المجلة الدولية للعلوم والتقنية
International Science and Technology Journal
ISSN: 2519-9854 (Online)
ISSN: 2519-9846 (Print)
مجلة علمية محكّمة تهتم بنشر البحوث والدراسات في مجال العلوم التطبيقية، تصدر دورياً تحت إشراف نخبة من الأساتذة
بناء نموذج فقد المسار للاتصالات اللاسلكية في المناطق القروية بمدينة مصراتة في ليبيا باستخدام تقنيات تعلم الآلة............
www.doi.org/10.62341/ammr2324
| الباحث(ون): | - علي عبدالحفيظ الروياتي
- محمد محمود الشوماني
- عبد القادر محمد الروياتي
|
|---|
| المؤسسة: | كلية التقنية الصناعية مصراتة
المعهد العالي للعلوم والتقنية مسلاته
كلية التقنية الصناعية مصراتة |
|---|
| المجال: | علوم الحاسوب و النظم الخبيرة وتقنية المعلومات |
|---|
| منشور في: | العدد الرابع و الثلاثون - أبريل 2024 |
|---|
الملخص
يعد التنبؤ بخسارة المسار ذا أهميةٍ كبيرةٍ في دراسات بناء وتطوير وتحسين أداء الشبكات اللاسلكية و الانتشار التدريجي لأنظمة الاتصالات الخليوية أو المتنقلة من الجيل الخامس(5G) وما تطلبه من دقة في الأداء وتقليل في الخسائر، عليه ينبغي اقتراح طرق جديدة للتنبؤ بخسارة المسار بدقة عالية وأقل تعقيد.في هذه الورقة تم تصميم وتنفيذ نماذج فقد المسار باستخدام تقنيات الذكاء الصناعي والتعلم الآلي والتي توظف قاعدة بيانات حقيقية مقاسة من أبراج شركة المدار الجديد في بيئة ريفية بمدينة مصراتةتعمل بتقنية GSM ضمن النطاق الترددي 900 ميجاهرتز. تظهر نتائج تقييم أداء النماذج المختلفة من تقنيات الذكاء الاصطناعي كشبكة الانحدار المعممة وشبكة الملائمة تفوقاً في الأداء على النماذج التقليدية كالنموذج البسيط والنموذج الخطي، حيث أظهرت النتائج أن متوسط مربعات الخطأ لنموذج فقد المسار البسيط (simplified model) يساوي 5.87، بينما تقل نسبة مربعات الخطأ في نموذج شبكة الانحدار المعممة (GRNN) إلى0.26، وفي نموذج شبكة الملائمة (Fitnet) تصل نسبة مربعات الخطأ إلى0.97، وفي نموذج التغذية الأمامية (Feedforward net) تساوي 1.35. و هذا يشير إلى أن نماذج فقد المسار المستخدمة بتقنيات الذكاء الاصطناعي أفضل من الطرق التقليدية.كما أظهرت الدراسة أن الترابط بين قيم القدرة المتنبئ به بواسطة نماذج الذكاء الصناعي والقدرة المقاسة تشير أن دقة التنبؤ عالية للنماذج المقترحة في الدراسة، حيث قيمة الترابط الكلية لنموذج الملاءمة (Fit net) تساوي R=0.9962 وكانت قيمة الترابط الكلية لنموذج التغذية الأمامية (Feedforward net) تساوي R=0.99399.ومن هنا يتضح جلياً أن النماذج المقترحة تمتاز بالدقة و الموثوقية ويمكن تطبيقها والاستفادة منها لحساب فقد المسار في المناطق الريفية والضواحي بدولة ليبيا.
الكلمات الدالة: الاتصالات اللاسلكية، الاتصالات الخليوية، فقد المسار، الشبكات العصبية الاصطناعية، تعلم الآلة، المناطق القروية.
Abstract
Path loss prediction is of great importance in studies of designing, developing, and improving the performance of wireless networks and mobile communication systems of the 5G which requires of accuracy in performance and reduction in losses. Therefore, new models should be proposed to predict path loss propagation with high accuracy and less complexity. In this paper, a path loss model was designed and implemented using artificial intelligence and machine learning techniques, which training and testing on a real database created based on maximum measured distance and received power from the base station in a GSM system operating in 900 MHz band, in a rural environment, Misurata, Libya. Traditional methods like the "simple path loss model" performed poorly, with an average error of 5.87. In contrast, modern models based on artificial intelligence (AI) like GRNN, Fitnet, and Feedforward Net achieved significantly lower errors, ranging from 0.26 to 1.35. Furthermore, the AI models showed a strong correlation between the predicted and actual signal strengths (correlation coefficient R reaching 0.9962 for Fitnet and 0.99399 for Feedforward Net). This indicates highly specific and reliable predictions.
Keywords: wireless communications, propagation loss prediction, ANN, machine learning, GRNN, urban area.