การประมาณคาปรมาณไอนำในบรรยากาศในทนทดวยการประมวลผลขอมลจเอนเอสเอส แบบจดเดยวความละเอยดสงในประเทศไทย
Notice bibliographique
Résumé
การศึกษาครั้งนี้มีวัตถุประสงคเพื่อศึกษากระบวนการและเทคนิคการประมวลผลแบบ PPP (Precise Point Positioning) เพื่อประมาณค่าปริมาณไอน้ำในบรรยากาศ หรือ PWV (Precipitable Water Vapor) แบบทันที (Real-Time) ที่มีความถูกต้องเพียงพอสำหรับการประยุกต์ใช้ในแบบจำลองการพยากรณ์อากาศเชิงเลขและการพยากรณ์อากาศระยะสั้น (Weather Nowcasting) ด้วยซอฟต์แวร์ BNC (Federal Agency of Cartography and Geodesy (BKG) NTRIP Client) ซึ่งได้ถูกปรับปรุงเพื่อเพิ่มความถูกต้องในการประมวลผลข้อมูล GNSS ประกอบไปด้วย การปรับปรุงแบบจำลองและค่าความแปรปรวนของสัญญาณรบกวนให้เหมาะสมในกระบวนการประมาณค่าคลาดเคลื่อนเนื่องจากชั้นบรรยากาศโทรโพสเฟียร์ และพัฒนาฟังก์ชั่นปรับแก้ค่าคลาดเคลื่อนเนื่องจากแรงมหาสมุทร โดยจะประมวลผลร่วมกับค่าแก้วงโคจรและนาฬิกาดาวเทียมแบบทันที ผลการศึกษาพบว่าค่าคลาดเคลื่อนทางดิ่งที่เกิดจากชั้นบรรยากาศโทรโพสเฟียร์ หรือ ZTD (Zenith Tropospheric Delay) แบบทันทีมีค่า RMSE ของค่าต่าง ZTD ระหว่างค่าที่ได้จากการประมวลผลข้อมูล GNSS เปรียบเทียบกับค่าอ้างอิงที่ได้จาก CSRS (Canadian Spatial Reference System PPP tool) มีค่าน้อยกว่า 15 มม. ซึ่งมีค่าอยู่ในเกณฑ์ความถูกต้องที่เพียงพอต่อการนำใช้งานในแบบจำลอง NWP และการแปลงค่า ZTD เป็นค่า PWV แบบทันทีด้วยแบบจำลองความดันและอุณหภูมิท้องถิ่นที่พัฒนาขึ้นในงานศึกษาวิจัยพบว่าค่า RMSE ของ PWV เปรียบเทียบกับชุดข้อมูล ERA5 (European Centre for Medium-Range Weather Forecasts (ECMWF) Re-Analysis) เฉลี่ยทุกสถานีมีค่าน้อยกว่า 3 มม. ซึ่งมีค่าความถูกต้องอยู่ในเกณฑ์ที่เพียงพอสำหรับนำไปใช้ในแบบจำลองพยากรณ์อากาศเชิงเลขสำหรับการพยากรณ์อากาศระยะสั้น
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,042 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».