ประเทศไทย โดยเฉพาะ “กรุงเทพฯ–ปริมณฑล” เผชิญปัญหาน้ำท่วมเป็นประจำ ไม่ว่าจะเป็นน้ำท่วมขังหลังฝนตก, น้ำล้นคลอง, หรือผลกระทบจากน้ำทะเลหนุน การบริหารจัดการน้ำแบบเดิมอาศัยแบบจำลองทางวิศวกรรม เช่น Rational Method หรือ Manning’s Equation ซึ่งดีสำหรับงานออกแบบโครงสร้าง แต่ไม่เพียงพอสำหรับการคาดการณ์แบบเรียลไทม์ที่มี ความซับซ้อนและความแปรปรวนสูง

ในยุคที่เมืองไทยมีฝนตกหนักเร็วขึ้น ถนนปิดเร็วขึ้น และประชาชนต้องการข้อมูลล่วงหน้า เทคโนโลยี LSTM (Long Short-Term Memory) จึงกลายเป็นตัวเลือกสำคัญสำหรับพยากรณ์ ระดับน้ำล่วงหน้าแบบแม่นยำระดับชั่วโมง เพื่อช่วยให้เมืองเตรียมรับมือน้ำได้ก่อนที่น้ำจะท่วมจริง

บทความนี้จะอธิบายว่า LSTM คืออะไร, ทำงานอย่างไร และ ทำไมจึงเหมาะกับประเทศไทย

🧠 LSTM คืออะไร?

LSTM เป็นโมเดล Deep Learning ประเภทหนึ่งที่ออกแบบมาเพื่อประมวลผล “ข้อมูลตามลำดับเวลา” (Time Series) เช่น ระดับน้ำรายชั่วโมง ปริมาณฝนรายนาที หรือข้อมูลเซนเซอร์ IoT จากเสาโทรมาตรในคลอง

แตกต่างจาก RNN ทั่วไป LSTM มี “หน่วยความจำยาว” ช่วยให้จำลำดับเหตุการณ์ได้ดี เช่น:

ฝนตก 20–30 นาทีแรกยังไม่ท่วม
แต่ถ้าฝนตกยาวเกิน 90 นาทีระดับน้ำจะขึ้นเร็ว
ถ้าวันก่อนหน้ามีฝนตกหนัก ดินอิ่มน้ำแล้ว น้ำจะไหลบ่ามากขึ้น

พฤติกรรมเช่นนี้เป็น ลักษณะเฉพาะของระบบน้ำท่วมในไทย และ LSTM ก็จัดการได้ดีมาก

🇹🇭 ทำไมประเทศไทยต้องใช้ LSTM?

ประเทศไทยมีปัจจัยที่ทำให้การพยากรณ์น้ำท่วมยากกว่าหลายประเทศ:

✔ 1. ฝนตกหนักแบบเฉียบพลัน (Flash Flood)

เกิดบ่อยในกรุงเทพฯ เชียงใหม่ ชลบุรี พัทยา

✔ 2. น้ำทะเลหนุน

แม่น้ำเจ้าพระยามีปรากฏการณ์น้ำหนุนช่วงเช้า–เย็น
ทำให้ระบบระบายน้ำฝั่งกรุงเทพฯ การไหลออกช้าลง

✔ 3. คลองจำนวนมากเชื่อมถึงกัน

ระบบน้ำไหลแบบ “ซับซ้อนและไม่เชิงเส้น” เหมาะกับ LSTM มากกว่าโมเดลสถิติธรรมดา

✔ 4. พื้นที่ลุ่มต่ำและน้ำรอระบาย

ในบางพื้นที่ น้ำไม่ไหลทันเพราะความชันต่ำ การพยากรณ์ต้องอาศัยข้อมูลก่อนหน้า

✔ 5. เมืองขยายเร็ว ผิวคอนกรีตเพิ่มขึ้น

ทำให้น้ำท่วมเร็วขึ้นเป็นเท่าตัว — LSTM เรียนรู้แพทเทิร์นเหล่านี้ได้เอง

📊 LSTM ทำงานอย่างไรในระบบพยากรณ์น้ำท่วมของไทย?

ระบบ Smart Flood ของไทยสามารถส่งข้อมูลเข้า LSTM ได้ดังนี้:

ข้อมูลที่ใส่เข้าโมเดล (Input Features):

ปริมาณฝน (เรดาร์กรมอุตุฯ)
ระดับน้ำคลอง (TM เชื่อม IoT)
ความเร็วการไหลของน้ำ
สถานะเครื่องสูบน้ำ
ระดับน้ำทะเลหนุน
สภาพดินอิ่มน้ำ
ความชื้น อุณหภูมิ ความกดอากาศ

ผลลัพธ์ (Output):

พยากรณ์ระดับน้ำ 1–6 ชั่วโมงล่วงหน้า
พยากรณ์โอกาสเกิดน้ำท่วม
เวลาที่น้ำจะสูงเกินระดับวิกฤต

สามารถใช้งานได้ทั้งใน:

กรุงเทพฯ (คลองประเวศบุรีรมย์, คลองภาษีเจริญ, คลองแสนแสบ)
พื้นที่อุตสาหกรรม (นิคมอมตะ, นิคมลาดกระบัง)
เมืองใหญ่ (เชียงใหม่ หาดใหญ่ ขอนแก่น)

🌊 ตัวอย่างการทำงานจริง

Stations:
- คลองลาดพร้าว: 65 cm → forecast 75 cm (อีก 2 ชม.)
- คลองแสนแสบ: ฝน 32 mm → ระดับน้ำขึ้นเร็ว
- ปากแม่น้ำ: น้ำทะเลหนุน +12 cm

ระบบสั่งงาน:
→ เตรียมเดินเครื่องสูบน้ำ
→ แจ้งเตือนเขตใกล้เคียง
→ แจ้งจราจรหลีกเลี่ยงเส้นลาดพร้าว–รัชดาฯ

เมืองได้รับการแจ้งเตือนก่อนน้ำท่วมจริง 1–3 ชั่วโมง

🛰️ LSTM + IoT = ระบบน้ำอัจฉริยะของเมืองไทย

เมื่อเชื่อมต่อกับ IoT ระบบจะทำงานดังนี้:

1. เก็บข้อมูลแบบเรียลไทม์

เซนเซอร์ในคลอง (Telemeter)
ปริมาณฝนจากเรดาร์
ระดับน้ำเจ้าพระยา
สถานะเครื่องสูบตามจุดต่าง ๆ

2. ส่งเข้าระบบ Cloud / Command Center

3. LSTM พยากรณ์ระดับน้ำ

4. ระบบสั่งงานอัตโนมัติ

เปิด/ปิดเครื่องสูบน้ำ
ปิดประตูระบายน้ำ
แจ้งเตือนประชาชน
แจ้ง กทม. และกรมป้องกันฯ

🛠 ตัวอย่างโค้ด PyTorch สำหรับพยากรณ์น้ำท่วมในไทย

import torch
import torch.nn as nn

class ThaiFloodLSTM(nn.Module):
    def __init__(self, input_size=5, hidden_size=64, num_layers=2):
        super().__init__()
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True)
        self.fc = nn.Linear(hidden_size, 1)

    def forward(self, x):
        out, _ = self.lstm(x)
        result = self.fc(out[:, -1, :])
        return result

Input features ตัวอย่าง:

ปริมาณฝน
ระดับน้ำคลอง
น้ำทะเลหนุน
ความชื้น
สถานะเครื่องสูบน้ำ

📌 ประโยชน์สำหรับเมืองไทย

✔ ทำนายก่อนท่วมจริง

รู้ก่อน 1–6 ชั่วโมง ช่วยวางแผนได้ทัน

✔ ใช้น้ำพลังงานเครื่องสูบน้ำลดลง

สั่งปั๊มตอนจำเป็นเท่านั้น ไม่ต้องเปิดทั้งวัน

✔ ลดผลกระทบเศรษฐกิจ

น้ำท่วมน้อยลง ถนนไม่ต้องปิดนาน

✔ ช่วยวางแผนจราจร

เชื่อมกับข้อมูลจากกล้อง AI และ Traffic API ได้

✔ รองรับเมืองไทยทุกขนาด

ตั้งแต่ อบต. ไปจนถึงมหานคร

🧩 Pipeline ของระบบพยากรณ์น้ำท่วมด้วย LSTM (ปรับสำหรับไทย)

ฝนตก / เรดาร์กรมอุตุ
      ↓
ระดับน้ำคลองจริง (TM)
      ↓
รวมข้อมูลจากเซนเซอร์
      ↓
LSTM Model
      ↓
คาดการณ์ระดับน้ำล่วงหน้า
      ↓
คำสั่งเครื่องสูบน้ำ / แจ้งเตือนประชาชน / จัดการจราจร