Detalhes bibliográficos
| Ano de defesa: |
2012 |
| Autor(a) principal: |
Valdir Gil Pillat |
| Orientador(a): |
Lamartine Nogueira Frutuoso Guimarães |
| Banca de defesa: |
Solon Venâncio de Carvalho,
José Humberto Andrade Sobral,
João Manoel Losada Moreira,
Roberto Schirru |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Instituto Nacional de Pesquisas Espaciais (INPE)
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação do INPE em Computação Aplicada
|
| Departamento: |
Não Informado pela instituição
|
| País: |
BR
|
| Resumo em Inglês: |
The ionosphere is the ionized portion of Earth´s atmosphere and its study is very important due, as for instance, to its influence on the satellite signal transmission. The digital ionosonde is a sensor that measures the electronic plasma density on the lower ionosphere. This measurement is performed by radio frequency, and generates frequency spectra as a function of height, the so called ionograms. Some of the ionosphere parameters that may be drawn from the ionogram and allow the understanding of the ionosphere phenomenology is: the base height (h´F), the electron density peak frequency (foF2) and the electron density peak height (hpF2) of the F region. Up to recently these parameters are extracted from the ionograms manually, which means that this operation is subjected to the interpretation of a human analyst. Due to a great amount of collected data a standardization of gathering and processing becomes necessary for this processo This work presents a computational model that aims to raise the compilation capacity for analysis of the ionosonde data. This computational model incorporates cognitive aspects of the specialist reasoning. This computational mo del development was based in two parts. The first part uses fuzzy logic paradigm, more specifically the fuzzy relation, to solve the association process of categorizing data according to the ionosphere region in which it is located. In this way, it identifies the F ionospheric trace from which the data is part of. The objective of this part is to allow the model to isolate the desired ionospheric region, more precisely the F trace region. The second part uses a polynomial fit based on the Gauss elimination to allow the ionospheric parameter extraction. This development joint together the heuristics used by specialists to classify and identify parameters from the ionospheric data. The operational benefits are significant. The human interference in the data analysis process was greatly reduced. That has greatly reduced the dependency of the analysis on knowledge perception and human experience, and increased consistency of the analysis. By standardizing the analysis, the human mood dependency was minimized. A new and original paradigm was created to perform the space weather analysis that allow for better results, reliability and consistency with greatly reduced processing time, given the huge amount of data collected. |
| Link de acesso: |
http://urlib.net/sid.inpe.br/mtc-m19/2012/11.19.12.07
|
Resumo: |
A ionosfera é a porção ionizada da atmosfera terrestre e o seu estudo é muito importante devido à sua influência na transmissão de sinais de satélite. A ionossonda digital é um dos instrumentos que mede a densidade eletrônica da baixa ionosfera, através de rádio frequência, obtendo como resultado espectros de frequência em função da altura chamados ionogramas. A ionosfera pode ser analisada estudandose alguns parâmetros ionosféricos que indicam a altura da base da região F(h´F), a frequência com o pico de densidade eletrônica na região F (foF2) e a altura do pico de densidade eletrônica na região F(hpF2). Até o presente momento, estes parâmetros são extraídos dos ionogramas de uma forma manual e dependente da interpretação de um analista. Devido à grande quantidade de dados coletados pelas ionossondas necessita-se de uma automatização deste processo de coleta e análise. Este trabalho apresenta um modelo de apoio à decisão para o processo de análise dos dados coletados por ionossondas com o propósito de elevar a capacidade de compilação dos dados ionosféricos. Este modelo incorpora os aspectos cognitivos dos especialistas. A implementação do modelo de apoio à decisão foi estruturada em duas partes: a primeira parte propõe uma abordagem de lógica nebulosa, relação nebulosa, para o problema de associação de dados, classificando os dados conforme a camada da ionosfera que ele pertence e identificando o traço ionosférico da região F. O objetivo desta parte é aprimorar as fases de observação e de orientação do modelo pela otimização do processamento dos dados de modo que o modelo processe de forma isolada cada região ionosférica. A segunda parte propõe o emprego do ajuste de curva polinomial utilizando o método de eliminação de Gauss para resolver o sistema linear de funções e determinar os parâmetros para ajustar uma curva sobre o traço ionosférico e utilizá-la como guia na extração dos parâmetros ionosféricos. Esta abordagem agrega as heurísticas empregadas pelos especialistas para apoiar a classificação e a identificação dos parâmetros ionosféricos. Os benefícios operacionais obtidos foram significativos. Reduziu-se a interferência humana no processo de análise dos dados, minimizando a dependência do conhecimento no treinamento e na experiência do analista para extrair os parâmetros ionosféricos a partir dos ionogramas. Criou-se assim um paradigma novo e original que auxilia o analista de clima espacial a obter resultados melhores, mais confiáveis e com homogeneidade de tratamento na análise em um tempo menor. |
