ロラと機械学習を使用した天気予報
導入
LORAを使用した気象予測は、天候を予測するための簡素化された費用対効果の高い方法です。高度でリアルタイムの気象条件を予測するためにそれを使用します。
問題ステートメント
衛星通信を使用して完了しました
細胞通信（3G、4G）は不可能です
目的
- リアルタイムの気象データ送信のためのLORA通信システムを開発する。
- リアルタイムの天気予報のためにプロトタイプシステムを設計および実装する。
- 気象予測のための機械学習アルゴリズムの使用を調査する。
文献レビュー
- 機械学習は、私たちの実験と相まって関連する研究の研究を通じて、時間の経過とともに気象予測の範囲で従来の数学モデルよりも優れています。[5]
- 最近、気象予測と気候データセットの生成の両方にニューラルネットワークを使用する可能性に関心が高まっています。[10]
- ロラは、次の将来のIoTの発展における問題の複雑さを解決する上で良い候補者と見なすことができます。[2]
- LORAトランスミッションの実験は、LORAテクノロジーが、特に他のワイヤレス送信技術と比較して、特に長距離伝送において大気汚染システムに非常に適していることを示しています。[11]
方法論
BMP 180およびDHT 11センサーの気象データは、LORAを使用して送信機から受信機セクションに送信されます。 Receiver StationのArduinoは、センサーデータをノードサーバーに送信します。ノードサーバーchart.jsを使用してライブ気象データを表示します。ノードサーバーは、気象予測のためにAPIをFlask Serverに呼び出します。 Flask Serverは、ユーザーが気象予測のために入力パラメーターを入力するときに機械学習モデルを呼び出します。
システムブロック図
システムアクティビティ図
ノードアクティビティ図
フラスコのアクティビティ図
回路レイアウト
機械学習パイプライン
a。モデルトレーニングのためのデータ収集。
b。データフィルタリング
機能エンジニアリング
生データを機械学習アルゴリズムに適した形式に変換して、意味のあるパターンを抽出し、正確な予測を行います。
図：湿度
図：温度
図：圧力
モデルの選択
xgboostアルゴリズムは、次の理由により、モデルをトレーニングするために使用されました。
- データの複雑で非線形の関係を処理するように設計された高い予測パフォーマンスを備えており、他のアルゴリズムで見逃される可能性のある微妙なパターンをキャプチャできます
- 分類タスクと回帰タスクの両方に使用できます。
- 機能の重要性に関する貴重な洞察を提供します。機能の重要性スコアを計算します。機能が使用され、すべてのブーストツリーにデータを分割するために使用されます。
- 高度に最適化されており、実行速度が高速で提供されます。
- Xgboostには、欠落データを処理する機能が組み込まれています。ツリービルディングプロセス中に情報に基づいた決定を下すことにより、欠損値を処理する方法を学ぶことができます。
- 選択したモデルは、収集されたデータを使用してトレーニングされます。データの80％がトレーニングに使用され、残りの20％のデータがテストに使用されます。
- 次のパラメーターのルート平均平方根誤差計算
結果
ライブウェザーレポート
天候の予測
将来の強化
- 機械学習は、より多くのデータセットとより良いアルゴリズムを使用して改善できます。
- LORAのデータは、データベースで収集して、より正確な気象予測のためのトレーニングデータセットとして使用できます。
- このプロジェクトは、雨と山岳地帯での雪崩の可能性を予測するために、より多くの大気データを含めるように拡張できます。
参照
- [1] Singh、DK、Sobti、R.、Jain、A.、Malik、PK、Le、D.-N。：スマートシティの精密な農業のためのモノのインターネットを備えたLoraベースのインターネリットの監視。 iet commun。 16、604–618（2022）。
- [2]それは、アリとRFサリ、「モノのインターネット実装のためのロラワンの研究機会」、2018年第2回電磁技術（AEMT）に関する第2回国際会議、ロンボク、インドネシア、2018、pp。61-66、DOI：10.1109/AEMT.2018.8572427。
- [3] Pozdnoukhov、A.、Purves、R。、＆Kanevski、M。（2008）。雪崩予測に機械学習方法を適用します。氷河学の年代記、49、107-113。 doi：10.3189/172756408787814870
- [4] Augustin、A.、Yi、J.、Clausen、T。and Townsley、WM2016。Loraの研究：長距離＆amp;モノのインターネットのための低電力ネットワーク。センサー。 16、9（2016年9月）、1466。doi：https：//doi.org/10.3390/S16091466。
- [5] B. QuinnおよびE. Abdelfattah、「機械学習気象学者は雨を予測できます」、2019 IEEE第10回ユビキタスコンピューティング、エレクトロニクス＆モバイルコミュニケーション会議（UEMCON）、ニューヨーク、ニューヨーク、米国、2019年、pp。0057-0062、DOI：10.1109/UEMCON47517.2019.8992997。
- [6] Goldoni、E.、Prando、L.、Vizziello、A.、Savazzi、P。and Gamba、P.2019。インターネットテクノロジーレター。 2、1（2019年1月）、E75。 doi：https：//doi.org/10.1002/itl2.75。
- [7]ジッタ・シバン、SS Sridhar、「機械学習を使用したインドの場所の天気予測」、International Journal of Pure and Applied Mathematics Volume 118 No. 22 2018、1945-1949 ISSN：1314-3395（オンラインバージョン）。
- [8] TAチーム、「Nano」、Arduinoドキュメント、https：//docs.arduino.cc/hardware。
- [9] D. HudgeonおよびR. Nichol、「ビジネスのための機械学習：Amazon Sagemaker and Jupyterを使用する」、Amazon、https：//docs.aws.amazon.com/sagemaker/latest/dg/xgboost-howitworks.html。
- [10] S. Scher and G. Messori、「神経ネットワークによる気象と気候予測：研究場として異なる複雑さを持つ一般循環モデル（GCM）を使用する」地球科学モデル開発、https：//doi.org/10.5194/gmd-12-2797-2019。
- [11] Naa Husein、Aha Rahman、およびDP Dahnil、「Loraベースの大気汚染監視システムの評価」、International Journal of Advanced Computer Science and Applications（IJACSA）、http：//dx.doi.org/10.14569/IJACSA.2019.0100753
{％file src = "。gitbook/assets/minorpresentation.pdf"％}プレゼンテーション{％endfile％}
