TUSAGA-Aktif İstasyonlarındaki Meteorolojik Hava Olaylarının Hassas Nokta Konumlamaya Etkisi
Notice bibliographique
Résumé
Hassas Nokta Konumlama (PPP), santimetre mertebesinde konum doğruluğu sağlayan bir teknik olarak geliştirilmiş ve günümüzde bilimsel çalışmalarda yaygın olarak kullanılan bir yöntem haline gelmiştir. PPP tekniğinde, tek bir GNSS alıcısından elde edilen ham verilerin hassas uydu yörünge ve saat düzeltmeleri kullanılarak değerlendirilmesi sonucunda cm mertebesinde doğruluk elde edilebilmektedir. Bu çalışmada; Batı, Orta ve Doğu Anadolu’da yer alan ikişer adet TUSAGA-Aktif istasyonundaki meteorolojik hava olaylarının PPP’ye etkisi birden fazla internet tabanlı değerlendirme servisiyle araştırılmış ve sonuçlar istatistiksel olarak karşılaştırılmıştır. Bu kapsamda; Batı Anadolu’da AFYN ve ESKS, Orta Anadolu’da KAYS ve SIVS, Doğu Anadolu’da ise ERZR ve VAN1 istasyonları seçilmiştir. Bu istasyonlara ait farklı meteorolojik etkiler altında veri kayıt aralığı 30 saniye olan 30 gün 24 saatlik RINEX verileri temin edilmiştir. Temin edilen veriler internet tabanlı PPP servislerinden; Canadian Spatial Reference System – PPP (CSRS-PPP), GNSS Analysis and Positioning Software (GAPS) ve MagicGNSS kullanılarak değerlendirilmiştir. İnternet tabanlı servislerden elde edilen koordinatların gerçek koordinat değerlerinden farkları alınarak karşılaştırmalar yapılmıştır. Karşılaştırmalar sonucunda tüm hava koşullarında MagicGNSS’in en iyi sonuçları verdiği, yağmurlu ve karlı hava koşullarının internet tabanlı PPP servislerinin doğruluğunu etkilediği görülmüştür.
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.
Comment cette classification a été obtenuedéplier
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».