มหาวิทยาลัยเชียงใหม่ โดยคณะผู้วิจัยจากภาควิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ และสถาบันวิจัยวิทยาศาสตร์สุขภาพ มช. พัฒนาแบบจำลองการเรียนรู้ของเครื่อง (Machine Learning) เพื่อทำนายความเข้มข้นของฝุ่นละอองขนาดเล็ก PM2.5 ย้อนหลัง 10 ปี ในพื้นที่ 8 จังหวัดภาคเหนือตอนบนของประเทศไทย ช่วยเติมเต็มช่องว่างข้อมูล PM2.5 ที่ขาดหายจากการตรวจวัดอย่างต่อเนื่อง อันจะเป็นประโยชน์ต่อการศึกษาวิจัยด้านระบาดวิทยาเกี่ยวกับผลกระทบระยะยาวของมลพิษทางอากาศต่อสุขภาพประชาชน และสนับสนุนการกำหนดนโยบายสาธารณสุขและการจัดการคุณภาพอากาศอย่างมีประสิทธิภาพ

ปัญหาวิกฤตฝุ่น PM2.5 ในพื้นที่ภาคเหนือตอนบนของประเทศไทยส่งผลกระทบต่อคุณภาพชีวิตของประชาชนมาอย่างยาวนาน อย่างไรก็ตาม การศึกษาผลกระทบด้านสุขภาพในระยะยาวยังประสบข้อจำกัดจากข้อมูลการตรวจวัด PM2.5 ในอดีตที่มีช่องว่างและขาดความต่อเนื่อง คณะผู้วิจัยจึงได้นำเทคโนโลยี Machine Learning มาประยุกต์ใช้ในการทำนายค่าความเข้มข้นของ PM2.5 ย้อนหลัง ระหว่างปี พ.ศ. 2554–2563 โดยใช้ข้อมูลจากสถานีตรวจวัดคุณภาพอากาศของกรมควบคุมมลพิษในพื้นที่ภาคเหนือตอนบน

ข้อมูลที่ใช้ในการพัฒนาแบบจำลอง ประกอบด้วยค่าความเข้มข้นของฝุ่น PM10 ข้อมูลก๊าซมลพิษ ได้แก่ CO2 และ O3 ข้อมูลจุดความร้อน (Fire Hotspots) รวมถึงข้อมูลอุตุนิยมวิทยา เช่น ความกดอากาศ ปริมาณน้ำฝน ความชื้นสัมพัทธ์ อุณหภูมิ ทิศทางลม และความเร็วลม โดยได้เปรียบเทียบประสิทธิภาพของอัลกอริทึม 5 รูปแบบ ได้แก่ Multi-layer Perceptron Neural Networks (MLP), Support Vector Machine (SVM), Multiple Linear Regressions (MLR), Decision Tree (DT) และ Random Forests (RF)

ผลการศึกษาพบว่า แบบจำลอง Random Forests (RF) มีประสิทธิภาพสูงสุดในการทำนายความเข้มข้นของ PM2.5 โดยมีค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) เท่ากับ 6.82 ไมโครกรัมต่อลูกบาศก์เมตร ค่าความคลาดเคลื่อนเฉลี่ย (MPE) 4.33 ไมโครกรัมต่อลูกบาศก์เมตร ค่าความคลาดเคลื่อนสัมพัทธ์ (RPE) 22.50% และค่าสัมประสิทธิ์การตัดสินใจ (R2) สูงถึง 0.93 สะท้อนถึงศักยภาพของเทคโนโลยี Machine Learning ในการสนับสนุนงานด้านสิ่งแวดล้อมและสาธารณสุข

งานวิจัยหัวข้อ “Long-Term Retrospective Predicted Concentration of PM2.5 in Upper Northern Thailand Using Machine Learning Models” ดำเนินการโดย อ.ดร.วรวุฒิ ศรีสุขคำ ภาควิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ มหาวิทยาลัยเชียงใหม่ ร่วมกับ ดร.แสวง กาวิชัย ดร.ปทุมรัตน์ ศรีพันธุ์ พญ.อมราภรณ์ ฤกษ์เกษม และ ศ.(เชี่ยวชาญพิเศษ) นพ.กิตติพันธุ์ ฤกษ์เกษม จากสถาบันวิจัยวิทยาศาสตร์สุขภาพ มหาวิทยาลัยเชียงใหม่ โดยมุ่งหวังให้งานวิจัยดังกล่าวเป็นอีกหนึ่งฐานข้อมูลสำคัญสำหรับการศึกษาผลกระทบระยะยาวของมลพิษทางอากาศ และช่วยยกระดับการจัดการปัญหาฝุ่น PM2.5 ในพื้นที่ภาคเหนือของประเทศไทยอย่างยั่งยืน