Neste trabalho estudamos diferentes variantes dos modelos GARCH quando consideramos a chegada da informação heterogênea sob a forma de dados de alta freqüência. Este tipo de modelos, conhecidos como HARCH(n), foram introduzidos por Muller et al. (1997). Para entender a necessidade de incorporar esta característica da heterogeneidade da informação, estudamos o problema da agregação temporal para processos GARCH e a modelagem destes em dados de alta freqüência e veremos quais são as desvantagens destes modelos e o porquê da necessidade de corrigi-lo. Propusemos um novo modelo que leva em conta a heterogeneidade da informação do mercado financeiro e a memória longa da volatilidade, generalizando assim o modelo proposto por Müller et al.(1997), e estudamos algumas das propriedades teóricas do modelo proposto. Utilizamos estimação via máxima verossimilhança e amostrador de Griddy-Gibbs, e para avaliar o desempenho destes métodos realizamos diversas simulações. Também fizemos aplicações a duas séries de alta freqüência, a taxa de câmbio Euro- Dólar e o índice Ibovespa. Uma modificação ao algoritmo de Griddy-Gibbs foi proposta, para ter uma janela móvel de pontos, para a estimação das distribuições condicionais, a cada iteração. Este procedimento foi validado pela proximidade das estimações com a técnica de máxima verossimilhança. Disponibilizaremos algumas bibliotecas para o pacote S-Plus em que as análises descritas neste trabalho poderão ser reproduzidas. Informações relativas a tais bibliotecas estarão disponíveis na página Web http://www.ime.usp.br/~ruilova. / In this work we study different variants of GARCH models to analyze the arrival of heterogeneous information in high frequency data. These models, known as HARCH(*n*) models, were introduced by Müller et al.(1997). To understand the necessity to incorporate this characteristic, heterogeneous information, we study temporal aggregation on GARCH processes for high frequency data, and show some problems in the application of these models and the reason why it is necessary to develop new models. We propose a new model, that incorporates the heterogeneous information present in the financial market and the long memory of the volatility, generalizing the model considered by Müller et al.(1997). We propose to estimate the model via maximum likelihood and Griddy-Gibbs sampler. To assess the performance of the suggested estimation procedures we perform some simulations and apply the methodology to two time series, namely the foreign exchange rate Euro-Dollar and the series of the Ibovespa index. A modification of the algorithm of Griddy-Gibbs sampler was proposed to have a grid of points in a mobile window, to estimate the condicional distributions, in each iteration. This was validated by the similar results between maximum likelihood and Griddy-Gibbs sampler estimates obtained. We implemented the methods described in this work creating some libraries for the SPlus package. Information concerning these libraries is available in the Web page http://www.ime.usp.br/~ruilova.

[pt] As alterações na legislação do Setor de Energia Elétrica Brasileiro em fins do milênio passado, provocou profundas mudanças no planejamento da Operação do Sistema e na Comercialização de energia elétrica no Brasil. O desmembramento das atividades de geração, de transmissão e de distribuição de energia elétrica criou novas características no comportamento dos Agentes Concessionários e as previsões de demanda por energia elétrica, que sempre foram ferramenta importante, por exemplo, na programação da operação, passaram a ser indispensáveis também, na comercialização de energia elétrica no mercado livre. Neste novo cenário, a obtenção e o armazenamento de dados confiáveis passou a ser parte integrante do patrimônio das Empresas e um sistema eficiente de previsões de carga passou a ser um diferencial na mesa de negociações. Os Agentes concessionários e o Operador Nacional do Sistema Elétrico vêm fazendo investimentos para aperfeiçoar os seus sistemas de aquisição de dados, entretanto em sistemas de multipontos algumas falhas imprevistas durante a sincronização da telemedição podem ocorrer, provocando defeitos nas séries. Nas séries de minuto em minuto, por exemplo, uma falha de algumas horas acarreta centenas de registros defeituosos e as principais publicações a respeito de modelagens de séries temporais para tratamento de dados não abordam as dificuldades encontradas diante de grandes falhas consecutivas nos dados. / [en] As a result of the continuing privatization process within the energy sector,electricity load forecasting is a ritical tool for decision-making in the Industry. Reliable forecasts are now needed not only for developing strategies for business planning and short term operational scheduling, but also to define the spot market electricity price. The forecasting process is data-ntensive and interest has been driven to shorter and shorter intervals. Large investments are being made in modernizing and improving metering systems, so as to make more data available to the forecaster. However, the forecaster is still faced with irregular time-series. Gaps, missing values, spurious information or repeated values in the time-series can result from transmission errors or small failures in the recording process. These so- called irregularities have led to research that focused on either iterative processes,like the Kalman filter and the EM algorithm, or applications of the statistical literature on treatment of missing values and outliers. Nevertheless, these methods often result in large forecast errors when confronted with consecutive failures in the data. On the other hand, the minute to minute series have a large amount of points and so the one day ahead forecast horizont becomes very large to handling with the conventional methods. In this context, we propose an alternative to detect and replace values and present a methodology to perform the forecasting process by using of other information in the time-series that relate to the variability and seasonality, which are commonly encountered in electricity load-forecasting data. We illustrate the method and address the problem as part of a wider project that aims at the development of an automatic on line system for tracking the Brazilian Interlinked Electric Network Operation and performing short term load forecasting. The data were collected by ONS / ELETROBRAS - Brazil. We concentrate on 10 minutes data for the years 1997-1999 of Light Serviços de Eletricidade S.A. (Rio de Janeiro and its surroundings). / [es] Las alteraciones en la legislación del Sector de Energía Elétrica Brasilero a finales del milenio pasado, provocó profundos cambios en el planificación de la Operación del Sistema y en la Comercialización de energía eléctrica en Brasil. La desarticulación de las actividades de generación, de transmisión y de distribuición de energía eléctrica creó nuevas características en el comportamiento de los Agentes Concesionarios. Así, las previsiones de demanda por energía eléctrica, que siempre fueron una herramienta importante, por ejemplo, en la programación de la operación, pasaron a ser indispensables también en la comercialización de energía eléctrica en el mercado libre. En este nuevo escenario, la obtención y almacenamiento de datos confiables pasó a ser parte integrante del patrimonio de las Empresas y un sistema eficiente de previsiones de carga constituye un diferencial en la mesa de negociaciones. Los Agentes concesionarios y el Operador Nacional del Sistema Eléctrico han invertido en el perfeccionamiento de sus sistemas de adquisición de datos. Sin embargo, en sistemas de multipuntos algunas fallas imprevistas durante la sincronización de la telemedición pueden ocurrir, provocando defectos en las series. En las series de minuto en minuto, por ejemplo, una falla de algunas horas trae consigo centenas de registros defectuosos y las principales publicaciones sobre modelos de series temporales para tratamiento de datos no abordan las dificuldades encontradas frente a grandes fallas consecutivas en los datos.

[pt] A previsão de séries temporais está presente em diversas áreas como os setores elétrico, financeiro, a economia e o industrial. Em todas essas áreas, as previsões são fundamentais para a tomada de decisões no curto, médio e longo prazo. Certamente, as técnicas estatísticas são as mais utilizadas em problemas de previsão de séries, principalmente por apresentarem um maior grau de interpretabilidade, garantido pelos modelos matemáticos gerados. No entanto, técnicas de inteligência computacional têm sido cada vez mais aplicadas em previsão de séries temporais no meio acadêmico, com destaque para as Redes Neurais Artificiais (RNA) e os Sistemas de Inferência Fuzzy (FIS). Muitos são os casos de sucesso de aplicação de RNAs, porém os sistemas desenvolvidos são do tipo caixa preta, inviabilizando uma melhor compreensão do modelo final de previsão. Já os FIS são interpretáveis, entretanto sua aplicação é comprometida pela dependência de criação de regras por especialistas e pela dificuldade em ajustar os diversos parâmetros como o número e formato de conjuntos e o tamanho da janela. Além disso, a falta de pessoas com o conhecimento necessário para o desenvolvimento e utilização de modelos baseados nessas técnicas também contribui para que estejam pouco presentes na rotina de planejamento e tomada de decisão na maioria das organizações. Este trabalho tem como objetivo desenvolver uma ferramenta computacional capaz de realizar previsões de séries temporais, baseada na teoria de Sistemas de Inferência Fuzzy, em conjunto com a otimização de parâmetros por Algoritmos Genéticos, oferecendo uma interface gráfica intuitiva e amigável. / [en] The time series forecasting is present in several areas such as electrical, financial, economy and industry. In all these areas, the forecasts are critical to decision making in the short, medium and long term. Certainly, statistical techniques are most often used in time series forecasting problems, mainly because of a greater degree of interpretability, guaranteed by the mathematical models generated. However, computational intelligence techniques have been increasingly applied in time series forecasting in academic research, with emphasis on Artificial Neural Networks (ANN) and Fuzzy Inference Systems (FIS). There are many cases of successful application of ANNs, but the systems developed are black box, not allowing a better understanding of the final prediction. On the other hand the FIS are interpretable, but its application is compromised by reliance on rule-making by experts and by the difficulty in adjusting the various parameters as the number and shape of fuzzy sets and the window size. Moreover, the lack of people with the knowledge necessary for the development and use of models based on these techniques also restricts their application in the routine planning and decision making in most organizations. This work aims to develop a computational tool able to make forecasts of time series, based on the theory of Fuzzy Inference Systems, in conjunction with the optimization of parameters by Genetic Algorithms, providing an intuitive and friendly graphical user interface.

[pt] A presente dissertação tem como principal objetivo a conceituação e apresentação das metodologias básicas de previsão de demanda e, a partir de um estudo de caso, a seleção da metodologia mais adequada e sua respectiva implantação. No primeiro capítulo é apresentada, além da importância do referido tema, a empresa selecionada para aplicação dos conceitos levantados, com a descrição de seus principais processos internos. No segundo capítulo foram abordados os conceitos de previsão de demanda e uma revisão dos principais modelos existentes. No capítulo seguinte, o problema que deverá ser tratado com a metodologia proposta é apresentado. Neste momento a metodologia conceituada é aplicada, através da seleção do método de previsão mais adequado ao caso estudado e respectiva modelagem, buscando melhorias em relação aos métodos de previsão existentes na empresa. Neste processo de modelagem utilizou-se o software Forecast Pro, um dos mais conceituados aplicativos de previsão de demanda no mercado. Por fim, na conclusão, avalia-se o impacto das mudanças propostas nos resultados da empresa, principalmente o aumento da precisão da previsão da demanda e, conseqüentemente, redução dos custos de importação e dos índices de stockout. / [en] The main objective of this dissertation is the presentation of basic forecasting methods and their implementation in a case study in supply chain. The first chapter points out the importance of forecasting in this context and describes the company selected for the case study and some of its internal processes that will be under scrutiny in the case study presented in this dissertation. The second chapter discusses the concepts and models of forecasting and reviews some of the major techniques in the field. In chapter three, standard forecasting techniques are apllied to real data (ten time series) from the company and select the most appropriate model in each case. Model adjustment is performed through the Forecast Pro software, one of the best-known products in the market. Chapter four contains the conclusions and the evaluation of the impacts of the proposed methodology on the company s results, especially the increased accuracy of forecasting and, consequently, the reduction in the import costs and stock out index.

[pt] Esta dissertação investiga os efeitos do racionamento de energia elétrica ocorrido no período entre junho de 2001 a fevereiro de 2002, nas previsões de energia das principais concessionárias brasileiras. Para tal, estudamos o desempenho de modelos lineares e não-lineares. Dentre os modelos lineares, analisamos os modelos ARIMA (p,d,q) de Box & Jenkins e os modelos de amortecimento exponencial de Holt & Winters. Dentre os modelos não-lineares, são abordadas técnicas de inteligência artificial tais como Redes Neurais e Lógica Fuzzy. Visto que o racionamento levou a previsões ineficientes, propomos alternativas para reduzir seu impacto. Por último, investigamos os impactos causados pela crise energética nas previsões doze passos à frente de carga elétrica provenientes de vinte e oito concessionárias. A base de dados é composta pelos valores observados e as previsões fornecidas pelo PREVCAR, um dos sistemas de previsão da cadeia oficial de programas do setor elétrico brasileiro. Por meio de um procedimento de Análise de Agrupamento utilizando Redes Neurais Artificiais do tipo SOM (Self Organizing Map) de Kohonen são estabelecidos os grupos de concessionárias que possuem os mesmos comportamentos diante do racionamento. Como resultado final, foram estimados fatores de redução das previsões causados pelo racionamento, que servem como base de cálculo para reduções nas previsões futuras em períodos de crise de abastecimento. / [en] This dissertation aims at an exploratory study of impacts caused by the 2001 energy crisis on the current forecasts produced on a monthly basis for main distributing utilities. For that we show an accuracy study of the performance of the linear and non-linear models. It has been used, within the linear models class, the modeling approach of Box-Jenkins and exponential smoothing of Holt- Winters. Within the non-linear ones, it was chosen those based on artificial intelligence techniques, such as Fuzzy Logic and Artificial Neural Network. Due to the lack of accuracy of the models to cope with the discontinuities provoked by the crisis on the forecasts, some alternative tools to reduce the impact on the forecast errors are proposed. Finally, the impacts caused by the crisis on multiple steps ahead forecasts have also been investigated. It was taken the monthly forecasts produced by PREVCAR (one of official Brazilian load forecasting system), as well as the observed values covering the same period, to create the crisis response indices series for each one of the twenty and eight utilities included in the analysis. It was also used the well-known neural network based algorithm SOM (Self Organizing Maps) to classify the utilities into homogeneous groups, according to their response to the energy crisis. As a final result, for each group, it was estimated the reduction factors that can be used as a prior information in future energy supply crisis.

[pt] Investidores estão sempre à procura de uma vantagem. Porém, tradicionais teorias financeiras nos dizem que tentar predizer tendências na bolsa de valores é um esforço em vão, uma vez que seguem um passeio aleatório, i.e., um processo estocástico ou randômico. Além disso, afirma-se que o mercado é eficiente de maneira que sempre incorpora e reflete toda informação relevante, o que torna impossível bater o mercado. Recentemente, com o crescimento da web e aumento da disponibilidade de dados em conjunto com a evolução dos algoritmos de Aprendizado de Máquina, diversos trabalhos tem aplicado técnicas de Processamento de Linguagem Natural em notícias financeiras e dados de redes sociais para prever variações do preço de ações. Consequentemente, estão surgindo fortes evidências que o mercado pode, em algum grau, ser previsto. Este trabalho descreve o desenvolvimento de uma aplicação baseada em Aprendizado de Máquina para realizar a predição de tendências no mercado de ações, i.e., variações negativas, positivas ou neutras de preços com granularidade de minuto. Avaliamos o sistema usando dados de cotação de ações da B3 (Brasil Bolsa Balcão), antiga BM&FBOVESPA, e um dataset de tópicos mais relevantes buscados no Google Search e seus artigos relacionados, que são disponibilizados pela plataforma Google Trends e coletados, minuto a minuto, de 15/08/2016 até 10/07/2017. Os experimentos mostram que esses dados provêem informação relevante para a tarefa em questão, onde conseguimos uma acurácia de 69.24 porcento para a predição de tendências do ativo PETR4, criando alguma / [en] Investors are always looking for an edge. However, traditional economic theories tell us that trying to predict short-term stock price movements is wasted effort, since it approximate a random walk, i.e., a stochastic or random process. Besides, these theories state that the market is efficient enough to always incorporate and reflect all relevant information, making it impossible to beat the market. In recent years, with the growth of the web and data availability in conjunction with advances in Machine Learning, a number of works are using Natural Language Processing to predict share price variations based on financial news and social networks data. Therefore, strong evidences are surfacing that the market can, in some level, be predicted. This work describes the development of an application based on Machine Learning to predict trends in the stock market, i.e., positive, negative or neutral price variations with minute granularity. We evaluate our system using B3 (Brasil Bolsa Balcão), formerly BM&FBOVESPA, stock quotes data, and a dataset with the most relevant topics of Google Search and its related articles, provided by the Google Trends platform and collected, minute by minute, from 08/15/2016 to 07/10/2017. The experiments show that this data provides useful information to the task at hand, in which we achieve 69.24 per cent accuracy predicting trends for the PETR4 stock, creating some leverage to make profits possible with intraday trading.

[pt] Desde 2001, quando ocorreu uma crise no setor energético brasileiro, o planejamento e, consequentemente, a previsão do consumo de energia a médio e longo prazo do consumo de eletricidade vem sendo prioridade. A Empresa de Pesquisa Energética, por meio do Plano Decenal de Energia e do Plano Nacional de Energia, é a responsável por publicar tais previsões, tendo como versão mais atual os horizontes de 2023 e 2050, respectivamente. Este trabalho tem como objetivo principal modelar e prever as séries de consumo através de duas abordagens, top down e bottom up. Para a primeira utiliza-se os métodos de suavização exponencial de Pegels e para a segunda, aplica-se, o modelo FORECAST-Residential, desenvolvido pelo Fraunhofer Institute. O modelo top down é o responsável por modelar e prever o consumo de energia elétrica do Brasil agregado e desagregado por classes de consumo, enquanto que o bottom up será utilizado somente nas séries do setor residencial, em cada região geográfica. Além da previsão com o melhor modelo dentro do histórico para o primeiro caso, para as técnicas Standard e Damped Pegels otimiza-se os hiperparâmetros a fim de ajustar cada um dos valores projetados com as pesquisas disponibilizadas pela EPE. Os resultados mostraram que com a abordagem top down foi possível prever o consumo de eletricidade até 2050 para todos os setores energéticos e ajustar os parâmetros para cada um dos casos propostos; e, com a abordagem bottom up, chegou-se a valores considerados prováveis para o setor residencial do Brasil. Finalmente, é possível concluir que todos os resultados aqui são muito promissores e dão direções para futuros aperfeiçoamentos. / [en] After the 2001 energy crises in Brazil, the energy sector priority has been the planning and consequently the forecast middle and long term energy consumption. The Energy Research Company (EPE for short) is in charge of publishing two official reports: The Ten Year Energy Planning and The National Energy Planning which contain, among other things, the forecast for longer lead times. In the present formulation these horizons are 2023 and 2050. This work aims to model and predict the consumption series with two approaches, top down and bottom up. The first uses Pegels exponential smoothing methods and for the second is applied the model FORECAST Residential, developed by the Fraunhofer Institute, Germany. The top-down model is responsible for modeling and predicting Brazil energy consumption aggregated and disaggregated by class of consumption, while the bottom up will be used only in the residential sector, but for each geographic region. In addition to the forecast with the best model in sample for the top down case, an optimization of the model hyper parameters is carried out in order to adjust each of the projected values with the figures provided by EPE. The results obtained show that with the top down approach it is possible to predict satisfactorily the electricity consumption up to 2050 for all energy sectors; and the bottom up approach produce forecasts very likely to occur in the future. Finally, it is possible to conclude that all the results obtained here are very promising and give directions for future improvements.

[pt] Nessa dissertação seguimos o artigo de Evans e Marshall (1998) e propomos novas abordagens para modelar o desenvolvimento conjunto de variáveis macroeconômicas e retornos de títulos de renda fixacom diversas maturidades. Os modelos são estimados e comparados com outros, já tradicionais na literatura, baseados em modelos auto- regresivos univariados ou de correção de erros. em seguida, os novos modelos são utilizados para avaliar se a informação contida nas variáveis macroeconômicas e na estrutura a termo das taxas de juros ajuda a melhorar a capacidade de previsão. A principal conclusão é que, se o interese maior está em previsões de curto prazo, então não há melhoria significativa ao agregar outras informações que não sejam aquelas já contidas em observações passadas do próprio rendimento em questão. se, no entanto, o interesse maior está em previsões de longo prazo (que é o caso de fundos de previdência, sejam eles abertos ou fechados), então a informação inerente às variáveis macroeconômicas consegue melhorar o desempenho preditivo. / [en] In this dissertation we follow Evans and Marshall (1998) and propose new approaches for modeling the joint development of macro variables and the returns of government bond yields of several maturities. The models are estimated and compared with other forecasting schemes previously proposed in the literature, especially those relying on univariate, VAR and error correction methods. The models are then used to judge the hypothesis that the information content of macro variables and the term structure of interest rates as a whole helps improving forecasting performance. Our main conclusion is quite simple: if one is interested in computing short term forecasts, then there is no significant improvement in incorporating information other than the one already present in past observations of the yield at hand; however, if one worries about long term forecasts (which is frequently the case of pension insurance companies), then the information content of macro variables and the term structure can improve forecasting performance

[pt] As RNA Temporais, em função de sua estrutura, consideram o tempo na sua operação, incorporando memória de curto prazo distribuída na rede em todos os neurônios escondidos e em alguns dos casos nos neurônios de saída. Esta classe de redes é utilizada para representar melhor a natureza temporal dos sistemas dinâmicos. Em contraste, a RNA estática tem uma estrutura apropriada para tarefas de reconhecimento de padrões, classificação e outras de natureza estática ou estacionária tendo sido utilizada com sucesso em diversas aplicações. O objetivo desta tese, portanto foi estudar a teoria e avaliar o desempenho das Redes Neurais Temporais em comparação com as Redes Neurais Estáticas, em aplicações de sistemas dinâmicos. O desenvolvimento desta pesquisa envolveu 3 etapas principais: pesquisa bibliográfica das metodologias desenvolvidas para RNA Temporais; seleção e implementação de modelos para a avaliação destas redes; e estudo de casos. A pesquisa bibliográfica permitiu compila e classificar os principais trabalhos sobre RNA Temporais. Tipicamente, estas redes podem ser classificadas em dois grupos: Redes com Atraso no Tempo e Redes Recorrentes. Para a análise de desempenho, selecionou-se uma redee de cada grupo para implementação. Do primeiro grupo foi selecionada a Rede FIR, onde as sinapses são filtros FIR (Finite-duration Impulse Response) que representam a natureza temporal do problema. A rede FIR foi selecionada por englobar praticamente, todos os outros métodos de sua classe e apresentar um modelo matemático mais formal. Do segundo grupo, considerou-se a rede recorrente de Elman que apresenta realimentação global de cada um dos neurônios escondidos para todos eles. No estudo de casos testou-se o desempenho das redes selecionadas em duas linhas de aplicação: previsão de séries temporais e processamento digital de sinais. No caso de previsão de séries temporais, foram utilizadas séries de consumo de energia elétrica, comparando-se os resultados com os encontrados na literatura a partir de métodos de Holt-Winters, Box & Jenkins e RNA estáticas. No caso da aplicação das RNA em processamento digital de sinais, utilizou-se a filtragem de ruído em sinais de voz onde foram feitas comparações com os resultados apresentados pelo filtro neural convencional, que é uma rede feed-forward multicamada com o algoritmo de retropropagação para o aprendizado. Este trabalho demonstrou na prática que as RNA temporais conseguem capturar as características dos processos temporais de forma mais eficiente que as RNA Estatísticas e outros métodos tradicionais, podendo aprender diretamente o comportamento não estacionário das séries temporais. Os resultados demonstraram que a rede neural FIR e a rede Elman aprendem melhor a complexidade dos sinais de voz. / [en] This dissertation investigates the development of Artificial Neural Network (ANN) in the solution of problems where the patterns presented to the network have a temporary relationship to each other, such as time series forecast and voice processing. Temporary ANN considers the time in its operation, incorporating memory of short period distributed in the network in all the hidden neurons and in the output neurons in some cases. This class of network in better used to represent the temporary nature of the dynamic systems. In contrast, Static ANN has a structure adapted for tasks of pattern recognition, classification and another static or stationary problems, achieving great success in several applications. Considered an universal approximator, Static ANN has also been used in applications of dynamic systems, through some artifices in the input of the network and through statistical data pre- processings. The objective of this work is, therefore to study the theory and evaluate the performance of Temporal ANN, in comparison with Static ANN, in applications of dynamics systems. The development of this research involved 3 main stages: bibliographical research of the methodologies developed for Temporal ANN; selection and implementation of the models for the evaluation of these networks; and case studies. The bibliographical research allowed to compile and to classify the main on Temporal ANN, Typically, these network was selected, where the synapses are filters FIR (Finite-duration Impulse Response) that represent the temporary nature of the problem. The FIR network has been selected since it includes practically all other methods of its class, presenting a more formal mathematical model. On the second group, the Elman recurrent network was considered, that presents global feedback of each neuron in the hidden layer to all other neurons in this layer. In the case studies the network selected have been tested in two application: forecast of time series and digital signal processing. In the case of forecast, result of electric energy consumption time series prediction were compared with the result found in the literature such as Holt-Winters, Box & Jenkins and Static ANN methods. In the case of the application of processing where the comparisons were made with the results presented by the standard neural filter, made of a multilayer feed-forward network with the back propagation learning algorithm. This work showed in practice that Temporal ANN captures the characteristics of the temporary processes in a more efficient way that Static ANN and other methods, being able to learn the non stationary behavior of the temporary series directly. The results showed that the FIR neural network and de Elman network learned better the complexity of the voice signals.

[pt] A atenuação por chuva é a causa principal de indisponibilidade em enlaces terrestres de rádio operando em frequências acima de 10 GHz. Devido às condições adversas de propagação, técnicas de mitigação de desvanecimentos são necessárias. Para desenvolver e otimizar estas técnicas, é preciso conhecer a distribuição cumulativa de atenuação por chuva e o comportamento dinâmico do canal de propagação, em termos das estatísticas de duração de desvanecimentos e de fade-slope. Esta necessidade é preenchida pelo uso de séries temporais que introduzem a deterioração da propagação nos sistemas de simulação. Estas séries podem ser de dados experimentais ou dados sintetizados que considerem as características climatológicas da região do enlace e os parâmetros geométricos e de propagação do mesmo. Três modelos para sintetização de séries temporais de longo prazo de atenuação por chuva são apresentados e testados neste trabalho utilizando dados medidos em cinco enlaces terrestres operando na faixa de frequência de 15 GHz. O primeiro modelo foi originalmente desenvolvido para enlaces satélite em climas temperados enquanto o segundo é uma versão modificada, proposta neste trabalho para enlaces terrestres em áreas tropicais. O terceiro modelo é proposto neste trabalho com base numa modelagem estatística da atenuação por chuva através da distribuição Gamma. Séries temporais foram sintetizadas pelos três modelos e suas estatísticas foram comparadas com as estatísticas dos dados experimentais. Os três modelos apresentam bons resultados em diversas situações analisadas, mas o terceiro modelo proporciona resultados significativamente melhores para distribuições de atenuação e fade-slope. / [en] Rain attenuation is the main cause of unavailability in fixed terrestrial radio systems operating at frequency of above 10 GHz in tropical areas. Propagation impairments are expected to be quite severe in these regions. Due to these adverse propagation conditions, Fade Mitigating Techniques (FMT) are often needed. To design and optimize FMT, the knowledge of the cumulative distribution of rain attenuation and of the dynamic behavior of the propagation channel, as provided by fade durations and fade slope statistics, is required. This need can be fulfilled by the introduction of time series of propagation impairments in system simulation. If real data collected from propagation experiments are not available, typical fading time-series may be generated making use of climatologic characteristics as well as geometrical and radiowave parameters of the link. Three models for long-term rain attenuation time series synthesizers are presented and tested in this work using data measured in five terrestrial radio links operating at 15 GHz. The first one was originally developed for satellite systems in temperate climates whereas the second one is a modified version proposed in this work for terrestrial links in tropical areas. A third model is proposed in this work and is based on a different approach using the Gamma distribution. Time series were synthesized by the three models and stationary and dynamic statistics between synthesized and experimental data were compared. The first two models provide good results in some cases but the third model provides significantly better results for cumulative distributions of attenuation and fade-slope.