Resumen

Diversos factores climáticos influyen en la precisión de los datos de seguimiento a largo plazo del Sistema Mundial de Navegación por Satélite (GNSS). Para analizar con precisión el efecto de diferentes factores climáticos en los registros de monitorización GNSS a largo plazo, este estudio combina la transformación Helmert ampliada de siete parámetros y un algoritmo de aprendizaje automático denominado Extreme Gradient boosting (XGboost) para establecer un modelo híbrido. Establecimos un marco de referencia a escala local denominado marco de referencia estable de Puerto Rico y las Islas Vírgenes de 2019 (PRVI19) utilizando diez sitios GNSS de larga duración en funcionamiento continuo situados en la porción rígida de la microplaca de Puerto Rico y las Islas Vírgenes (PRVI). La estabilidad de PRVI19 es de aproximadamente 0,4 mm/año y 0,5 mm/año en las direcciones horizontal y vertical, respectivamente. El marco de referencia estable PRVI19 puede evitar el riesgo de sesgo debido a los movimientos de placa a largo plazo cuando se estudia la deformación localizada del terreno. Además, aplicamos el algoritmo XGBoost a los registros GNSS a largo plazo postprocesados y a los datos climáticos diarios para entrenar el modelo. Evaluamos cuantitativamente la importancia de diversos factores climáticos diarios en las series temporales del GNSS. Los resultados muestran que el viento es el factor más influyente, con un índice de 0,013 menos unidades. En particular, utilizamos el modelo con registros climáticos y del GNSS para predecir los desplazamientos derivados del GNSS. Los resultados muestran que los desplazamientos predichos tienen un error cuadrático medio ligeramente inferior en comparación con los resultados ajustados mediante el método spline (predicción: 0,22 frente a ajustado: 0,31). Esto indica que el modelo propuesto, que tiene en cuenta los registros climáticos, ofrece resultados de predicción adecuados para el seguimiento del GNSS a largo plazo.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:resultados, modelo, marco de referencia de las islas vírgenes, registros de seguimiento del gnss a plazo, sistema mundial de navegación por satélite a plazo, diversos factores climáticos diarios, series temporales del gnss, datos climáticos diarios, diferentes factores climáticos, raíz media inferior
• Keywords:results, model, virgin islands reference frame, term gnss monitoring records, term global navigation satellite system, various daily climate factors, gnss time series, daily climate data, different climate factors, lower root mean