Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/32034
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_ArthurAmaralFerreira.pdf3,34 MBAdobe PDFVisualizar/Abrir
Título: Modeling of GNSS derived vertical total electron content via artificial neural networks : a case study in Brazil
Autor(es): Ferreira, Arthur Amaral
Orientador(es): Borges, Renato Alves
Assunto: Redes neurais artificiais
Ionosfera
Data de publicação: 4-Jun-2018
Referência: FERREIRA, Arthur Amaral. Modeling of GNSS derived vertical total electron content via artificial neural networks: a case study in Brazil. 2018. xiii, 73 f., il. Dissertação (Mestrado em Engenharia de Sistemas Eletrônicos e Automação)—Universidade de Brasília, Brasília, 2018.
Resumo: Uma das principais fontes de erro no posicionamento baseado em Sistemas Globais de Navegação por Satélite (GNSS) para usuários de receptores de uma frequência é o atraso de propagação nos sinais GNSS ao atravessarem a ionosfera. Esse atraso, em uma aproximação de primeira ordem, é diretamente proporcional ao Conteúdo Total de Elétrons (TEC). Assim, estimar o TEC é uma tarefa bastante relevante para correção dos efeitos ionosféricos sobre a propagação dos sinais. Para corrigir os erros de distância devido à ionosfera, os usuários de receptores GNSS de uma única frequência necessitam de modelos que representem o TEC. Neste cenário, este trabalho propõe a utilização de Redes Neurais Artificiais (ANN) para estimar o TEC obtido a partir de medidas GNSS na região do Brasil. As investigações apresentadas neste trabalho iniciam o desenvolvimento de um modelo regional que possa ser usado para determinar o TEC vertical sobre as regiões Nordeste, Centro-Oeste e Sul do Brasil, visando futuras aplicações em estimação próxima a tempo real e em previsão de curto prazo. Neste trabalho são utilizados dados GNSS das redes GLONASS para pesquisa e desenvolvimento, e da Rede Brasileira de Monitoramento Contínuo dos Sistemas GNSS (RBMC). Os parâmetros de entrada da rede neural baseiam-se em fatores que influenciam os valores do TEC, incluindo localização geográfica do receptor GNSS, atividade geomagnética, variações sazonais e diurnas e atividade solar. O modelo de ANN proposto é utilizado para estimar os valores de GNSS TEC vertical em regiões desprovidas de receptores GNSS de duas bandas de frequência que possam ser utilizados para tal fim. Diferentes análises são realizadas, divididas em três estudos de caso. Estas análises incluem a avaliação de desempenho espacial, avaliação de diferentes estruturas ANN, habilidade de previsão em curto-prazo e comparação de desempenho em relação aos Mapas Ionosféricos Globais (Global Ionospheric Maps) fornecidos pelo Centro para Determinação de órbita na Europa (CODE) durante a tempestade geomagnética registrada nos dias 13 e 14 de Outubro de 2016. Os resultados obtidos a partir das análises conduzidas sugerem que os modelos de NN propostos fornecem bom desempenho espacial e apresentam-se como ferramentas promissoras para aplicações de previsão de TEC de curto-prazo.
Abstract: One of the main error sources on Global Navigation Satellite Systems (GNSS) positioning solutions for users of single frequency receivers is the propagation refraction of the GNSS signals as they pass through the ionosphere. The estimation of the Total Electron Content (TEC) is very important for the correction of ionosphere propagation effects on GNSS signals. In order to correct the ionospheric range errors, GNSS single-frequency users need to rely on TEC models. In this framework, the present investigates the use of Artificial Neural Network models (ANN) to estimate TEC derived from GNSS measurements in Brazil. More specific, the investigations start the development of a regional model that can be used to determine the vertical TEC (vTEC) over Northeast, Central-West and South regions of Brazil, aiming future applications on a near real-time frame estimations and short-term forecasting. This work uses GNSS data from the GLONASS network for research and development, and from the Brazilian Network for Continuous Monitoring of the GNSS (RBMC). The input parameters of the ANN models are based on features known to influence TEC values, including the geographic location of the GNSS receiver, geomagnetic activity, seasonal and diurnal variations, and solar activity. The proposed ANN model is used to estimate the GNSS TEC values at void locations, where no dual-frequency GNSS receiver that may be used as a source of data for GNSS TEC estimation is available. Different analyses are carried out divided into three case studies. These analyses include spatial performance evaluation, evaluation of different ANN structures, short-term forecasting ability and performance comparison against CODE (Center for Orbit Determination in Europe) Global Ionospheric Maps during the geomagnetic storm registered on 13th and 14th October 2016. The results obtained from the described analysis suggest that the proposed ANN models provides good spatial performance and presents to be a promising tool for short-term forecasting applications.
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2018.
DOI: http://dx.doi.org/10.26512/2018.02.D.32034
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.