AI ช่วยเตือนภัยน้ำท่วมได้ตรงไหน? ถอดบทเรียน กทม. 50 เขต กันยายน 2569

1. เกิดอะไรขึ้น: ใครรู้อะไร เมื่อไร

ฝนรอบนี้ไม่ใช่ฝนที่แรงต่อชั่วโมง แต่เป็นฝนที่ตกไม่หยุดนานกว่า 30 ชั่วโมง กลุ่มเมฆหมุนอยู่กับที่เหนือเมือง นักวิชาการเรียกว่าฝนค้างฟ้า ยอดสะสมจึงสูงกว่าที่ระบบระบายน้ำรับได้ 3 ถึง 4 เท่า และช่วงเย็นของทุกวันน้ำทะเลหนุนสูง น้ำในคลองจึงระบายลงแม่น้ำเจ้าพระยาแทบไม่ได้ ตัวเลขหลักที่ควรจำมีดังนี้

• ระบบระบายน้ำของกรุงเทพมหานครรับฝนได้ราว 60 มิลลิเมตร ตามที่ผู้ว่าฯ เคยชี้แจง บางแหล่งระบุ 50 ถึง 80 เมื่อฝนตกยาวข้ามวัน ขีดจำกัดจริงคือกำลังสูบรวม 1,000 ถึง 1,200 ลูกบาศก์เมตรต่อวินาที เทียบกับพื้นที่ทั้งเมือง 1,569 ตารางกิโลเมตร เท่ากับสูบฝนออกได้ราว 66 มิลลิเมตรต่อวัน
• ฝนสะสมตั้งแต่ 16:00 น. ของวันที่ 24 ถึงเช้าวันที่ 26 ที่มีนบุรี 274.5 มิลลิเมตร คลองสามวา 273.0 มิลลิเมตร และผู้ว่าฯ ระบุช่วงบ่ายว่าหลายพื้นที่ฝั่งตะวันออกเกิน 300 มิลลิเมตร
• จุดวัดเทศบาลสงเคราะห์ เขตจตุจักร วัดได้ 210 มิลลิเมตร ตามรายงานสำนักการระบายน้ำเช้าวันที่ 26 ผู้ว่าฯ ประเมินว่าฝั่งตะวันออกรับน้ำฝนราว 223 ล้านลูกบาศก์เมตรใน 1.5 วัน
• ฝนตกต่อเนื่องเกือบ 48 ชั่วโมง เครื่องสูบเดินเต็มกำลังทั้งสองฝั่งตลอด
• น้ำขึ้นสูงสุดที่กรุงเทพฯ ราว 3 เมตร ช่วง 18:30 ถึง 19:30 น. ทุกวันตลอดสัปดาห์ ตรงกับจันทร์เพ็ญวันที่ 26 กันยายน

ตารางนี้เรียงว่าแต่ละวันหน่วยงานรู้อะไร และประชาชนได้รับอะไร

วัน	หน่วยงานรู้และพูดอะไร	สิ่งที่คนกรุงเทพฯ ได้รับจริง
21 ก.ย.	สทนช. (Office of the National Water Resources) ออกประกาศฉบับที่ 5/2569 ให้กรุงเทพฯ นนทบุรี ปทุมธานี สมุทรปราการ เฝ้าระวังน้ำท่วมขังในชุมชนเมืองช่วง 22 ถึง 26 ก.ย. เพจพยากรณ์อิสระโพสต์ว่าอีก 120 ชั่วโมงฝนจะตกต่อเนื่องทั้งวันทั้งคืน 24 ถึง 27 ก.ย. ให้ยกของขึ้นที่สูง	ข่าวทั่วไป
22 ก.ย.	กรมอุตุนิยมวิทยาออกประกาศฉบับที่ 1 ฝนตกหนักถึงหนักมาก 23 ถึง 27 ก.ย. กรุงเทพฯ อยู่ในระดับ "หนักมาก" วันที่ 24 ถึง 26 และแถลงว่าโพสต์ 120 ชั่วโมงไม่สอดคล้องกับข้อมูลพยากรณ์	คำเตือนทั่วไป และข้อความว่าอย่าตื่นตระหนก
23 ก.ย.	ปภ. (Department of Disaster Prevention and Mitigation) สั่ง 70 จังหวัดและกรุงเทพฯ เตรียมทีม เครื่องจักร ศูนย์อพยพ กรุงเทพมหานครพร่องน้ำ 1,980 คลอง ผู้ว่าฯ ระบุว่าฝนเฉพาะจุดต้องดูเป็นวันต่อวัน	"เผื่อเวลาเดินทาง" และให้โหลดแอปแจ้งเตือน
24 ก.ย.	ส่ง Cell Broadcast ครั้งแรกของรอบนี้เวลา 10:01 น. ที่จังหวัดตราด ฝนกรุงเทพฯ เริ่มตกต่อเนื่องตั้งแต่ 16:00 น.	ยังไม่มีข้อความถึงมือถือคนกรุงเทพฯ
25 ก.ย.	มีนบุรีวัดฝน 24 ชั่วโมงได้ 101.5 มิลลิเมตร ถนนจม 15 สาย ประกาศพื้นที่ประสบสาธารณภัย 3 เขต ปภ. รายงานว่า 12 จังหวัดท่วมแล้ว รวมสระแก้ว ฉะเชิงเทรา ปราจีนบุรี	ข่าวจุดน้ำท่วมรายถนน
26 ก.ย.	ฝนสะสมที่มีนบุรี 274.5 มิลลิเมตรถึงเช้า และเกิน 300 ช่วงบ่าย Cell Broadcast ถึงกรุงเทพฯ เวลา 09:22 น. ข้อความว่าน้ำในคลองวิกฤต ให้ยกของขึ้นที่สูง ประกาศครบ 50 เขต รัฐบาลประชุมสั่งการทุกหน่วยงานช่วงบ่าย มีผู้เสียชีวิตจากไฟฟ้าดูดในน้ำท่วม 1 ราย	คำเตือนที่บอกให้ทำอะไร ครั้งแรก หลังฝนตกต่อเนื่องราว 41 ชั่วโมง

สังเกตว่าชิ้นส่วนมีอยู่ครบตั้งแต่วันที่ 22 มีคำพยากรณ์ มีแบบจำลองฝน 300 มิลลิเมตรที่กรุงเทพมหานครเคยทำไว้ มีตารางน้ำขึ้นที่รู้ล่วงหน้าเป็นปี มีระบบส่งข้อความถึงมือถือทุกเครื่อง และมีแผนพร่องคลอง สิ่งที่ไม่มีคือประโยคเดียวที่ต่อชิ้นส่วนเหล่านี้เข้าด้วยกันว่า "โอกาสท่วมสูง ให้ทำสิ่งนี้ให้เสร็จก่อนเย็นวันที่ 24" ที่เหลือของบทความคือการดูว่า AI ช่วยต่อชิ้นส่วนตรงไหนได้บ้าง

2. ช่องว่างไม่ได้อยู่ที่การพยากรณ์ แต่อยู่ที่ 4 รอยต่อ

อ่านไทม์ไลน์แล้วจะเห็นว่าการพยากรณ์ไม่ได้พลาด กรมอุตุนิยมวิทยาให้ระดับ "หนักมาก" ซึ่งตามนิยามของกรมคือมากกว่า 90 มิลลิเมตรต่อ 24 ชั่วโมง กับกรุงเทพฯ ติดกัน 3 วัน ตัวเลขนี้เกินกำลังสูบออกราว 66 มิลลิเมตรต่อวันของเมืองอยู่แล้วทุกวัน ปัญหาอยู่ที่รอยต่อ 4 จุดระหว่างคำพยากรณ์กับการลงมือทำ

รอยต่อที่ 1 ข้อมูลกระจายอยู่หลายหน่วยงาน หลายรูปแบบ กรมอุตุนิยมวิทยาออกประกาศเป็นข้อความ สทนช. ออกเป็นเอกสาร กรุงเทพมหานครมีโทรมาตรระดับน้ำในคลองและเรดาร์ 2 สถานี กองทัพเรือมีตารางน้ำขึ้นน้ำลง กรมชลประทานมีอัตราระบายของเขื่อน ปภ. มีปุ่มส่ง Cell Broadcast แต่ละชิ้นถูกต้อง แต่ไม่มีจอเดียวที่วางทั้งหมดไว้ด้วยกัน

รอยต่อที่ 2 คำพยากรณ์ไม่ถูกแปลงเป็นผลกระทบ "ฝนหนักมาก" เป็นคำของนักอุตุนิยมวิทยา ประชาชนไม่รู้ว่า 90 มิลลิเมตรแปลว่าถนนหน้าบ้านจะท่วมกี่เซนติเมตร นานกี่ชั่วโมง ทั้งที่กรุงเทพมหานครมีแบบจำลองกรณีฝน 300 มิลลิเมตรอยู่แล้ว การเอาคำพยากรณ์ป้อนแบบจำลองนี้ทุกรอบ เป็นงานที่ไม่มีใครถูกมอบหมายให้ทำ

รอยต่อที่ 3 คำเตือนไม่บอกว่าใครต้องทำอะไรภายในเมื่อไร คำที่ประชาชนได้รับในวันที่ 22 ถึง 23 คือ "เฝ้าระวัง" และ "เผื่อเวลาเดินทาง" คำที่ได้รับในวันที่ 26 คือ "ยกของขึ้นที่สูง" คำหลังคือคำที่ควรมาถึงตั้งแต่วันที่ 23 พร้อมเวลาตัดว่าต้องทำเสร็จก่อนเย็นวันที่ 24

รอยต่อที่ 4 การรับมือข้อมูลนอกระบบ โพสต์ 120 ชั่วโมงใช้คำว่า "มหาอุทกภัย" ซึ่งเกินจริงตามนิยาม เพราะน้ำเหนือปีนี้ที่เขื่อนเจ้าพระยาอยู่ที่ 1,950 ลูกบาศก์เมตรต่อวินาที เทียบกับ 3,721 ในปี 2554 แต่สาระของโพสต์เรื่องฝนตกต่อเนื่องทั้งวันทั้งคืนและการยกของขึ้นที่สูง กลับใกล้เคียงกับสิ่งที่เกิดขึ้น ภายใต้แรงกดดันเวลา หน่วยงานต้องเลือกระหว่างปฏิเสธทั้งโพสต์ กับแยกคำที่เกินจริงออกจากสาระที่ใช้ได้ ทางเลือกหลังต้องการคนอ่านและเทียบข้อมูลภายในไม่กี่ชั่วโมง ซึ่งเป็นงานที่ AI ทำได้ดี

3. AI ช่วยได้ 6 จุด

ตารางนี้ไล่ตามรอยต่อทั้ง 4 จุด แต่ละแถวบอกว่า AI ทำอะไร คนยังต้องทำอะไร และมีตัวอย่างที่ใช้จริงในโลกหรือไม่ จุดที่ทำได้ทันทีโดยไม่ต้องรอโครงการใหญ่คือจุดที่ 1 4 5 และ 6

จุด	AI ทำอะไร	คนยังต้องทำอะไร	ตัวอย่างที่มีจริง
1. รวมข้อมูล	อ่านประกาศ เอกสาร โพสต์ ตารางน้ำขึ้น และค่าโทรมาตรจากทุกหน่วยงาน แล้วสรุปเป็นภาพสถานการณ์เดียว อัปเดตทุก 6 ชั่วโมง	กำหนดว่าแหล่งไหนเชื่อถือได้ และตกลงเรื่องการแชร์ข้อมูลระหว่างหน่วยงาน	โมเดลภาษาขนาดใหญ่ หรือ LLM (Large Language Model) อ่านเอกสารหลายรูปแบบได้วันนี้ ไม่ต้องพัฒนาระบบใหม่
2. พยากรณ์ฝน	โมเดลพยากรณ์อากาศแบบเรียนรู้จากข้อมูล ให้ผลใกล้เคียงหรือดีกว่าโมเดลฟิสิกส์ในหลายตัวชี้วัด ใช้พลังงานน้อยกว่าราว 1,000 เท่า จึงรันได้บ่อยและทำหลายฉากทัศน์ได้	ตีความผล ตรวจกับเรดาร์ในพื้นที่ และรับผิดชอบคำพยากรณ์	ECMWF (European Centre for Medium-Range Weather Forecasts) ใช้โมเดล AIFS (Artificial Intelligence Forecasting System) ในงานจริงตั้งแต่ 25 กุมภาพันธ์ 2568 GenCast ของ Google DeepMind ให้ผลดีกว่าระบบพยากรณ์แบบกลุ่ม ENS (Ensemble) ของ ECMWF ใน 97.2 เปอร์เซ็นต์ของตัวชี้วัด
3. แปลงเป็นผลกระทบ	เอาฝนพยากรณ์ ระดับน้ำในคลอง และเวลาน้ำขึ้น ป้อนแบบจำลองน้ำท่วมที่มีอยู่แล้ว ออกมาเป็นแผนที่ว่าเขตไหนท่วมกี่เซนติเมตร นานกี่ชั่วโมง ทำใหม่ทุกรอบพยากรณ์	ยืนยันแบบจำลองกับเหตุการณ์จริง และเป็นเจ้าของข้อมูลระดับคลอง	Google Flood Hub ทำแบบนี้กับน้ำในแม่น้ำมากกว่า 150 ประเทศ ล่วงหน้า 7 วัน แต่ยังเป็นน้ำจากแม่น้ำ ไม่ใช่น้ำท่วมขังในเมือง
4. ฝ่ายค้าน	สั่งให้ AI เถียงข้อสรุปของทีมพยากรณ์ด้วยข้อมูลชุดเดิม โดยเฉพาะข้อสรุปที่เบากว่าที่โมเดลบอก และแยกคำเกินจริงออกจากสาระในโพสต์อิสระ	ตัดสินว่าจะฟังฝ่ายไหน และลงนาม	เทคนิคเดียวกับที่เราใช้ใน บทความ Five Forces ที่ให้ AI เถียงคะแนนตัวเอง ผลคือคะแนน 1 ใน 5 พลิก
5. ร่างคำเตือนภาษาคน	ร่างคำเตือนแยกตามกลุ่มผู้รับ คนริมคลอง ผู้ใช้รถ นายจ้าง โรงพยาบาล ผู้สูงอายุ และแยกภาษา ไทย อังกฤษ เมียนมา กัมพูชา ใช้ตัวเลขชุดเดียวกันทุกฉบับ เสร็จในไม่กี่นาที	อ่าน แก้ ลงนาม และรับผิดชอบ	ฮ่องกงใช้สัญญาณเหลือง แดง ดำ ที่ 30 50 และ 70 มิลลิเมตรต่อชั่วโมง ญี่ปุ่นใช้ 5 ระดับ อพยพให้เสร็จที่ระดับ 4
6. ตอบคำถามประชาชน	แชตบอตตอบว่าถนนไหนผ่านได้ จอดรถที่ไหน โทรเบอร์อะไร จากข้อมูลทางการแบบเรียลไทม์ กล้องวงจรปิดวัดระดับน้ำด้วยภาพ และคัดกรองเรื่องร้องเรียนให้สำนักงานเขต	ดูแลข้อมูลต้นทางให้ถูกและทันเวลา	ข้อมูลโซเชียลของ Wisesight วันที่ 25 คำถามหาที่จอดรถพุ่ง 127 เท่า วันที่ 26 การแชร์เบอร์ฉุกเฉินเพิ่ม 18 เท่า

สามจุดที่อยากขยายความ เพราะเป็นจุดที่คนมักเข้าใจว่า AI ทำไม่ได้ หรือเข้าใจว่าทำได้เกินจริง

จุดที่ 3 การแปลงเป็นผลกระทบ ไม่ต้องรอโมเดลใหม่ กรุงเทพมหานครมีแบบจำลองน้ำท่วมกรณี 300 มิลลิเมตรอยู่แล้ว มีโทรมาตรระดับคลองตลอด 24 ชั่วโมง มีตารางน้ำขึ้น สิ่งที่ขาดคือคนหรือระบบที่เอาสามอย่างนี้มาชนกันทุกครั้งที่กรมอุตุนิยมวิทยาออกประกาศฉบับใหม่ งานแบบนี้คืองานที่โปรแกรมทำได้ดีกว่าคน เพราะต้องทำซ้ำทุก 6 ชั่วโมงและห้ามลืม

จุดที่ 4 ฝ่ายค้าน ทีมพยากรณ์ทุกทีมมีแรงดึงให้ประเมินเบา เพราะเตือนแรงแล้วไม่เกิดจะถูกตำหนิ การมี AI ทำหน้าที่เถียงว่า "ถ้าโมเดลบอก 3 วันติดที่ระดับหนักมาก และเมืองสูบออกได้ราว 66 ต่อวัน ทำไมข้อสรุปจึงเป็นแค่เฝ้าระวัง" ไม่ได้แปลว่า AI ถูก แต่บังคับให้ทีมเขียนเหตุผลลงกระดาษก่อนตัดสินใจ กรณีโพสต์ 120 ชั่วโมงก็เช่นกัน AI เทียบโพสต์กับประกาศทางการได้ในไม่กี่นาทีว่าตรงกันเรื่องอะไร ต่างกันเรื่องอะไร คำแถลงจึงเปลี่ยนจาก "ไม่เป็นความจริง" เป็น "ไม่ใช่มหาอุทกภัยแบบปี 2554 แต่ฝนจะตกต่อเนื่องจริง ให้เตรียมตัวตามนี้"

จุดที่ 5 คำเตือนภาษาคน คำเตือนเชิงผลกระทบ หรือ impact-based warning เป็นแนวทางที่องค์การอุตุนิยมวิทยาโลก หรือ WMO (World Meteorological Organization) ผลักดันมาตั้งแต่ปี 2558 และเป็นแกนของโครงการ Early Warnings for All ที่ตั้งเป้าให้ทุกคนบนโลกได้รับการคุ้มครองจากระบบเตือนภัยล่วงหน้าภายในปี 2570 ตารางถัดไปเทียบว่าระบบที่มีอยู่ต่างกันตรงไหน

ระบบ	เกณฑ์ที่ใช้	สิ่งที่ประชาชนต้องทำ
ไทย ประกาศกรมอุตุนิยมวิทยา	ระดับ "หนัก" มากกว่า 35 มิลลิเมตร และ "หนักมาก" มากกว่า 90 มิลลิเมตรต่อ 24 ชั่วโมง ระบุเป็นภาคและจังหวัด	"เฝ้าระวังอันตรายจากฝนตกหนักและฝนสะสม"
ไทย Cell Broadcast เริ่มใช้ปี 2568	ส่งเมื่อสถานการณ์ในพื้นที่ถึงระดับวิกฤต โดย ปภ. เป็นผู้กดส่ง	ข้อความวันที่ 26 ก.ย. ให้ยกของขึ้นที่สูง เลี่ยงเส้นทางน้ำท่วม
ฮ่องกง สัญญาณฝน 3 สี	เหลือง 30 แดง 50 ดำ 70 มิลลิเมตรต่อชั่วโมง และมีแนวโน้มตกต่อ ออกได้แม้ยังไม่ถึงเกณฑ์ถ้าฝนตกยาว	สัญญาณดำ = โรงเรียน ที่ทำงาน ศาล หยุดทั้งเมืองโดยไม่ต้องรอคำสั่งเพิ่ม
ญี่ปุ่น เตือนภัย 5 ระดับ ปรับใหม่ 28 พ.ค. 2569	ระดับ 4 = ทุกคนในพื้นที่เสี่ยงต้องอพยพ ระดับ 5 = ภัยเกิดแล้ว การอพยพไม่ปลอดภัยแล้ว	"อพยพให้เสร็จที่ระดับ 4" เป็นประโยคที่ประชาชนท่องได้
WMO Early Warnings for All	เป้าปี 2570 ทุกคนบนโลกได้รับการคุ้มครองจากระบบเตือนภัยล่วงหน้า ปัจจุบัน 119 ประเทศ หรือ 60 เปอร์เซ็นต์ รายงานว่ามีระบบเตือนภัยหลายประเภท	คำเตือนต้องบอก "ผลกระทบ" และ "สิ่งที่ต้องทำ" ไม่ใช่แค่ปริมาณฝน

4. ตัวอย่างคำเตือนที่ AI ช่วยร่างได้ตั้งแต่เย็นวันที่ 22

ข้างล่างคือร่างที่ AI ทำได้ในไม่กี่นาทีจากข้อมูลที่มีในวันที่ 22 นักพยากรณ์อ่าน แก้ตัวเลข แล้วลงนาม ไม่ใช่ให้ AI ส่งเอง

ร่างนี้ต่างจากคำเตือนที่ออกจริง 4 ข้อ มีตัวเลขที่เทียบกับขีดของเมือง มีเวลาตัดว่าต้องทำเสร็จเมื่อไร มีสิ่งที่ต้องทำเป็นข้อ ๆ และมีเงื่อนไขยกระดับที่ประกาศไว้ล่วงหน้า ข้อสุดท้ายสำคัญที่สุด เพราะทำให้การยกระดับเป็นเรื่องอัตโนมัติจากค่าโทรมาตร ไม่ต้องรอประชุมตอน 9 โมงเช้าของวันที่น้ำท่วมแล้ว

5. สิ่งที่ AI ทำไม่ได้ และหน่วยงานต้องทำเอง

มี 4 เรื่องที่ต่อให้มีเทคโนโลยีดีที่สุดก็ไม่ขยับ ถ้าไม่มีการตัดสินใจจากคน

• ยอมรับความเสี่ยงเตือนผิด การสั่งปิดโรงเรียนหรือทำงานที่บ้านล่วงหน้าเป็นการตัดสินใจทางนโยบาย AI ให้ตัวเลขความน่าจะเป็นได้ แต่คนต้องเป็นผู้เลือกว่าจะกดที่ 60 เปอร์เซ็นต์หรือรอ 90 เปอร์เซ็นต์
• ข้อตกลงแชร์ข้อมูลระหว่างหน่วยงาน ค่าโทรมาตรคลอง ภาพเรดาร์ อัตราระบายเขื่อน ตารางน้ำขึ้น ถ้าไม่ไหลมารวมกันแบบอัตโนมัติ AI ก็ไม่มีอะไรให้อ่าน เรื่องนี้เป็นเรื่องระเบียบและกฎหมาย ไม่ใช่เรื่องเทคนิค
• ขีดความสามารถทางกายภาพ เมืองรับฝนได้ราว 60 มิลลิเมตร AI ไม่ได้เพิ่มกำลังสูบ การขยายระบบให้รับ 100 ถึง 150 มิลลิเมตรมีต้นทุนที่นักวิชาการเทียบว่ามากกว่ารถไฟฟ้า 10 สาย
• ความรับผิดชอบ คำเตือนทุกฉบับต้องมีคนลงนาม AI ร่างได้ แต่ชื่อบนประกาศต้องเป็นชื่อคน

สำหรับหน่วยงานที่อยากเริ่ม ตารางนี้แบ่งตามระยะเวลาและเงินที่ต้องใช้ แถวแรกทำได้ด้วยเครื่องมือที่มีอยู่แล้ว ไม่ต้องจัดซื้อระบบใหม่

ระยะ	ทำอะไร	ต้องมีอะไรก่อน
ทำได้เลย 0 ถึง 3 เดือน	ให้ LLM อ่านประกาศทุกหน่วยงานแล้วทำสรุปสถานการณ์ฉบับเดียวทุก 6 ชั่วโมง ร่างคำเตือนแยกกลุ่มและแยกภาษาจากตัวเลขชุดเดียว ตั้งขั้น "ฝ่ายค้าน" ก่อนออกประกาศ แชตบอตตอบคำถามประชาชนจากหน้าเว็บจุดน้ำท่วมของกรุงเทพมหานคร	บัญชี AI สำหรับทีม และกติกาว่าใครตรวจ ใครลงนาม
ระยะกลาง 6 ถึง 12 เดือน	ต่อแบบจำลองน้ำท่วม 300 มิลลิเมตรเข้ากับคำพยากรณ์ให้รันอัตโนมัติทุกรอบ ตั้งเงื่อนไขยกระดับจากค่าโทรมาตรและระดับคลอง กล้องวงจรปิดวัดระดับน้ำด้วยภาพ	ข้อตกลงแชร์ข้อมูลระหว่างกรุงเทพมหานคร กรมอุตุนิยมวิทยา กรมชลประทาน กองทัพเรือ และ ปภ.
ลงทุนใหญ่ 1 ถึง 3 ปี	ระบบพยากรณ์ระยะสั้นจากเรดาร์ด้วย AI แบบที่หอสังเกตการณ์ฮ่องกงใช้ ระบบเตือนภัยระดับสีทั้งประเทศที่มีเกณฑ์ตัวเลขและสิ่งที่ต้องทำผูกกับแต่ละสี	งบประมาณ กฎหมายรองรับ และการซ้อมกับประชาชน

สรุป

น้ำท่วมกรุงเทพฯ 24 ถึง 26 กันยายน 2569 ไม่ใช่ความล้มเหลวของการพยากรณ์ คำพยากรณ์ระดับ "หนักมาก" ออกตั้งแต่วันที่ 22 สิ่งที่ขาดคือรอยต่อ 4 จุด ข้อมูลกระจาย คำพยากรณ์ไม่ถูกแปลงเป็นผลกระทบ คำเตือนไม่บอกว่าใครทำอะไรภายในเมื่อไร และการรับมือข้อมูลนอกระบบ AI ช่วยปิดรอยต่อได้ 6 จุด และ 4 ใน 6 จุดทำได้ทันทีด้วยเครื่องมือที่มีอยู่ ส่วนที่ AI ทำแทนไม่ได้คือการยอมรับความเสี่ยงเตือนผิด ข้อตกลงแชร์ข้อมูล และชื่อคนที่ลงนามบนคำเตือน

คำพยากรณ์ยังไม่ได้ช่วยใคร จนกว่าจะกลายเป็นประโยคว่า ใครต้องทำอะไร ก่อนกี่โมง

- ทีม Saeree ERP

แหล่งอ้างอิง

• กรมอุตุนิยมวิทยา — ประกาศเตือนภัยลักษณะอากาศ ฝนตกหนักถึงหนักมาก 23–27 กันยายน 2569 (ฉบับที่ 1 ออก 22 ก.ย. 2569)
• กรุงเทพธุรกิจ — กรมอุตุฯ แจงปม "มหาอุทกภัย" ยืนยันฝนตกหนักตามมรสุม 23–27 ก.ย. 69 (22 ก.ย. 2569)
• Thai PBS — กรมอุตุฯ เปิดนิยาม "อุทกภัย-มหาอุทกภัย" (23 ก.ย. 2569)
• The Thaiger — ย้อนคำเตือน "มหาอุทกภัย 120 ชั่วโมง" และรายงาน ปภ. 12 จังหวัดน้ำท่วม (25 ก.ย. 2569)
• สรุปสถานการณ์น้ำภาพรวมของประเทศ 22 ก.ย. 69 พร้อมประกาศ สทนช. ฉบับที่ 5/2569
• ไทยรัฐ — ปภ. เตือน 70 จังหวัดและ กทม. เฝ้าระวังน้ำท่วมฉับพลัน 23–27 ก.ย. (23 ก.ย. 2569)
• ไทยรัฐ — ชัชชาติ ชี้ "เรนบอมบ์" ประเมินล่วงหน้าไม่ได้ พร่องน้ำ 1,980 คลอง (23 ก.ย. 2569)
• Spacebar — สถิติ 53 ชั่วโมง ปภ. ส่ง Cell Broadcast 30 ครั้ง 15 จังหวัด (26 ก.ย. 2569)
• ไทยรัฐ — ปภ. ส่ง Cell Broadcast เตือน กทม. ระดับน้ำในคลองวิกฤต 26 ก.ย. 2569 เวลา 09:22 น.
• กรุงเทพธุรกิจ — ฝนถล่ม กทม. ทะลุ 210 มม. สำนักการระบายน้ำรายงานจุดวัดจตุจักร (26 ก.ย. 2569)
• THE STANDARD — ฝนค้างฟ้าถล่มกรุงเทพฯ ขีดความสามารถระบบระบายน้ำ 50–80 มม. และผลของน้ำทะเลหนุน
• ไทยโพสต์ — ชัชชาติ ยอมรับฝน 300 มม. รับมือยาก แบบจำลอง 300 มม. และน้ำฝนฝั่งตะวันออก 223 ล้าน ลบ.ม.
• Thai PBS — กทม. รับมือฝนสะสม 48 ชม. ใกล้แตะ 300 มม. ฝนต่อเนื่องตั้งแต่ 24 ก.ย. 16:00 มีนบุรี 274.5 คลองสามวา 273.0 (26 ก.ย. 2569)
• มติชน — ชัชชาติ แจงระบบระบายน้ำ กทม. รับได้ 60 มม.
• Thai PBS — กทม. ยกระดับประกาศเขตภัยพิบัติอุทกภัยครอบคลุมทั้ง 50 เขต (26 ก.ย. 2569)
• Thai PBS — รัฐบาลสั่ง "ทีมไทยแลนด์" รับมือน้ำท่วม ใช้ Cell Broadcast ด้วยภาษาที่เข้าใจง่าย (26 ก.ย. 2569)
• ไทยรัฐ — น้ำท่วมกรุงเทพ 69 เทียบปี 54 อัตราระบายเขื่อนเจ้าพระยา 1,950 เทียบ 3,721 ลบ.ม./วินาที
• ตารางน้ำขึ้นน้ำลง กองบัญชาการกองทัพเรือ กรุงเทพมหานคร กันยายน 2569
• Wisesight — น้ำท่วม ก.ย. 69 โซเชียลพูดถึงอะไร สรุปจาก 126,524 ข้อความ
• เดลินิวส์ — ผู้เสียชีวิตจากไฟฟ้าดูดในน้ำท่วมที่เคหะคลองจั่น (26 ก.ย. 2569)
• กรมประชาสัมพันธ์ — ระบบแจ้งเตือนภัยฉุกเฉิน Cell Broadcast Service เริ่มต้นปี 2568
• ECMWF — AIFS becomes operational, 25 February 2025
• Nature — Probabilistic weather forecasting with machine learning (GenCast), December 2024
• Google Research — Flood Forecasting and Flood Hub coverage
• Hong Kong Observatory — Rainstorm Warning System (Amber 30 / Red 50 / Black 70 mm per hour)
• Hong Kong Observatory — Developments and Prospects of AI in Rainfall Nowcasting
• Nippon.com — Five-Level System Simplifies Disaster Information Sharing in Japan
• WMO — Early Warnings for All shows real progress (2025)