Název: Comparison of machine learning models in outdoor temperature sensing by commercial microwave link
Autoři: Pospisil, Ondrej ; Musil, Petr ; Fujdiak, Radek
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: The main objective of this work is to focus on outdoor temperature prediction using machine learning based on parameters from commercial microwave links. This information can be used to refine the weather information at a given link location. Three machine learning models (random forest, linear regression, and lasso) are used for prediction using a combination of two datasets (ERA5 weather dataset and CML monitoring database dataset). The results were evaluated based on two evaluation metrics (R^2 and mean absolute error (MAE)). In this work, the ERA5 outdoor temperature was found to be correlated with the temperature of the microwave link unit, and results were obtained with an accuracy of 0.87144 based on the MAE metric. Thus, the results can fairly well predict actual outdoor temperatures in the microwave link area based on the microwave link unit temperature.
Klíčová slova: microwave link, machine learning, random forest, linear regression, lasso
Zdrojový dokument: Proceedings II of the 28st Conference STUDENT EEICT 2022: Selected papers, ISBN 978-80-214-6030-0

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/208660

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-511929


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference