PREVISÃO DA ATENUAÇÃO POR CHUVAS A PARTIR DE DADOS METEOROLÓGICOS GLOBAIS
Bibliographic record
Abstract
A disponibilidade é o parâmetro chave no dimensionamento de sistemas de comunicação.Em sistema via rádio diversos fatores reduzem esta disponibilidade, entre os quais se podem citar o desvanecimento, as atenuações adicionais, as interferências externas e a ocorrência de falhas dos equipamentos.A atenuação por chuvas é o principal fenômeno de atenuação adicional para sistemas que operam em frequências superiores a 10 GHz.A chuva é um fenômeno aleatório que apresenta grande variação no espaço e no tempo.Diversos modelos teóricos e semi-empíricos foram propostos na literatura à medida que crescia a utilização de frequências mais elevadas na faixa de micro-ondas.A principal diferença entre os modelos está na maneira de representar a variação espaço-temporal da chuva e o seu efeito na onda eletromagnética em propagação.No trabalho é investigada a influência de parâmetros meteorológicos de direção e velocidade do vento, e testado o conceito de taxa de precipitação efetiva na modelagem.Dois modelos semi-empíricos são desenvolvidos com base em distribuições cumulativas de atenuação e taxas de precipitação pontuais disponíveis no banco de dados da União Internacional de Telecomunicações (UIT-R).Os testes de comparação demonstram que os modelos obtidos apresentam desempenho superior se comparados aos modelos atualmente recomendados para previsão da atenuação por chuvas.Em outra linha de investigação, foi desenvolvido um modelo estatisticamente consistente para previsão da distribuição da atenuação a partir da representação da distribuição cumulativa complementar da taxa de precipitação.A distribuição cumulativa da atenuação foi obtida a partir da suposição de um relacionamento com significado físico entre a taxa de precipitação e atenuação por chuvas.A comparação dos modelos demonstra que o modelo obtido apresenta resultados comparáveis a modelos de Recomendações do UIT-R.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".