ANN-based model for multiband path loss prediction in built-up environments نموذج قائم على ANN للتنبؤ بفقدان المسار متعدد النطاقات في البيئات المبنية Modèle basé sur l'ans pour la prédiction de la perte de trajet multibande dans les environnements bâtis Modelo basado en Ann para la predicción de pérdida de trayectoria multibanda en entornos construidos

Path loss propagation models are critically needed for optimum planning and deployment of wireless communication networks. However, the complexity exhibited by the propagated signals makes the prediction of the received losses difficult in built-up environments. There is however a new paradigm shift towards the application of computational methodologies, such as the Artificial Neural Networks (ANN), for multi-band path loss prediction. In this paper, we have developed a new ANN-based model for path loss prediction. The model was developed using large scale path loss data collected across 485 base stations in 6 urban cities of Nigeria, West Africa. The data collection, which spanned a period of 9 years, were taken over open areas, sub urban and urban environments, and the bands considered were 89.3 MHz, 103.5 MHz, 203.25MHz, 429.25 MHz, 529.25MHz, 615.25MHz, 629.25MHz, 900MHz, 1800 MHz and 2100MHz. The developed model was validated using independent path loss data across different frequencies, environments; and, distances and the results were compared with the popular empirical models such as Hata, COST 231 and Egli models, and to previously published ANN-based multi-frequency models. The global performance of 4.81 dB was obtained in terms of RMSE value with an R-value of 0.96, thus outperforming the existing ANN-based path loss models that were developed for multiple frequencies. Based on these findings, the proposed model can be deployed across all categories since the average RMSE values are all within the acceptable thresholds. Furthermore, the model is multi-frequency, thus will be suitable for multiple and complex environments, and usable for both short- and long-range wireless communication networks هناك حاجة ماسة إلى نماذج انتشار فقدان المسار للتخطيط الأمثل ونشر شبكات الاتصالات اللاسلكية. ومع ذلك، فإن التعقيد الذي تظهره الإشارات المنتشرة يجعل التنبؤ بالخسائر المتلقاة صعبًا في البيئات المبنية. ومع ذلك، هناك تحول نموذجي جديد نحو تطبيق المنهجيات الحسابية، مثل الشبكات العصبية الاصطناعية (ANN)، للتنبؤ بفقدان مسار متعدد النطاقات. في هذه الورقة، قمنا بتطوير نموذج جديد قائم على ANN للتنبؤ بفقدان المسار. تم تطوير النموذج باستخدام بيانات فقدان المسار واسعة النطاق التي تم جمعها عبر 485 محطة أساسية في 6 مدن حضرية في نيجيريا، غرب أفريقيا. تم جمع البيانات، التي امتدت على مدى 9 سنوات، على المناطق المفتوحة والبيئات شبه الحضرية والحضرية، وكانت النطاقات التي تم النظر فيها 89.3 ميجا هرتز و 103.5 ميجا هرتز و 203.25 ميجا هرتز و 429.25 ميجا هرتز و 529.25 ميجا هرتز و 615.25 ميجا هرتز و 629.25 ميجا هرتز و 900 ميجا هرتز و 1800 ميجا هرتز و 2100 ميجا هرتز. تم التحقق من صحة النموذج المطور باستخدام بيانات مستقلة لفقدان المسار عبر ترددات وبيئات مختلفة ؛ وتمت مقارنة المسافات والنتائج مع النماذج التجريبية الشائعة مثل نماذج HATA و COST 231 و EGLI، ونماذج متعددة الترددات قائمة على ANN تم نشرها مسبقًا. تم الحصول على الأداء العالمي البالغ 4.81 ديسيبل من حيث قيمة RMSE بقيمة R تبلغ 0.96، وبالتالي تفوق على نماذج فقدان المسار القائمة على ANN والتي تم تطويرها لترددات متعددة. بناءً على هذه النتائج، يمكن نشر النموذج المقترح في جميع الفئات لأن متوسط قيم RMSE كلها ضمن العتبات المقبولة. علاوة على ذلك، فإن النموذج متعدد الترددات، وبالتالي سيكون مناسبًا للبيئات المتعددة والمعقدة، ويمكن استخدامه لشبكات الاتصالات اللاسلكية قصيرة وطويلة المدى Les modèles de propagation de perte de trajet sont essentiels pour une planification et un déploiement optimaux des réseaux de communication sans fil. Cependant, la complexité présentée par les signaux propagés rend la prédiction des pertes reçues difficile dans les environnements bâtis. Il y a cependant un nouveau changement de paradigme vers l'application de méthodologies de calcul, telles que les réseaux de neurones artificiels (RNA), pour la prédiction de la perte de trajet multibande. Dans cet article, nous avons développé un nouveau modèle basé sur l'ans pour la prédiction de la perte de trajectoire. Le modèle a été développé à l'aide de données de perte de trajet à grande échelle collectées dans 485 stations de base dans 6 villes urbaines du Nigeria, en Afrique de l'Ouest. La collecte de données, qui s'étend sur une période de 9 ans, a été effectuée sur des zones ouvertes, des environnements suburbains et urbains, et les bandes considérées étaient 89,3 MHz, 103,5 MHz, 203,25 MHz, 429,25 MHz, 529,25 MHz, 615,25 MHz, 629,25 MHz, 900 MHz, 1800 MHz et 2100 MHz. Le modèle développé a été validé à l'aide de données indépendantes sur la perte de trajet à travers différentes fréquences, environnements ; et les distances et les résultats ont été comparés aux modèles empiriques populaires tels que les modèles Hata, COST 231 et Egli, et aux modèles multifréquences basés sur l'ans précédemment publiés. La performance globale de 4,81 dB a été obtenue en termes de valeur RMSE avec une valeur R de 0,96, surpassant ainsi les modèles de perte de trajet basés sur l'ans existants qui ont été développés pour plusieurs fréquences. Sur la base de ces résultats, le modèle proposé peut être déployé dans toutes les catégories, car les valeurs RMSE moyennes se situent toutes dans les seuils acceptables. En outre, le modèle est multifréquence, donc adapté à des environnements multiples et complexes, et utilisable pour les réseaux de communication sans fil à courte et longue portée Los modelos de propagación de pérdida de ruta son críticamente necesarios para una planificación y despliegue óptimos de las redes de comunicación inalámbrica. Sin embargo, la complejidad exhibida por las señales propagadas dificulta la predicción de las pérdidas recibidas en entornos construidos. Sin embargo, hay un nuevo cambio de paradigma hacia la aplicación de metodologías computacionales, como las Redes Neuronales Artificiales (ANN), para la predicción de pérdida de trayectoria multibanda. En este documento, hemos desarrollado un nuevo modelo basado en Ann para la predicción de pérdida de ruta. El modelo se desarrolló utilizando datos de pérdida de trayectoria a gran escala recopilados en 485 estaciones base en 6 ciudades urbanas de Nigeria, África Occidental. La recopilación de datos, que abarcó un período de 9 años, se realizó en áreas abiertas, entornos suburbanos y urbanos, y las bandas consideradas fueron 89.3 MHz, 103.5 MHz, 203.25 MHz, 429.25 MHz, 529.25 MHz, 615.25 MHz, 629.25 MHz, 900 MHz, 1800 MHz y 2100 MHz. El modelo desarrollado se validó utilizando datos independientes de pérdida de trayectoria en diferentes frecuencias, entornos; y, las distancias y los resultados se compararon con los modelos empíricos populares como los modelos Hata, COST 231 y Egli, y con modelos multifrecuencia basados en Ann publicados anteriormente. El rendimiento global de 4,81 dB se obtuvo en términos de valor RMSE con un valor R de 0,96, superando así los modelos de pérdida de trayectoria basados en RNA existentes que se desarrollaron para múltiples frecuencias. Con base en estos hallazgos, el modelo propuesto se puede implementar en todas las categorías, ya que los valores promedio de RMSE están dentro de los umbrales aceptables. Además, el modelo es multifrecuencia, por lo que será adecuado para entornos múltiples y complejos, y utilizable para redes de comunicación inalámbrica de corto y largo alcance