Modified ionosphere delay fitting model with atmosphere uncertainty grids for wide-area real-time positioning
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
Precise atmospheric delay and proper constraints are critical for achieving rapid convergence and accurate positioning. However, ionospheric delay models over wide-area face challenges due to significant spatial and temporal variations, impacting real-time correction precision. To address this, we propose a novel ionospheric slant delay fitting model that adaptively selects the optimal reference path within coverage areas, describing differences between the reference propagation path and others through trigonometric functions. With ten coefficients, the model surpasses legacy polynomial fitting accuracy. Using a 166-station, 150 km-spaced European networks for atmospheric delays and 113 external stations for validation, our model achieves a 59.6% standard deviation reduction compared to the legacy model. Compared to the legacy ionospheric delay model, new model positioning convergence time (≤10 cm) accelerates by 37.7% and 34.2% for horizontal and vertical components, respectively. Meanwhile, two 2° × 2° uncertainty grids, generated from tropospheric and ionospheric delay fitting residuals at 15-min intervals, accurately describe fitting performance in all coverage areas with a maximum of 475 points. Adaptive constraints from uncertainty grids can reduce convergence time by 42.1% and 28.8% for horizontal and vertical, surpassing three-time modeling sigma solutions. These findings underscore the effectiveness of our novel ionospheric delay fitting model and the associated uncertainty grids in providing precise information across extensive regions with minimal coefficients.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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