http://hdl.handle.net/123456789/4546 2026-04-04T06:17:30Z http://hdl.handle.net/123456789/4667 Title: โครงการวิจัยเรื่อง การพัฒนาแบบจำลองประเมินความเสี่ยงภัย พิบัติและระบบสนับสนุนการตัดสินใจเชิงพื้นที่สำหรับการบริหารจัดการสาธารณภัย Authors: ธีรวงศ์, เหล่าสุวรรณ Abstract: แผ่นดินถล่ม เป็นพิบัติภัยทางธรรมชาติซึ่งส่วนใหญ่เกิดขึ้นทางภาคเหนือของประเทศไทย การเกิด แผ่นดินถล่มนั้นยังทำให้เกิดความสูญเสียทั้งทางด้านชีวิตและทรัพย์สินของประชาชน การศึกษานี้มีวัตถุประสงค์เพื่อการพัฒนาแบบจำลองประเมินความเสี่ยงภัยพิบัติและระบบสนับสนุนการตัดสินใจเชิงพื้นที่สำหรับการบริหารจัดการสาธารณภัย สำหรับหารดำเนินการในส่วนของการพัฒนาแบบจำลองเพื่อวิเคราะห์พื้นที่เสี่ยงต่อการเกิดแผ่นดินถล่มในพื้นที่จังหวัดน่าน คณะผู้วิจัยได้ประยุกต์ใช้เทคโนโลยีภูมิสารสนเทศ ร่วมกับ Universal Soil Loss Equation (USLE) วิธีการดำเนินงานได้วิเคราะห์ค่าปัจจัยต่าง ๆ จำนวน 6 ปัจจัยของสมการ USLE ได้แก่ Rainfall erosivity factor (R-factor), Soil erodibility factor (K-factor), Slope length (L) and slope steepness (S) factor, Cropping management factor (C), และ Conservation practice factor (P) และดำเนินการทำ overlay analysis เป็นขั้นตอนสุดท้าย ผลการวิเคราะห์หาปริมาณการวิเคราะห์พื้นที่เสี่ยงต่อการเกิด soil erosion ของจังหวัดน่านใน 5 ระดับ พบว่า พื้นที่เสี่ยงที่มีความรุนแรงน้อยที่สุดคิดเป็น 2,120.192 km2 พื้นที่เสี่ยงที่มีความรุนแรงน้อยคิดเป็น 2,728.851km2 พื้นที่เสี่ยงที่มีความรุนแรงปานกลางคิดเป็น 2,937.822km2 พื้นที่เสี่ยงที่มีความรุนแรงมากคิดเป็น 2,133.648 km2 พื้นที่เสี่ยงที่มีความรุนแรงมากที่สุดคิดเป็น 1,551.5584 km2 ผลการศึกษาที่ได้ในครั้งนี้สามารถใช้เป็นแนวทางในการวางแผนด้านการอนุรักษ์ การจัดการที่ดินและใช้ประกอบการตัดสินใจในการวางแผนการใช้ที่ดินในจังหวัดน่าน ประเทศไทย ในส่วนของการพัฒนาระบบสนับสนุนการตัดสินใจคณะผู้วิจัยได้ประยุกต์ใช้ภาษาไพทอน (Python) เพื่อสร้างระบบดังกล่าว ผลการดำเนินการพบว่า ระบบสนับสนุนการตัดสินใจสามารถแสดงผลพื้นที่เกิดแผ่นดินถล่มได้ดี หน่วยงานที่เกี่ยวข้องสามารถนำระบบดังกล่าวไปใช้เพื่อตรวจสอบและเฝ้าระวังการเกิดแผ่นดินถล่มต่อไป; Soil erosion is a natural disaster which frequently takes place in the Northern region of Thailand. Soil erosion causes loss of lives and properties of residents. This study aims to development model for estimating disaster risks and spatial decision support systems for disaster management. For the implementation of the model development to analyze Soil erosion areas in Nan province. The researchers applied Geo-informatics technology together with Universal Soil Loss Equation (USLE). The operation was performed by analyzing 6 factors of USLE including Rainfall erosivity (R-factor), Soil erodibility (K-factor), Slope length (L) and slope steepness (S), Cropping management (C), and Conservation practice (P) with overlay analysis being adopted as the last method. It was found from the analysis that the severity of the soil-erosion prone areas of Nan Province constituted 5 levels that included the least severity of 2,120.192 km2, the less severity of 2,728.851 km2, the moderate severity of 2,937.822 km2, the much severity of 2,133.648 km2, and the most severity of 1,551.5584 km2. The findings from this study can be embraced as a guideline to plan on the conservation and the management of land, and applied in a decision making process related to the land use planning in Nan Province, Thailand. In the development of the Decision Support System, the researchers applied Python language to create such a system. The results showed that Decision Support Systems are able to show the area of Soil erosion well. Relevant agencies can continue to use the system to monitor and monitor landslides. Description: ทุนอุดหนุนโครงการวิจัย 2023-10-19T00:00:00Z http://hdl.handle.net/123456789/4666 Title: โครงการวิจัยเรื่อง การพัฒนาระบบทำนายเส้นทางการบิน และความน่าจะเป็นของเส้นทางการบิน ของอากาศยานด้วยระบบปัญญาประดิษฐ์จากข้อมูลตำแหน่งอากาศยานจากระบบออฟโทรนิคส์ Authors: ชนะ, รักษ์ศิริ Abstract: โครงการ การพัฒนาระบบทำนายเส้นทางการบินและความน่าจะเป็นของเส้นทางการบินของอากาศยานด้วยระบบปัญญาประดิษฐ์จากข้อมูลตำแหน่งอากาศยานจากระบบออฟโทรนิคส์ มีวัตถุประสงค์การวิจัยเพื่อพัฒนาวิธีการทำนายเส้นทางการบินและความน่าจะเป็นของอากาศยานด้วยระบบปัญญาประดิษฐ์จากข้อมูลตำแหน่งอากาศยานจากระบบออฟโทรนิคส์ โดยจะใช้ การสร้างสมการอิงตัวแปรเสริม ประเภท การแบ่งสัดส่วนแบบไม่คงตัวบนเส้นโค้งอิสระ (เนิร์บ) สำหรับแทนแนวของเส้นทางการบินของอากาศยาน จากไฟล์วีดีโอกรณีศึกษา มาเป็นข้อมูลนำเข้าเพื่อเส้นทางการบินเริ่มต้นของการทำนายแนวบิน ส่วนการทำนายเส้นทางการบินในสถานะปัจจุบันและอนาคตจะใช้การระบบปัญญาประดิษฐ์ทำนายเส้นทางการบินด้วยวิธี การเรียนรู้แบบเสริมกำลัง นอกจากนี้ในขั้นตอนของการคำนวณความน่าจะเป็นของเส้นทางการบินของอากาศยานในแต่ละลำดับขั้นตอน กระบวนการสโตคาสติก โดยการสร้างแบบจำลองการคาดการณ์วิถีของวัตถุโดยใช้ห่วงโซ่มาร์คอฟ เพื่อทำนายความน่าจะเป้นของการเคลื่อนที่ของเครื่องบิน ผลการวิจัยพบว่า จากการทดสอบกับแนวทางการบิน 2 ประเภท คือ แนวการบินเป็นเส้นตรง (เครื่องบินพาณิชย์) และแนวทางการบินแบบไม่เป็นเส้นตรง (เครื่องบินขับไล่) การทำนายเส้นทางการบินจะมีค่าความคลาดเคลื่อนเฉลี่ยของเส้นทางที่ทำนายได้อยู่ในช่วง 8 - 50 หน่วยพิกเซล ซึ่งถือว่ามีความถูกต้องเพียงพอต่อภารกิจจริง ในการติดตามเป้าหมายของระบบกล้องและอาวุธปล่อยแบบนำวิถี; This research objective of “A Development of Aircraft trajectory path and Probability trajectory path Predictive Model by Optronics Position Data Learning by Artificial Intelligent Method.” are development a method for predictive flight paths and aircraft probabilities with artificial intelligence based on flying object position data from optronic-camera system. The Parametric Equation: Non-Uniform Rational Basic Spline (NURBS) theory is applied to construct the initial aircraft flight path which is calculated by the aircraft coordinate capturing data input from case study clip VDO. The current and future flight path are predicted by the reinforcement learning artificial intelligence system. In addition, the process of calculating the probabilities of the aircraft flight path in each step of the sequence stochastic process by modeling the object trajectory predictions using the Markov chain. The predictive of two types of flight path testing as straight-line flight path (Commercial aircraft) and non-linear flight path (Combat aircraft) results showed that the average deviation predictive are between 8 - 50 pixels. The predictive average deviation results are considered accurate enough for the initial information to next mission as camera system target tracking or guided missile launchers system mission. Description: ทุนอุดหนุนโครงการวิจัย 2023-10-19T00:00:00Z http://hdl.handle.net/123456789/4665 Title: โครงการวิจัยเรื่อง โครงการวิจัยสร้างต้นแบบอุปกรณ์แปลงสัญญาณวิทยุวีเฮชเอฟ-ยูเอชเอฟ เป็นสัญญาณวิทยุเอสแบนด์ Authors: สาวัสดิ์, บุณยะเวศ Description: ทุนอุดหนุนโครงการวิจัย 2023-10-19T00:00:00Z http://hdl.handle.net/123456789/4664 Title: วิทยานิพนธ์เรื่อง การวิเคราะห์พฤติกรรมมัลแวร์ด้วยภาพ Authors: ศิรภัสร์, เทียนพันธุ์ Abstract: กำลังดำเนินการ (ยังไม่สมบูรณ์) Description: ทุนอุดหนุนการศึกษา 2023-10-19T00:00:00Z