Navegando por Autor "BARBOSA, Brenda Silvana de Souza"

Agora exibindo 1 - 2 de 2

Acesso aberto (Open Access)
Análise de sensibilidade para estereotomografia em meios elípticos e anelípticos
(Universidade Federal do Pará, 2005-12) BARBOSA, Brenda Silvana de Souza; COSTA, Jessé Carvalho; http://lattes.cnpq.br/7294174204296739
O método de estereotomografia é estendido para meios com anisotropia arbitrária e implementado para meios com anisotropia elíptica e anelíptica. Os modelos elípticos e anelípticos apresentam somente três parâmetros. Isto faz com que eles sejam menos sensíveis a ambiguidade, causada pela cobertura limitada dos raios em experimentos sísmicos de superfície e VSP, do que modelos transversalmente isotrópicos ou ortorrômbicos. As correspondentes aproximações para superfície de vagarosidade limita a validade desta implementação para eventos qP com anisotropia suave. Experimentos numéricos mostram o potencial e as limitações da estereotomografia para estimar macro modelos de velocidade adequados para o imageamento na presença de anisotropia e a importância dos eventos de transmissão de experimentos VSP de multiplo afastamento modelo para o sucesso desta abordagem.
Acesso aberto (Open Access)
Aplicação de redes neurais artificiais para predição de RSSI e SNR em ambiente de bosque amazônico
(Universidade Federal do Pará, 2024-06-11) BARBOSA, Brenda Silvana de Souza; ARAÚJO, Jasmine Priscyla Leite de; http://lattes.cnpq.br/4001747699670004; https://orcid.org/0000-0003-3514-0401; BARROS, Fabrício José Brito; http://lattes.cnpq.br/9758585938727609
A presença de áreas verdes em cidades urbanizadas é crucial para reduzir os impactos negativos da urbanização. No entanto, essas áreas podem influenciar a qualidade do sinal de dispositivos IoT que utilizam comunicação sem fio, como a tecnologia LoRa. A vegetação atenua as ondas eletromagnéticas, interferindo na transmissão de dados entre dispositivos IoT, resultando na necessidade de modelagem de propagação de sinal que considere o efeito da vegetação em sua propagação. Neste contexto, esta pesquisa foi conduzida na Universidade Federal do Pará, utilizando medições em um ambiente arborizado composto pela espécie Pau-Mulato, típica da Amazônia. Dois modelos de propagação baseados em aprendizado de máquina, GRNN e MLPNN, foram desenvolvidos para considerar o efeito das árvores amazônicas na propagação, analisando diferentes fatores, como a altura do transmissor em relação ao tronco, o início da folhagem e o meio da copa da árvore, bem como o fator de espalhamento LoRa (SF) 12 e a copolarização das antenas do transmissor e do receptor. Os melhores modelos foram os de aprendizado de máquina, GRNN e MLPNN, que demonstraram maior precisão, alcançando valores de erro quadrático médio (RMSE) de 3,86 dB e 3,8614 dB, e desvio padrão (SD) de 3,8558 dB e 3,8564 dB, respectivamente. Por outro lado, comparando com modelos clássicos da literatura, o que teve melhor desempenho foi o modelo Floating Intercept (FI), com erro RMSE e SD em torno de 7,74 dB e 7,77 dB, respectivamente, enquanto o modelo FITU-R teve o maior erro RMSE e SD, em torno de 26,40 dB e 9,65 dB, respectivamente, para todas as alturas e polarizações. Além disso, a importância deste estudo reside em seu potencial para impulsionar as comunicações sem fio em ambientes arborizados, uma vez que, mesmo em distâncias curtas nas alturas de 12 m e 18 m, o SNR (relação sinal ruído) teve valores mais baixos devido à influência das folhagens, porém, foi possível enviar e receber dados. Por fim, foi mostrado que a polarização vertical foi a que obteve os melhores resultados para o ambiente de bosque amazônico