???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/3650
Tipo do documento: Dissertação
Título: Predição da cintilação ionosférica de amplitude pela aplicação de métodos de aprendizagem de máquina.
Título(s) alternativo(s): Prediction of amplitude ionospheric scintillation by application of machine learning methods.
Autor: CARVALHO, Otávio 
Primeiro orientador: BARRADAS FILHO, Alex Oliveira
Primeiro membro da banca: BARRADAS FILHO, Alex Oliveira
Segundo membro da banca: CARVALHO, André Carlos Ponce de Leon Ferreira de
Terceiro membro da banca: SOUZA, Francisco das Chagas de
Quarto membro da banca: FONSECA NETO, João Viana da
Resumo: A sociedade atual está cada vez mais dependente de produtos e serviços baseados no uso de satélites, dentre os quais destacam-se os sistemas de comunicação e navegação via satélite, tecnologias afetadas diretamente pelo fenômeno da cintilação ionosférica, que pode comprometer ou até mesmo inviabilizar a utilização de tais sistemas. Nesse contexto, torna-se importante desenvolver ferramentas capazes de prever a ocorrência da cintilação ionosférica, no entanto, a modelagem deste fenômeno é bastante complexa devido à influência de uma série de outros aspectos. Portanto, o principal objetivo deste trabalho é desenvolver modelos preditivos de curto prazo, tanto de caráter quantitativo quanto qualitativo, acerca da cintilação ionosférica de amplitude. Para isso serão usadas técnicas de aprendizagem de máquina, considerando informações relativas à atividade geomagnética, à dependência temporal e geográfica do fenômeno, às atividades solar e interplanetária e ao estado da ionosfera, avaliando a influência de diferentes atributos no desempenho dos modelos obtidos. A metodologia usada baseou-se no emprego de técnicas de aprendizagem de máquina, tanto de regressão quanto de classificação, destacando os algoritmos Random Forest, regressão logística e regressão linear múltipla. Os principais resultados obtidos relacionam-se à predição da cintilação ionosférica com 30 minutos de antecedência, além dos aspectos relativos à análise dos atributos utilizados. Por fim, são indicados os direcionamentos futuros da pesquisa realizada.
Abstract: Today’s society is increasingly dependent on products and services based on the use of satellites, among which satellite communication and navigation systems stand out, technologies directly affected by the phenomenon of ionospheric scintillation, which can compromise or even make unfeasible the use of such systems. In this context, it becomes important to develop tools capable of predicting the occurrence of ionospheric scintillation, however, the modeling of this phenomenon is quite complex due to the influence of several other aspects. Therefore, the main objective of this work is to develop short-term predictive models, both quantitative and qualitative, about amplitude ionospheric scintillation. For this, machine learning techniques will be used, considering information related to geomagnetic activity, temporal and geographic dependence of the phenomenon, solar and interplanetary activities and the state of the ionosphere, evaluating the influence of different attributes on the performance of the models obtained. The methodology used was based on the use of machine learning techniques, both regression and classification, highlighting the algorithms Random Forest, logistic regression, and multiple linear regression. The main results obtained are related to the prediction of ionospheric scintillation 30 minutes in advance, in addition to aspects related to the analysis of the attributes used. Finally, the future directions of the research carried out are indicated.
Palavras-chave: Comunicação e navegação via satélite;
Cintilação ionosférica;
Modelos preditivos;
Aprendizagem de máquina
Satellite communication and navigation;
Ionospheric scintillation;
Predictive models;
Machine learning
Área(s) do CNPq: Engenharia Aeroespacial
Idioma: por
País: Brasil
Instituição: Universidade Federal do Maranhão
Sigla da instituição: UFMA
Departamento: DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET
Programa: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AEROESPACIAL/CCET
Citação: CARVALHO, Otávio. Predição da cintilação ionosférica de amplitude pela aplicação de métodos de aprendizagem de máquina.. 2021. 90 f. Dissertação( Programa de Pós-Graduação em Engenharia Aeroespacial/CCET) - Universidade Federal do Maranhão, São Luis, 2021.
Tipo de acesso: Acesso Aberto
URI: https://tedebc.ufma.br/jspui/handle/tede/tede/3650
Data de defesa: 21-Dec-2021
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AEROESPACIAL (PPGAero)

Files in This Item:
File Description SizeFormat 
Otávio_Carvalho.pdfDissertação de Mestrado2,07 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.