Ramalan kadar hujan satu minit menggunakan rangkaian neural fungsi asas jejarian di Malaysia

Farah Aniza Mohd Nazri (P79550)

Please use this identifier to cite or link to this item: https://ptsldigital.ukm.my/jspui/handle/123456789/457835

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Mandeep Singh Jit Singh, Prof. Ir. Dr.
dc.contributor.author	Farah Aniza Mohd Nazri (P79550)
dc.date.accessioned	2023-09-12T09:14:05Z	-
dc.date.available	2023-09-12T09:14:05Z	-
dc.date.issued	2020-10-05
dc.identifier.other	ukmvital:123410
dc.identifier.uri	https://ptsldigital.ukm.my/jspui/handle/123456789/457835	-
dc.description	Ramalan hujan merupakan suatu tugas yang mencabar kerana sifatnya yang tidak berkadar terus dan kompleks serta memerlukan kaedah ramalan yang mempunyai ketepatan yang tinggi. Ia bukan sahaja terlibat persediaan menghadapi banjir sektor pertanian, malahan turut memainkan peranan penting dalam sektor perhubungan satelit. Kesan pemerosotan isyarat mikro ini menjadi lebih ketara pada negara beriklim tropika ekoran menerima hujan lebat sepanjang tahun. Kadar hujan satu minit merupakan salah satu parameter penting ketika mereka bentuk sistem satelit komunikasi yang beroperasi pada frekuensi melebihi 10 GHz. Namun, data hujan satu minit adalah sukar didapati di kebanyakan stesen materologi. Maka, para penyelidik membina model penukaran daripada integrasi masa lebih lama sebagai alternatif. Namun, setiap model ini memerlukan nilai pekali yang bersesuaian dengan iklim di Malaysia dan perlu dikemaskini. Oleh itu, kajian ini memberi fokus terhadap mempertingkatkan prestasi ramalan kadar hujan minit dengan pembinaan model Rangkaian Neural Fungsi Asas Jejarian (RNFAJ) dan mengemaskini nilai pekali modal alternatif. Model RNFAJ ini dipilih kerana mempunyai algoritma yang berupaya untuk meramal sifat data yang tidak berkadar terus dengan pantas dan tidak memerlukan nilai pekali. Prestasi model dan perbandingan di antara model RNFAJ dan Segal turut dijalankan. Data hujan 60 minit dan data hujan satu minit 11 lokasi selama 5 tahun iaitu daripada 1 Januari 2010 sehingga 31 Disember 2014 digunakan bagi merangkumi keseluruhan taburan hujan di Malaysia direkod oleh Jabatan Pengairan dan Saliran Malaysia. Bagi model RNFAJ, data hujan yang digunakan pada peringkat latihan adalah 2010-2013 manakala data kadar hujan pada tahun 2014 pada peringkat ujian. Kesemua data hujan di setiap lokasi menggunakan tolok hujan jenis Casella dengan 400 cm2 dengan berkalibrasi 0.5 mm setiap tip. Hasil ramalan hujan yang baik oleh model RNFAJ yang dibina kerana meramal dengan pantas iaitu satu saat dan mempunyai ralat min punca kuasa dua sebanyak 11.51% di mana di bawah 15%. Model RNFAJ memberikan keputusan ramalan yang baik di Johor dengan peratusan ralat sebanyak 0.2% manakala kurang baik di Sarawak sebanyak 14.56% kerana mempunyai keamatan hujan yang lebih tinggi berbanding lokasi lain. Namun nilai peratusan ralat masih boleh diterima iaitu dibawah 15%. Hasil kajian mendapati model Segal menghasilkan ramalan yang baik bagi model alternatif dan nilai pekali yang bersesuaian di Malaysia adalah a=1.84 and b= -0.04. Secara keseluruhan perbandingan model RNFAJ dan Segal mendapati model Segal menghasilkan nilai ralat min punca kuasa dua yang lebih rendah iaitu 4.80% keseluruhan lokasi. Namun, perbezaan peratusan ralat setiap lokasi adalah minima kecuali di Selangor yang mempunyai peratusan ralat 11.04%. Hal ini kerana Selangor sering menerima keamatan hujan yang tinggi pada tempoh masa yang singkat menyebabkan corak yang dipelajari model RNFAJ kurang baik tetapi masih boleh diperbaiki di masa akan datang. Berdasarkan hasil pembinaan model RNFAJ kajian ini, dapat dirumuskan bahawa kaedah RNFAJ berupaya untuk meramal kadar hujan satu minit yang mempunyai prestasi yang setanding dengan model Segal dan lebih pantas iaitu satu saat dan tidak memerlukan sebarang nilai pekali yang memberi kesan terhadap nilai ramalan. Hasil kajian ini adalah bukan sahaja sebagai persediaan menghadapi banjir malahan sebagai garis panduan dalam mereka bentuk sistem perhubungan satelit yang lebih efisien.,Sarjana Sains
dc.language.iso	may
dc.publisher	UKM, Bangi
dc.relation	Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina
dc.rights	UKM
dc.subject	Universiti Kebangsaan Malaysia -- Dissertations
dc.subject	Dissertations, Academic -- Malaysia
dc.subject	Ramalan hujan
dc.subject	Neural network
dc.subject	Satelit
dc.title	Ramalan kadar hujan satu minit menggunakan rangkaian neural fungsi asas jejarian di Malaysia
dc.type	theses
dc.format.pages	94
dc.identifier.barcode	005724(2021)(PL2)
Appears in Collections:	Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Files in This Item:

File	Description	Size	Format
ukmvital_123410+SOURCE1+SOURCE1.0.PDF Restricted Access		1.71 MB	Adobe PDF	View/Open

Show simple item record Recommend this item