Search

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior A previsão da taxa de chuva e a atenuação provocada por ela desempenha um papel essencial nas áreas de comunicações.Em outras palavras, prever a atenuação devido a precipitação pluviométrica não é uma tarefa simples de ser resolvida matematicamente, pois as variáveis que causam o fenômenos são frequentemente não lineares e apresentam comportamento complicados. Este projeto aprsenta a previsão da atenuação da chuva no Brasil utilizando a Rede Neural Artificial (RNA). Dados pluviométricos de dez anos foram coletados a partir de medições realizadas em diferentes localizações geográficas. Ao locais abrangiu todos os cinco estados, representando todas as áreas geográficas do Brasil. A RNA foi treinada para prever a atenuação da chuva nesses locais usando os dados anuais de chuvas fornecidos de 2012 a 2021. Foram utilizados dois tipos de arquitetura de redes: rede MLP e rede LVQ, ambas com mesmo objetivo. Os resultados da atenuação da chuva fornecidos pela RNA foram comparados com os resultados fornecidos pelo modelo da União Internacional de Telecomunicações (ITU), que é um modelo bem estabelecido. Em termos de desempenho, mostram que a atenuação prevista da RNA está de acordo com a previsão do modelo ITU. Por outro lado, o treinamento da RNA resultante é uma ferramenta útil para engenheiros de comunicação para prever a atenuação da chuva dos anos subsequentes e resolver proativamente o problema de atenuação do sinal inerente à operação do caminho satélite acima de 10 GHz. Predicting the rate of rain and attenuation caused by it plays an essential role in the areas of communications. In other words, predicting attenuation due to rainfall is not a simple task to be solved mathematically, because the variables that cause the phenomenon are often nonlinear and have complicated behavior. This project is expected to predict rain attenuation in Brazil using the Artificial Neural Network (RNA). Ten-year rainfall data were collected from measurements performed in different geographical locations. The local covered all five states, representing all geographic areas of Brazil. RNA was trained to predict rain attenuation in these locations using annual rainfall data from 2012 to 2021. Two types of network architecture were used: Multilayer Perceptron Network (MLP) and Vector Quantization by Learning Network (LVQ), both with the same objective. The results of rain attenuation provided by RNA were compared with the results provided by the International Telecommunications Union (ITU) model, which is a well-established model. In terms of performance, they show that the predicted attenuation of RNA is in line with the forecast of the ITU model. On the other hand, the resulting RNA training is a useful tool for communication engineers to predict the attenuation of the rain of subsequent years and proactively solve the problem of signal attenuation inherent to the operation of the satellite path above 10 GHz. Dissertação (Mestrado)