A combined algorithm for denoising GNSS-RTK positioning solutions with application to displacement monitoring of a super-high-rise building
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
Abstract Given that global navigation satellite system (GNSS)-based real-time kinematic (GNSS-RTK) monitoring accuracy is easily interfered with by residual errors, a combined algorithm is proposed for signal denoising with application to the GNSS-RTK positioning solutions of a super-high-rise building; namely, the Tianjin Radio and Television Tower in China. The proposed denoising algorithm is a combination of the Butterworth high-pass filter and complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), after which the intrinsic mode function components are selected based on the effective coefficient, the correlation coefficient and the power spectral density. After signal filtering, the structural dynamic deformation is 36.0 mm in the horizontal directions and 48.4 mm in the up-direction. Two orders of natural frequencies of the Tianjin Radio and Television Tower are successfully identified (i.e. 0.1583 Hz and 1 Hz). In addition, the relative error of the fundamental frequency is less than 0.44% compared with previous studies. The results reveal the reliability of the combined Butterworth–CEEMDAN algorithms for dealing with GNSS-RTK measurements. Moreover, the improvement in the GNSS-RTK sampling frequency is conducive to extracting more helpful monitoring information. Furthermore, the dynamic deformation data in this paper indicate that the Tianjin Radio and Television Tower is operating normally.
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 | 0,001 | 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 | 0,000 |
| 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