MétaCan
Menu
Retour à la cohorte
Enregistrement W4408848425 · doi:10.47328/ufvbbt.2024.594

Influência da solução da ambiguidade GPS na qualidade posicional do CSRS- PPP

2024· dissertation· pt· W4408848425 sur OpenAlexaboutno aff
Rafael Pereira Vicente

Notice bibliographique

Revuenon disponible
Typedissertation
Languept
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlobal Positioning SystemComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

O Posicionamento por Ponto Preciso (PPP) evidencia-se como alternativa ao método de posicionamento relativo. Trata-se de um método que faz uso das órbitas precisas e correções dos relógios de várias fontes, requer, para que se alcance alta acurácia, que a maioria das fontes de erros seja considerada ou modelada. Dessa forma, a principal desvantagem encontra-se no tempo de convergência da solução, definido como o tempo decorrido desde o início da coleta até a época em que a estimativa de posição do receptor atinge um determinado nível de precisão, não mais se desviando dele. Para se realizar o PPP de forma rápida, é necessário que as ambiguidades sejam solucionadas como números inteiros. No posicionamento relativo, a solução das ambiguidades, de modo geral, é realizada com a utilização das (DD) duplas diferenças. No PPP, por se tratar de apenas um receptor, não ocorre a formação da DD, dificultando a solução, como número inteiro, devido à presença dos atrasos não calibrados do código/fase do receptor e do satélite. Nos últimos anos, tem sido dada atenção por diferentes grupos de pesquisa, resultando em algumas metodologias, na tentativa de resolver este problema. Em 2020, o CSRS-PPP (Canadian Spatial Reference System Precise Point Positioning) operado pelo NRCan (Natural Resources Canada), a partir da versão 3.0, implementou o método DCM (Decoupled Clock Model) em seu serviço de posicionamento que soluciona as ambiguidades da constelação GPS (Global Positioning System). No Brasil, o IBGE-PPP realiza o serviço de posicionamento, que permite determinar coordenadas referenciadas ao Sistema Geodésico Brasileiro, sendo tal serviço concebido através de uma parceria com o NRCan. Entretanto, a versão utilizada no IBGE-PPP não permite a solução das ambiguidades. Diante do exposto, esta pesquisa pretendeu avaliar o desempenho da nova versão do CSRS-PPP, comparando-a com IBGE-PPP; analisou a solução das ambiguidades, as discrepâncias posicionas, precisões e RMSE (Root Mean Square Error) de cada componente do SGL (Sistema Geodésico Local) nos distintos intervalos de rastreio (15, 30, 45, 60 e 120 minutos), utilizando-se de dados de seis estações da RBMC (Rede Brasileira de Monitoramento Contínuo dos Sistemas GNSS) em 30 dias no clima úmido e 30 dias no clima seco. Ao utilizar dados, em regiões climáticas distintas, em termos de umidade, buscou avaliar se a modelagem troposférica pode influenciar na solução das ambiguidades. A partir dos resultados obtidos, foi possível perceber que a solução da ambiguidade implementada pelo CSRS-PPP apresentou melhorias expressivas e estatisticamente significativas, segundo teste de Wilcoxon Mann-Whitney, nas componentes e, n e up do sistema geodésico local, em comparação com IBGE-PPP. Também observamos melhor resultados na solução das ambiguidades (porcentagens) em clima seco, comparado ao clima úmido, resultando em componentes do SGL com menores discrepâncias e valores de RMSE no clima seco. Em relação à precisão, embora as obtidas no CSRS-PPP tenham demonstrado valores elevados nos curtos intervalos de rastreio, como em 15 e 30 minutos, a discrepância e RMSE não refletiu este comportamento. Palavras-chave: Posicionamento por Ponto Preciso (PPP); Solução das Ambiguidades; Canadian Spatial Reference System Precise Point Positioning (CSRS- PPP).

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)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,022
Tête enseignante GPT0,289
Écart entre enseignants0,267 · 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'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGNSS positioning and interferenceTravaux en français237 207