机构名称：
¥ 1.0
1 南洋女子中学，2 Linden Drive，新加坡 288683 2 国家初级学院，37 Hillcrest Rd，新加坡 288913 3 河谷中学，6 Boon Lay Ave，新加坡 649961 4 国防科学技术局，1 Depot Rd，新加坡 109679 ____________________________________________________ 摘要 天气会衰减射频，因此传感器的性能会受到天气的显著影响，天气每天都会变化，并在一年中遵循一定的趋势和模式。本研究利用新加坡的历史天气数据集来分析和推断可以在降雨和温度中观察到的模式，以及随后传感器经历的信号衰减。我们开发了一个机器学习模型，使用 Logistic 回归和 XGBoost 算法来研究温度、风速和日期等参数之间的关系，以预测预期的每日降雨量，从而衡量传感器在特定日期的衰减情况。这可以应用于岛屿防空系统中使用的传感器，并用于优化各种天气条件下的传感器性能。 1 简介 1.1 背景与目标 射频 (RF) 在我们的军事防御中发挥着重要作用，因为电子战 (EW) 中使用的许多传感器都依靠 RF 来接收和发送信号。 EW 对其环境中的威胁信号做出反应，这些信号由接收器检测到，然后进行处理以供操作员识别。 然而，受天气影响的大气气溶胶浓度会衰减射频，导致传感器性能受到影响以及数据不准确。 因此，了解新加坡的气候条件对于找出天气对传感器性能的影响至关重要。 我们的目标是分析新加坡的天气，评估其对射频频谱的影响，并预测降雨量。 此外，我们打算利用机器学习 (ML) 模型来预测天气条件对射频传感器性能的影响。 1.2 射频基础知识 射频是指频率在 3 kHz 至 300 GHz 范围内的振荡频率，相当于无线电波的频率。[1] 转换为 dB 形式
官方（已关闭）
主要关键词
相关文件推荐
