• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
10.11606/T.3.2012.tde-08022013-155136
Documento
Autor
Nome completo
Wagner Carrupt Machado
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2012
Orientador
Banca examinadora
Fonseca Júnior, Edvaldo Simões da (Presidente)
Blitzkow, Denizar
Camargo, Paulo de Oliveira
Romero, Roseli Aparecida Francelin
Segantine, Paulo César Lima
Título em português
Utilização de redes neurais artificiais na previsão do VTEC visando a geração de estações de referência virtuais em tempo-real.
Palavras-chave em português
Atmosfera neutra
Estação de referência virtual
GNSS
Ionosfera
Redes neurais artificiais
Resumo em português
Dentre as técnicas de posicionamento utilizando os sistemas de navegação por satélite globais (GNSS - Global Navigation Satellite Systems), merece destaque a que utiliza dados de uma rede de estações GNSS para gerar estações de referência virtuais. Desde que as estações da rede não estejam separadas por mais de 100 km e o receptor do usuário esteja dentro da região interna à rede de referência, esta técnica de posicionamento pode proporcionar posicionamento com precisão melhor que 10 cm a usuários de receptores de uma frequência. No entanto, o posicionamento em tempo-real pode ser inviabilizado caso ocorra problema de comunicação com as estações da rede de referência. Tendo em vista a relação do conteúdo total de elétrons (TEC - Total Electron Content) com o atraso ionosférico de primeira ordem, esta pesquisa apresenta uma forma de se prever 72 horas do TEC na direção vertical (VTEC - Vertical Total Electron Content) regionalmente com a arquitetura de redes neurais artificiais (RNA) denominada perceptrons de múltiplas camadas (MLP MultiLayer Perceptrons). A metodologia de previsão do VTEC proposta foi empregada na geração de estações de referência virtuais, onde arquivos de previsão do atraso troposférico zenital, produzidos pelo Instituto Nacional de Pesquisas Espaciais (INPE), foram utilizados para considerar o atraso provocado pela atmosfera neutra e as efemérides preditas pelo serviço internacional do GNSS (IGS - International GNSS Service) foram empregadas para calcular a posição dos satélites. As RNA foram treinadas e avaliadas com dados de VTEC extraídos dos mapas da ionosfera globais (GIM - Global Ionospheric Map) produzidos pelo IGS e dos arquivos produzidos com o software Mod_Ion, ambos no formato IONEX (IONosphere Map EXchange), mostrando que o VTEC pode ser previsto por 72 horas com diferença média quadrática (RMS Root Mean Square) que varia de 1,2 unidades de TEC (TECU - TEC Units) a 12,5 TECU, em baixa e alta atividade solar, respectivamente. Dezoito linhas de base, localizadas no oeste do Estado de São Paulo, foram calculadas utilizando estações de referência virtuais e estações de referência reais, verificando-se que o posicionamento relativo tridimensional empregando a metodologia proposta apresentou RMS de aproximadamente 46 cm. Quando avaliada no posicionamento absoluto preciso (PPP Precise Point Positioning), o RMS relacionado com o posicionamento tridimensional foi de 26 cm.
Título em inglês
Use of artiificial neural networks to predict VTEC aiming to generate virtual reference stations in real-time.
Palavras-chave em inglês
Artificial neural networks
Atmosphere
Global positioning system
Space geodesy
Resumo em inglês
The positioning technique that uses data from a network of GNSS reference stations to generate virtual reference stations should be detached among the Global Navigation Satellite Systems (GNSS) positioning techniques. Since the inter reference station distances are up to 100 km and the user receiver is within the internal region of the network, this technique can provide single frequency receiver users positioning with better accuracy than 10 cm. However, real-time positioning can be impracticable if communication breakdown involving such reference stations occurs. Given the relation between the Total Electron Content (TEC) and the first-order ionospheric delay, this research presents a way to predict 72 hours of vertical TEC (VTEC) regionally using the Artificial Neural Networks (ANN) architecture called MultiLayer Perceptorns (MLP). The proposed VTEC prediction methodology was employed in the generation of virtual reference stations, where files of prediction of zenithal tropospheric delay, produced by the National Institute For Space Research (INPE Instituto de Pesquisas Espaciais), were used to take the neutral atmospheric delay into account and the precise ephemeris predicted by the GNSS International Service (GNSS) were employed to compute satellites positioning. ANN were trained and assessed using VTEC data from the Global Ionospheric Maps (GIM) produced by IGS and the files produced by Mod_Ion software, both in IONEX (IONosphere Map EXchange) format, showed VTEC can be predicted for 72 hours with Root Mean Square difference (RMS) of about 1.2 TEC units (TECU) and 12.5 TECU, respectively, in low solar activity and high solar activity. Eighteen baselines, in the west region of Sao Paulo State, were computed using virtual reference stations and real reference stations, verifying that the three-dimensional relative positioning using the proposed methodology showed RMS of 46 cm. When assessed by precise point positioning (PPP), the three-dimensional RMS positioning was of 26 cm.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2013-02-18
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2020. Todos os direitos reservados.