Utilização de inteligência computacional no aprimoramento dos modelos de propagação perda no espaço livre, Okumura-Hata, COST 231, ECC-33, Egli e a recomendação ITU-P.1546

• Ano de defesa: 2024
• Autor(a) principal: Jorge Júnior, Evandro Monteiro Jorge
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Uberlândia; Brasil; Programa de Pós-graduação em Engenharia Elétrica
• Palavras-chave em Português: Algoritmos Genéticos; Inteligência Computacional; Evolução Diferencial; Propagação de Ondas; Redes Neurais Artificiais; Perda de Percurso; CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::TEORIA ELETROMAGNETICA, MICROONDAS, PROPAGACAO DE ONDAS, ANTENAS; CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES; Engenharia Elétrica; ODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação.
• Link de acesso: https://repositorio.ufu.br/handle/123456789/44612; http://doi.org/10.14393/ufu.te.2024.791

This research proposes the enhancement of electromagnetic wave propagation loss prediction models through the integration of artificial neural networks, genetic algorithms, and differential evolution. Traditional models, such as Free Space Loss, Okumura-Hata, Cost 231, ECC-33, Egli, and the ITU-P.1546 Recommendation, are combined with these methods to predict losses, enabling the generation of analytical expressions for their calculation. In this context, the proposed algorithms are classified as hybrid models, standing out by contrasting traditional approaches. A significant contribution of this study is the inclusion of altitude as an additional parameter in the analytical expressions, improving accuracy in path loss calculation through the developed prediction models.