Metodos de aprendizaje computacional para la detección automática de afectaciones ionosféricas en sistemas de aumentación terrestres

Simple item page
dc.contributor.advisorRamos Pollan, Raul
dc.contributor.authorRincon Cadena, Wanda Catalina
dc.date.accessioned2024-03-04T00:07:30Z
dc.date.available2018
dc.date.available2024-03-04T00:07:30Z
dc.date.created2018
dc.date.issued2018
dc.description.abstractLos usuarios de aviaci´on civil necesitan de los sistemas de posicionamiento global como GPS para dar soporte a sus operaciones. Las anomal´ıas ionosf´ericas son una de las principales amenazas para la seguridad y disponibilidad de las medidas de posici´on que provee el sistema GPS. La ion´osfera es una capa de la atm´osfera que se encuentra cargada con electrones, estos afectan todas las comunicaciones por ondas de radio, debido a que refractan parte de las se˜nales que atraviesan este medio. A trav´es de una metodolog´ıa para corregir las se˜nales de c´odigo y fase captadas por receptores de doble frecuencia, se calculan y preprocesan los retrasos ionosf´ericos en las se˜nales de pseudorango, seguido del c´alculo de gradientes entre pares de receptores cercanos alrededor de un aeropuerto para estimar el comportamiento de la ionosfera en el ´area. Sin embargo, despu´es de este proceso existen falsos positivos entre los resultados. En este trabajo se propone como soluci´on la creaci´on de conjuntos de datos y el dise˜no de caracter´ısticas de eventos ionosf´ericos para entrenamiento de modelos de aprendizaje computacional, que clasifiquen cada caso como verdadero o falso. De esta manera, se provee una soluci´on de bajo costo para evaluar la ion´osfera en una regi´on previo a la instalaci´on de estaciones de monitoreo. Con los datos recolectados se construye un conjunto de descriptores de las se˜nales captadas por los receptores adem´as de informaci´on de clima espacial como actividad solar y geomagn´etica. Los receptores utilizados para construir el conjunto de datos pertenecen a redes de Ecuador, Estados Unidos y Espa˜na. Los resultados sugieren que es posible automatizar la validaci´on de eventos ionosf´ericos extremos con un desempe˜no en la m´etrica f2 de hasta 93 %.
dc.description.abstractenglishCivil aviation users need global positioning systems such as GPS to support their operations. Ionospheric anomalies are one of the main threats to security and availability of position measurements provided by GPS, the ionosphere is the atmosphere layer charged with electrons that affects all communications through radio waves. Using a methodology, ionospheric delays are calculated and preprocessed in pseudorange signals from double frequency receivers that are located in the area around an airport, then gradients are calculated between pairs of nearby receivers to estimate the behavior of the ionosphere. However, after this process there are false positives among the results. In this work we proposed as a solution machine learning models to classify each case as true or false based on the input characteristics, in this way, a low cost solution can be provided to evaluate the ionosphere before the installation of expensive equipment. From the data collected, a database is constructed with information of the signals received by the sensors, as well as spatial weather information such as solar and geomagnetic activity. The receivers used to build the dataset belong to networks in Ecuador, the United States and Spain. The results suggest that it is possible to automate the validation of extreme ionospheric events with a performance in the f2 metric of 93 %.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Matemática Aplicada
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/38870
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ciencias
dc.publisher.programMaestría en Matemática Aplicada
dc.publisher.schoolEscuela de Física
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectAprendizaje Computacional
dc.subjectAnomal´Ias Ionosfericas
dc.subjectGnss
dc.subjectGbas
dc.subjectAnálitica De Datos.
dc.subject.keywordMachine Learning
dc.subject.keywordIonosphere Anomaly
dc.subject.keywordGnss
dc.subject.keywordGbas
dc.subject.keywordData Analytics.
dc.titleMetodos de aprendizaje computacional para la detección automática de afectaciones ionosféricas en sistemas de aumentación terrestres
dc.title.englishMachine learning methods for ionosphere anomaly detection on ground based augmentation systems.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
198.42 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
2 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
255.15 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Matemática Aplicada