MétaCan
Menu
Retour à la cohorte
Enregistrement W4292289480 · doi:10.36909/jer.16821

Troposphere Delay Remote Sensing Using Single GPS Receiver

2022· article· en· W4292289480 sur OpenAlexaboutno aff
Ahmed Sedeek, Mohamed Doma, Mostafa Rabah, Ahmed Elsayed

Notice bibliographique

RevueJournal of Engineering Research · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTroposphereGNSS applicationsGlobal Positioning SystemEnvironmental scienceRemote sensingCode (set theory)GeodesyMeteorologyComputer scienceGeologyGeographyTelecommunications

Résumé

récupéré en direct d'OpenAlex

The most prominent spatially correlated errors in GNSS observations are well known to be atmospheric effects. The ionosphere and troposphere are the two main layers of the Atmosphere that cause delays in GNSS observations. A linear combination of the dual-frequency data can be used to reduce ionospheric delay. Unlike the ionospheric delay, the tropospheric delay cannot be eliminated using the same methods. The troposphere is primarily associated with GPS. The delay it causes in GPS signals is regarded as one of the primary sources of errors that must be eliminated to determine accurate positions. This paper's main purpose is to develop a new source code that can estimate the effect of tropospheric delay over any GPS station. The tropospheric delay in this proposed code is estimated utilizing sequential least-squares adjustment using a model depending on Niell Mapping Function (NMF). This model, known as the Tropospheric Delay Estimation program, was created in the MATLAB® environment (TDE). This research presents the results of tropospheric delay during DOY 2, 2020 of actual data from ten ground-based IGS stations distributed over Antarctica, China, Canada, Fiji, Russia, Greenland, and Portugal IGS stations worldwide. For validation of the proposed code results, they were compared with troposphere delay results of the International GNSS Service (IGS). Good agreement and high correlation were found between both results. In comparison to IGS, the proposed code's standard deviations range from 0.0000525 m to 0.008154 m, indicating how accurate this study is in terms of agreement of solutions provided by IGS. Finally, the MATLAB software can accurately estimate troposphere delay with an adaptable temporal resolution for GPS users.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,298
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering ResearchMême sujetGNSS positioning and interferenceTravaux en français237 207