Fig 1: Vergelykings Opstelling

Van Rooi het 411 terreinverbindings oor vyf basisstasies teen 'n frekwensie van 40 MHz gesimuleer, met werklike terreindata van die SKA-terrein. Elke voorspelling is daarna vergelyk met gemete velddata om elke model se tekortkominge te identifiseer.

Meet Wat “Verkeerd” Beteken

Nie elke voorspellingsfout is ewe beduidend nie. In radiokoppelingsbeplanning is die seinmarge ’n nuttige verwysingspunt — die ingeboude seinbuffer wat ingenieurs byvoeg om wisselende toestande in berekening te bring. Met 'n ±10 dB-drempel as anomaliegrens het die projek elke voorspelling in een van drie kategorieë geklassifiseer: nie-anomalies, pessimistiese anomalie (die model het slegter ontvangs voorspel as wat gemeet is) of optimistiese anomalie (die model het beter ontvangs voorspel as die werklikheid). Optimistiese anomalieë is in die praktyk veral problematies, aangesien dit voorstel dat 'n koppeling sal werk wanneer dit moontlik nie sal nie.

Hierdie klassifiseringstelsel het die projek 'n gestruktureerde manier gegee om die twee modelle te vergelyk en hul foutkoerse onder identiese omstandighede te kwantifiseer.

Fig 2: Anomalieklassifikasiedrempel

Masjienleer om die Oorsaak te Vind

Om foute te tel, vertel slegs die helfte van die storie. Van Rooi het masjienleer gebruik om 'n stap verder te gaan en te identifiseer watter terreinkenmerke waarskynlik anomalieë in elke model veroorsaak. Drie klassifiseerders is getoets: Random Forest, XGBoost en 'n Ensemble-model — met noukeurige valideringstappe, insluitend 'n 80/20 opleidings-toets-verdeling, SMOTE-oorbemonster slegs op opleidingsdata om datalekke te vermy, en vyfvoudige kruisvalidering om stabiliteit te bevestig.

Statistiese toetse (Kruskal-Wallis en Mann-Whitney U) het bevestig dat die verskille tussen anomaliese en nie-anomaliese koppelings beduidend was, nie toevallig nie. Die beste presterende klassifiseerders het 'n twee- tot vyfvoudige verbetering bo 'n toevallige basislyn getoon, wat bevestig dat die geïdentifiseerde terreinkenmerke werklik modelmislukking voorspel.

Wat die Data Gewys Het

ITU-R P.526 het Longley-Rice met 'n betekenisvolle marge oortref. Dit het nie-anomaliese voorspellings vir 78% van koppelings gelewer, teenoor 68% vir Longley-Rice. Toe die twee modelle kruisgeklassifiseer is (om na te gaan oor watter koppelings albei ooreengestem het), het hulle in 63% van gevalle ooreengekom, wat op konsekwente onderliggende fisika dui, maar ook op 'n beduidende meningsverskil-area waar een model slaag en die ander nie.

Fig 3 (a) Longley-Rice Resultaat

Fig 3 (b) ) ITU-R P.526 Resultaat

Masjienleer het die sleutelterreindrywers vir elke model geïdentifiseer. Vir Longley-Rice was die drie topkenmerke die skoonmaakverhouding, maksimale hindernishoogte bo die siglyn, en padlengte. Vir ITU-R P.526 was die drywers gemiddelde hoogte, padlengte en die aantal siglyn-hindernisse. Hierdie bevindinge karteer direk op hoe elke model terrein intern verwerk. In Longley-Rice beïnvloed die skoonmaakverhouding 'n gewigsbepalende faktor wat tussen mes-rand- en ronde-aarde-diffraksie wissel — ekstreme waardes stoot die model in enige rigting na onakkurate voorspellings. In ITU-R P.526 verminder hoë gemiddelde hoogte effektiewe antennahoogte, wat diffraksieverlies vergroot en pessimistiese voorspellings veroorsaak; lae hoogte doen die omgekeerde.

Fig 4: Kruisklassifikasieresultate

Fig 5: ITU-R P.526 Gemiddeldehoogte-boksdiagramvisualiserings

Finale Gedagtes: Praktiese Riglyne vir SKA-Ingenieurs

Die navorsing vertaal in 'n duidelike stel ontwerpriglyne. ITU-R P.526 is die aanbevole primêre model vir die SKA-terrein. Koppelings met uiterste skoonmaakverhoudings, hoë hindernisse beduidend bo die siglyn, lang paaie of uiterste gemiddelde hoogte moet as hoërisiko gemerk word en met addisionele veldvalidering hanteer word voor infrastruktuur bevestig word. Die minimering van Fresnel-soneverlies waar moontlik, en die vermyding van hoë hindernisse bo die siglyn, sal die waarskynlikheid van anomaliese voorspellings van die begin af verminder.

Vir 'n terrein waar koppelingsbeplanningsfoute in duur herontwerpe kan omskakel, lewer die projek iets prakties: 'n manier om te identifiseer watter geplande koppelings die waarskynlikste verkeerd sal wees, voor daardie foute probleme word.