระบบเรียลไทม์เป็นค่าคำนวณ ไม่ใช่ค่าตรวจวัดตามกฎหมาย จึงต้องระบุกำกับไว้ทุกครั้งที่นำเสนอ

ตัวอย่างลำดับเหตุการณ์ในระบบที่ทำงานได้

ตัวอย่างต่อไปนี้แสดงลำดับการทำงานตั้งแต่ตรวจพบจนถึงยืนยันผล เพื่อให้เห็นว่า "เรียลไทม์" หมายถึงอะไรในทางปฏิบัติ

คุณค่าที่แท้จริงไม่ได้อยู่ที่การแจ้งเตือน แต่อยู่ที่บันทึกเหตุการณ์ที่สมบูรณ์ เมื่อมีข้อร้องเรียนเข้ามาในภายหลัง โรงงานสามารถแสดงได้ว่าเหตุการณ์เกิดเมื่อใด กินเวลานานเท่าใด ลมพัดไปทางใด และดำเนินการแก้ไขภายในกี่นาที ซึ่งเป็นข้อมูลคนละระดับกับการยืนยันด้วยคำพูดว่าโรงงานควบคุมได้ดี

การประเมินความน่าเชื่อถือของระบบ

ก่อนนำผลลัพธ์ไปใช้ตัดสินใจ ควรประเมินสมรรถนะสองด้านแยกจากกัน ด้านแรกคือความแม่นยำของแบบจำลองเทียบกับค่าตรวจวัด ด้านที่สองคือคุณภาพของการแจ้งเตือนในเชิงปฏิบัติการ

ตัวชี้วัดกลุ่มแรกอ้างอิงกรอบการประเมินสมรรถนะแบบจำลองคุณภาพอากาศที่เสนอโดย Chang และ Hanna (2004) ซึ่งเน้นว่าเกณฑ์ที่ยอมรับได้ขึ้นอยู่กับความซับซ้อนของสถานการณ์ ความไม่แน่นอนของพจน์แหล่งกำเนิด และคุณภาพของข้อมูลอุตุนิยมวิทยา จึงไม่ควรใช้ตัวเลขเดียวตัดสินทุกกรณี [2]

ข้อจำกัดที่ต้องระบุให้ชัดเจน

1. สภาพลมสงบ แบบจำลองพลูมสถานะคงตัวไม่มีความหมายทางกายภาพเมื่อความเร็วลมเข้าใกล้ศูนย์ ซึ่งเป็นสภาพที่มักเกิดข้อร้องเรียนกลิ่นในเวลากลางคืน กรณีนี้ต้องใช้แบบจำลอง puff หรือแบบอนุภาคแทน [1]
2. ความไม่แน่นอนของอัตราการปล่อย เป็นตัวแปรที่ส่งผลต่อผลลัพธ์มากที่สุด แหล่งกำเนิดแบบพื้นที่และแบบไม่ต่อเนื่องมักไม่มีการวัดโดยตรง
3. คุณภาพและตำแหน่งของสถานีอุตุนิยมวิทยา หากใช้ข้อมูลลมจากสถานีที่อยู่ไกลหรืออยู่ในสภาพภูมิประเทศต่างกัน ทิศทางพลูมที่คำนวณได้อาจคลาดเคลื่อนอย่างมาก
4. การเลื่อนของสัญญาณเซนเซอร์ ต้องมีแผนสอบเทียบตามรอบและบันทึกไว้ มิฉะนั้นข้อมูลจะใช้อ้างอิงย้อนหลังไม่ได้
5. สถานะทางกฎหมาย ผลจากระบบเรียลไทม์เป็นค่าคำนวณเพื่อการบริหารจัดการ การพิสูจน์ตามกฎหมายยังต้องอาศัยวิธีตรวจวัดที่กำหนดไว้ในกฎหมายที่เกี่ยวข้อง

สรุปสาระสำคัญ

1. แบบจำลองเรียลไทม์และแบบจำลองเชิงกำกับดูแลตอบคนละคำถาม และใช้แทนกันไม่ได้
2. ความเร็วของระบบเกิดจากการออกแบบวิธีคำนวณ เช่น การคำนวณสนามต่อหน่วยการปล่อยไว้ล่วงหน้า ไม่ใช่จากการลดทอนฟิสิกส์
3. การคำนวณย้อนกลับให้คำตอบเป็นลำดับความเป็นไปได้ ไม่ใช่คำตอบเดียว และต้องมีสถานีตรวจวัดหลายจุดจึงจะแยกแยะได้
4. AI มีประโยชน์ชัดเจนในงานสอบเทียบ เร่งความเร็ว และตรวจจับความผิดปกติ แต่ไม่ทดแทนข้อมูลนำเข้าที่ถูกต้อง
5. ต้องประเมินทั้งความแม่นยำของแบบจำลองและคุณภาพของการแจ้งเตือน มิฉะนั้นระบบจะถูกเพิกเฉยภายในไม่กี่เดือน

ปรึกษาผู้เชี่ยวชาญ

RE-VEAL ออกแบบและติดตั้งระบบตรวจวัดคุณภาพอากาศและกลิ่นแบบต่อเนื่อง พร้อมเชื่อมต่อกับแบบจำลองการกระจายตัวเพื่อการเฝ้าระวังและแจ้งเตือน ครอบคลุมการวางตำแหน่งสถานี การควบคุมคุณภาพข้อมูล การเชื่อมโยงกับข้อมูลอุตุนิยมวิทยาในพื้นที่ และการจัดทำรายงานย้อนหลังสำหรับใช้ตอบข้อร้องเรียน ติดต่อทีมงานเพื่อประเมินความเหมาะสมกับพื้นที่ของท่าน

เอกสารอ้างอิง

1. Stockie, J. M. (2011). The Mathematics of Atmospheric Dispersion Modelling. SIAM Review, 53(2), 349–372.
2. Chang, J. C., & Hanna, S. R. (2004). Air quality model performance evaluation. Meteorology and Atmospheric Physics, 87, 167–196.
3. Stein, A. F., et al. (2015). NOAA’s HYSPLIT Atmospheric Transport and Dispersion Modeling System. Bulletin of the American Meteorological Society, 96(12), 2059–2077.
4. Hazardous atmospheric dispersion in urban areas: A deep learning approach for emergency pollution forecast (2022). Environmental Modelling & Software.
5. Zimmerman, N., et al. (2018). A machine learning calibration model using random forests to improve sensor performance for lower-cost air quality monitoring. Atmospheric Measurement Techniques, 11(1), 291–313.
6. Uria-Tellaetxe, I., & Carslaw, D. C. (2014). Conditional bivariate probability function for source identification. Environmental Modelling & Software, 59, 1–9.
7. Developing an odour emission factor for an oil refinery plant using reverse dispersion modeling (2019). Atmospheric Environment, 218.
8. U.S. Environmental Protection Agency. Guideline on Air Quality Models, 40 CFR Part 51, Appendix W (as revised, 2024).