Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuva
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/35062 http://doi.org/10.14393/ufu.di.2022.205 |
Resumo: | Predicting the rate of rain and attenuation caused by it plays an essential role in the areas of communications. In other words, predicting attenuation due to rainfall is not a simple task to be solved mathematically, because the variables that cause the phenomenon are often nonlinear and have complicated behavior. This project is expected to predict rain attenuation in Brazil using the Artificial Neural Network (RNA). Ten-year rainfall data were collected from measurements performed in different geographical locations. The local covered all five states, representing all geographic areas of Brazil. RNA was trained to predict rain attenuation in these locations using annual rainfall data from 2012 to 2021. Two types of network architecture were used: Multilayer Perceptron Network (MLP) and Vector Quantization by Learning Network (LVQ), both with the same objective. The results of rain attenuation provided by RNA were compared with the results provided by the International Telecommunications Union (ITU) model, which is a well-established model. In terms of performance, they show that the predicted attenuation of RNA is in line with the forecast of the ITU model. On the other hand, the resulting RNA training is a useful tool for communication engineers to predict the attenuation of the rain of subsequent years and proactively solve the problem of signal attenuation inherent to the operation of the satellite path above 10 GHz. |
id |
UFU_19824f34b7f5021126a37cee0f325c06 |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/35062 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuvaComparison between LVQ and MLP networks In forecasting attenuation caused by rainAtenuação da chuvataxa de chuvaRNAmodelo ITUrede MLPrede LVQRain attenuationrain rateITU modelMLP networkLVQ networkCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOESEngenharia elétricaChuvas - Frequência da intensidadeRedes neurais (Computação)Predicting the rate of rain and attenuation caused by it plays an essential role in the areas of communications. In other words, predicting attenuation due to rainfall is not a simple task to be solved mathematically, because the variables that cause the phenomenon are often nonlinear and have complicated behavior. This project is expected to predict rain attenuation in Brazil using the Artificial Neural Network (RNA). Ten-year rainfall data were collected from measurements performed in different geographical locations. The local covered all five states, representing all geographic areas of Brazil. RNA was trained to predict rain attenuation in these locations using annual rainfall data from 2012 to 2021. Two types of network architecture were used: Multilayer Perceptron Network (MLP) and Vector Quantization by Learning Network (LVQ), both with the same objective. The results of rain attenuation provided by RNA were compared with the results provided by the International Telecommunications Union (ITU) model, which is a well-established model. In terms of performance, they show that the predicted attenuation of RNA is in line with the forecast of the ITU model. On the other hand, the resulting RNA training is a useful tool for communication engineers to predict the attenuation of the rain of subsequent years and proactively solve the problem of signal attenuation inherent to the operation of the satellite path above 10 GHz.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorDissertação (Mestrado)A previsão da taxa de chuva e a atenuação provocada por ela desempenha um papel essencial nas áreas de comunicações.Em outras palavras, prever a atenuação devido a precipitação pluviométrica não é uma tarefa simples de ser resolvida matematicamente, pois as variáveis que causam o fenômenos são frequentemente não lineares e apresentam comportamento complicados. Este projeto aprsenta a previsão da atenuação da chuva no Brasil utilizando a Rede Neural Artificial (RNA). Dados pluviométricos de dez anos foram coletados a partir de medições realizadas em diferentes localizações geográficas. Ao locais abrangiu todos os cinco estados, representando todas as áreas geográficas do Brasil. A RNA foi treinada para prever a atenuação da chuva nesses locais usando os dados anuais de chuvas fornecidos de 2012 a 2021. Foram utilizados dois tipos de arquitetura de redes: rede MLP e rede LVQ, ambas com mesmo objetivo. Os resultados da atenuação da chuva fornecidos pela RNA foram comparados com os resultados fornecidos pelo modelo da União Internacional de Telecomunicações (ITU), que é um modelo bem estabelecido. Em termos de desempenho, mostram que a atenuação prevista da RNA está de acordo com a previsão do modelo ITU. Por outro lado, o treinamento da RNA resultante é uma ferramenta útil para engenheiros de comunicação para prever a atenuação da chuva dos anos subsequentes e resolver proativamente o problema de atenuação do sinal inerente à operação do caminho satélite acima de 10 GHz.Universidade Federal de UberlândiaBrasilPrograma de Pós-graduação em Engenharia ElétricaCarrijo, Gilberto Aranteshttp://lattes.cnpq.br/1358511937659656Coutinho, Alexandre Mateushttp://lattes.cnpq.br/5723816513897339Arruda, Benedito Alencarhttp://lattes.cnpq.br/4692712866129834Domingos, Andréia Coelho2022-05-18T18:28:14Z2022-05-18T18:28:14Z2022-05-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfDOMINGOS, Andreia Coelho. Comparação entre as Redes LVQ e MLP Na Previsão da Atenuação Provocada pela Chuva. 2022. 69 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.di.2022.205https://repositorio.ufu.br/handle/123456789/35062http://doi.org/10.14393/ufu.di.2022.205porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2022-08-08T19:30:06Zoai:repositorio.ufu.br:123456789/35062Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-08-08T19:30:06Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuva Comparison between LVQ and MLP networks In forecasting attenuation caused by rain |
title |
Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuva |
spellingShingle |
Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuva Domingos, Andréia Coelho Atenuação da chuva taxa de chuva RNA modelo ITU rede MLP rede LVQ Rain attenuation rain rate ITU model MLP network LVQ network CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES Engenharia elétrica Chuvas - Frequência da intensidade Redes neurais (Computação) |
title_short |
Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuva |
title_full |
Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuva |
title_fullStr |
Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuva |
title_full_unstemmed |
Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuva |
title_sort |
Comparação entre as redes LVQ e MLP na previsão da atenuação provocada pela chuva |
author |
Domingos, Andréia Coelho |
author_facet |
Domingos, Andréia Coelho |
author_role |
author |
dc.contributor.none.fl_str_mv |
Carrijo, Gilberto Arantes http://lattes.cnpq.br/1358511937659656 Coutinho, Alexandre Mateus http://lattes.cnpq.br/5723816513897339 Arruda, Benedito Alencar http://lattes.cnpq.br/4692712866129834 |
dc.contributor.author.fl_str_mv |
Domingos, Andréia Coelho |
dc.subject.por.fl_str_mv |
Atenuação da chuva taxa de chuva RNA modelo ITU rede MLP rede LVQ Rain attenuation rain rate ITU model MLP network LVQ network CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES Engenharia elétrica Chuvas - Frequência da intensidade Redes neurais (Computação) |
topic |
Atenuação da chuva taxa de chuva RNA modelo ITU rede MLP rede LVQ Rain attenuation rain rate ITU model MLP network LVQ network CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES Engenharia elétrica Chuvas - Frequência da intensidade Redes neurais (Computação) |
description |
Predicting the rate of rain and attenuation caused by it plays an essential role in the areas of communications. In other words, predicting attenuation due to rainfall is not a simple task to be solved mathematically, because the variables that cause the phenomenon are often nonlinear and have complicated behavior. This project is expected to predict rain attenuation in Brazil using the Artificial Neural Network (RNA). Ten-year rainfall data were collected from measurements performed in different geographical locations. The local covered all five states, representing all geographic areas of Brazil. RNA was trained to predict rain attenuation in these locations using annual rainfall data from 2012 to 2021. Two types of network architecture were used: Multilayer Perceptron Network (MLP) and Vector Quantization by Learning Network (LVQ), both with the same objective. The results of rain attenuation provided by RNA were compared with the results provided by the International Telecommunications Union (ITU) model, which is a well-established model. In terms of performance, they show that the predicted attenuation of RNA is in line with the forecast of the ITU model. On the other hand, the resulting RNA training is a useful tool for communication engineers to predict the attenuation of the rain of subsequent years and proactively solve the problem of signal attenuation inherent to the operation of the satellite path above 10 GHz. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-05-18T18:28:14Z 2022-05-18T18:28:14Z 2022-05-09 |
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 |
DOMINGOS, Andreia Coelho. Comparação entre as Redes LVQ e MLP Na Previsão da Atenuação Provocada pela Chuva. 2022. 69 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.di.2022.205 https://repositorio.ufu.br/handle/123456789/35062 http://doi.org/10.14393/ufu.di.2022.205 |
identifier_str_mv |
DOMINGOS, Andreia Coelho. Comparação entre as Redes LVQ e MLP Na Previsão da Atenuação Provocada pela Chuva. 2022. 69 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.di.2022.205 |
url |
https://repositorio.ufu.br/handle/123456789/35062 http://doi.org/10.14393/ufu.di.2022.205 |
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.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Engenharia Elétrica |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Engenharia Elétrica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1813711383170121728 |