Implementação de soluções para confiabilidade de dados em redes de sensores sem fios

Detalhes bibliográficos
Autor(a) principal: Penim, João Miguel Mendes
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/48628
Resumo: Tese de mestrado em Engenharia Informática (Sistemas de Informação), Universidade de Lisboa, Faculdade de Ciências, 2020
id RCAP_05bbe48bd46e3360a2af6034326f8af0
oai_identifier_str oai:repositorio.ul.pt:10451/48628
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Implementação de soluções para confiabilidade de dados em redes de sensores sem fiosRedes de sensoresConfiabilidadeAprendizagem automáticaPrevisão em tempo-realRedes NeuronaisTeses de mestrado - 2020Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaTese de mestrado em Engenharia Informática (Sistemas de Informação), Universidade de Lisboa, Faculdade de Ciências, 2020Redes de sensores sem fios consistem num número variado de dispositivos eletrónicos (nós) que realizam monitorização de factores físicos ou ambientais. Dependendo do tipo de sensor acoplado ao nó, este pode executar inúmeras medições, tal como, temperatura, pressão, movimentos, entre outros. Estes dispositivos estarão sempre sujeitos a interferências devido a condições externas ambientais ou humanas, levando os sensores a relatar medições erradas tornando os relatórios não confiáveis. Quando estas medições inesperadas são produzidas, é necessário detectá-las e identificá-las em tempo real. Para tal serão combinadas diversas técnicas de redundância e fusão de dados que, em conjunto, permitirão melhorar a qualidade da monitorização. O trabalho desenvolvido para esta dissertação concentra-se sobre o domínio dos sistemas ciber-físicos e está incluído no projecto AQUAMON. Este projecto tem como objectivo principal o desenvolvimento de uma plataforma de recolha e tratamento de dados de sensores aquáticos. A monitorização contínua de ambientes aquáticos usando sensores de água é importante para diversas aplicações relacionadas com prevenção de acidentes, recursos hídricos e gestão da aquicultura e actividades recreativas. Portanto, é fundamental garantir a qualidade dos dados de monitorização para evitar falsos alarmes ou ignorar eventos relevantes. Este trabalho irá concentrar-se na implementação de uma plataforma de acordo com uma arquitectura previamente definida, denominada de ANNODE. Esta arquitectura utiliza técnicas de Aprendizagem Automática, mais especificamente Redes Neuronais, com o intuito de criar previsões, medir a qualidade destas, detectar falhas e corrigi-las, em ambiente off-line. No entanto o foco deste trabalho, não é apenas a implementação desta arquitectura, mas sim a modificação desta permitindo utilizá-la num ambiente on-line, possibilitando o processamento de medições em tempo-real, mantendo todos os aspectos centrais anteriores. Como será possível ver nos capítulos seguintes, este trabalho obteve resultados positivos e comparando-os com a arquitectura original observaram-se melhorias.Wireless sensor networks consist of a set of devices equipped with sensors, with processing capabilities, and connected together in a wireless network, which perform the measurement of physical or environmental factors and transmit these measurements to some central node. Depending on the type of sensor attached to the node, it can perform various measurements such as temperature, pressure, velocity, etc. These devices will always be subject to interference due to external conditions, whether environmental or human, which can lead to poor communication between sensor nodes or can result in errors being introduced in measurements. When these unexpected measurements are produced, there is a need to detect and identify them, for which various methods can be implemented. This work will focus on the implementation of a monitoring platform in which the data processing methods for the detection and correction of these errors are based on neural networks. This work is done in the context of the AQUAMON project, which aims to create a dependable monitoring platform for application in aquatic environments. This work will focus on the implementation of a platform according to a previously defined architecture, called ANNODE. This architecture uses Machine Learning techniques, more specifically Neural Networks, in order to predict measurements and use this predictions to detect failures, measure the quality of measurements and correct erroneous measurements. The objective of the work was to implement a platform according to this architecture, therefore, rather than defining new methods for the detection of anomalies in sensor data, this work will exploit previous work done in AQUAMON on the definition of concrete methods for dependable monitoring, implementing them in a real-time platform, evaluating the implementation and proposing possible improvements.Costa, António Casimiro Ferreira da,1968-Ferreira, Pedro Miguel Frazão FernandesRepositório da Universidade de LisboaPenim, João Miguel Mendes2021-06-17T18:01:04Z202020202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/48628TID:202696057porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:51:59Zoai:repositorio.ul.pt:10451/48628Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:00:25.116677Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Implementação de soluções para confiabilidade de dados em redes de sensores sem fios
title Implementação de soluções para confiabilidade de dados em redes de sensores sem fios
spellingShingle Implementação de soluções para confiabilidade de dados em redes de sensores sem fios
Penim, João Miguel Mendes
Redes de sensores
Confiabilidade
Aprendizagem automática
Previsão em tempo-real
Redes Neuronais
Teses de mestrado - 2020
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Implementação de soluções para confiabilidade de dados em redes de sensores sem fios
title_full Implementação de soluções para confiabilidade de dados em redes de sensores sem fios
title_fullStr Implementação de soluções para confiabilidade de dados em redes de sensores sem fios
title_full_unstemmed Implementação de soluções para confiabilidade de dados em redes de sensores sem fios
title_sort Implementação de soluções para confiabilidade de dados em redes de sensores sem fios
author Penim, João Miguel Mendes
author_facet Penim, João Miguel Mendes
author_role author
dc.contributor.none.fl_str_mv Costa, António Casimiro Ferreira da,1968-
Ferreira, Pedro Miguel Frazão Fernandes
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Penim, João Miguel Mendes
dc.subject.por.fl_str_mv Redes de sensores
Confiabilidade
Aprendizagem automática
Previsão em tempo-real
Redes Neuronais
Teses de mestrado - 2020
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Redes de sensores
Confiabilidade
Aprendizagem automática
Previsão em tempo-real
Redes Neuronais
Teses de mestrado - 2020
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Tese de mestrado em Engenharia Informática (Sistemas de Informação), Universidade de Lisboa, Faculdade de Ciências, 2020
publishDate 2020
dc.date.none.fl_str_mv 2020
2020
2020-01-01T00:00:00Z
2021-06-17T18:01:04Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/48628
TID:202696057
url http://hdl.handle.net/10451/48628
identifier_str_mv TID:202696057
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134551010705408

Registros relacionados