Impact of different sampling rates on precise point positioning performance using online processing service
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this study, the effect of different sampling rates (i.e. observation recording interval) on the Precise Point Positioning (PPP) solutions in terms of accuracy was investigated. For this purpose, a field test was carried out in Çorum province, Turkey, on 11 September 2019. Within this context, a Geodetic Point (GP) was established and precisely coordinated. A static GNSS measurement was occupied on the GP for about 4-hour time at 0.10 second (s)/10 Hz measurement intervals with the Trimble R10 geodetic grade GNSS receiver. The original observation file was converted to RINEX format and then decimated into the different data sampling rates as 0.2 s, 0.5 s, 1 s, 5 s, 10 s, 30 s, 60 s, and 120 s. All these RINEX observation files were submitted to the Canadian Spatial Reference System-Precise Point Positioning (CSRS-PPP) online processing service the day after the data collection date by choosing both static and kinematic processing options. In this way, PPP-derived static coordinates, and the kinematic coordinates of each measurement epoch were calculated. The PPP-derived coordinates obtained from each decimated sampling intervals were compared to known coordinates of the GP for northing, easting, 2D position, and height components. According to the static and kinematic processing results, high data sampling rates did not change the PPP solutions in terms of accuracy when compared to the results obtained using lower sampling rates. The results of this study imply that it was not necessary to collect GNSS data with high-rate intervals for many surveying projects requiring cm-level accuracy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle