แบบจำลองทำนายการลดทอนของสัญญาณอันเนื่องจากฝนสำหรับการสื่อสารผ่านดาวเทียมโดยใช้โครงข่ายประสาทเทียม

Rain attenuation prediction modeling for earth-space links using artificial neural networks

Name: ศรันยู วิสุทธิเมธีกร

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วศ.ม. (วิศวกรรมไฟฟ้า) 2562

Classification :.LCCS: TK5104

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. สาขาวิศวกรรมไฟฟ้า -- วิทยานิพนธ์

ThaSH: การสื่อสารผ่านดาวเทียม

ThaSH: ช่องทางการสื่อสาร -- แบบจำลอง

ThaSH: ฝน -- แบบจำลอง

ThaSH: นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)

Abstract: การทำนายสถิติการลดทอนสัญญาณอันเนื่องจากฝนของคลื่นวิทยุเป็นสิ่งสำคัญสำหรับการสื่อสารผ่านดาวเทียม ในปัจจุบันแบบจำลองทำนายการลดทอนสัญญาณอันเนื่องจากฝนที่มีอยู่ส่วนใหญ่เป็นแบบกึ่งเอมพิริคัล (semi-empirical) ซึ่งมีความแม่นยำที่จำกัดและพบว่ามีพฤติกรรมผิดปกติเกิดขึ้น โดยเฉพาะอย่างยิ่งการเชื่อมต่อสำหรับการสื่อสารผ่านดาวเทียมที่มีค่าพารามิเตอร์แตกต่างไปจากการเชื่อมต่อที่ถูกใช้ในการพัฒนาแบบจำลองดังกล่าว เนื่องจากขีดความสามารถของมนุษย์ที่มีอยู่อย่างจำกัด และฐานข้อมูลที่ใช้ในการพัฒนาแบบจำลองมีขนาดค่อนข้างเล็ก สำหรับงานวิจัยนี้แบบจำลองทำนายการลดทอนของสัญญาณอันเนื่องจากฝนถูกพัฒนาโดยใช้โครงข่ายประสาทเทียม (Artificial Neural Network: ANN) ที่มีชั้นซ่อนเร้น (hidden layer) ชั้นเดียว ถึงแม้จะเป็นโครงข่ายประสาทเทียมอย่างง่าย แต่แบบจำลองโดยใช้โครงข่ายประสาทเทียมเหล่านี้หากถูกฝึกอบรมด้วยฐานข้อมูลที่มีขนาดใหญ่เพียงพอก็สามารถให้สมรรถนะที่ดีกว่าแบบจำลองที่มีอยู่ส่วนใหญ่ แม้ว่าปัญหาการโอเวอร์ฟิต (Overfitting) ไม่สามารถหลีกเลี่ยงได้สำหรับการฝึกอบรมด้วยฐานข้อมูลที่มีขนาดเล็กเหมือนกับแบบจำลองที่มีอยู่ส่วนใหญ่ อย่างไรก็ตามปัญหานี้สามารถถูกบรรเทาลงได้โดยวิธีการขยายฐานข้อมูลที่ถูกนำเสนอในงานวิจัยนี้ ผลจากการศึกษาและทดลองพบว่าแบบจำลองที่ใช้โครงข่ายประสาทเทียมที่พัฒนาโดยใช้ฐานข้อมูลที่ถูกขยายแล้วสามารถให้สมรรถนะที่ดีและตอบสนองต่อกฎเกณฑ์ความสอดคล้องทางกายภาพได้อีกด้วย Predicting rain attenuation statistics of radio links is important for satellite communications. Currently, most existing rain attenuation prediction models are semi-empirical, with limited accuracy and anomalous behaviors, especially for links different from those used to develop these models. This is due to the limited human capability and the relatively small database for model development. In this work, rain attenuation prediction models were developed using an artificial neural network (ANN) with a single hidden layer. Despite of their simplicity, these ANN-based models, with sufficiently large training databases, can provide better performances than most existing models. Although, like most existing models, the overfitting is unavoidable for small training databases, it could be mitigated using the proposed method of database expansion. An ANN-based model developed using this expanded database could feasibly satisfy the physical consistency criteria with reasonably good performances.

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: พันศักดิ์ เทียนวิบูลย์

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Created: 2562

Modified: 2567-06-13

Issued: 2567-06-13

วิทยานิพนธ์/Thesis

application/pdf

URL: https://kasetsart.idm.oclc.org/login?url=https://www.lib.ku.ac.th/KUthesis/2562/saranyoo-wis-all.pdf

CallNumber: TK5104.ก17

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมไฟฟ้า

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	saranyoo-wis-all.pdf	4 MB	1	2025-04-24 03:35:38

ใช้เวลา

0.033534 วินาที