Performance investigation of GLONASS in the static PPP technique with independent short measurement times using online processing services
Notice bibliographique
Résumé
The precise point positioning (PPP) technique, which is still being developed, provides position accuracy at the centimetre (cm) level and is widely employed in scientific research. In the PPP technique, cm-level accuracy can be achieved by evaluating raw data obtained from a single Global Navigation Satellite Systems (GNSS) receiver using precise satellite orbit and clock correction data and other parameters. The majority of studies in the literature are based on 24-hour data obtained from the International GNSS Service (IGS) and similar stations. However, there are fewer articles in which analyzes based on short-term measurements are taken. In this study; the effect of GLONASS on the static PPP technique was investigated with independent short measurement times. For this purpose, measurements were made at 7 different test points on consecutive days using a single GNSS receiver. A 4-hour static measurement was made at each test point. The data obtained were processed in two different scenarios, only GPS and GPS + GLONASS using the Canadian Spatial Reference System – PPP (CSRS-PPP) and Trimble RTX online process software. The processes were completed at 4, 2, 1, and 0.5 h. As a result of the analysis, it has been observed that GLONASS improves the results by 76%, but negatively affects some solutions (24%). It was also observed that GLONASS drastically reduced the outlier values. With this study, it is aimed to show the accuracy that users who make short-term measurements with a single GNSS receiver can be achieved in the static PPP technique by using GPS + GLONASS systems, with repeated measurements.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».