Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Ramos Pollan, RaulRincon Cadena, Wanda Catalina2024-03-0420182024-03-0420182018https://noesis.uis.edu.co/handle/20.500.14071/38870Los 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 %.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Aprendizaje ComputacionalAnomal´Ias IonosfericasGnssGbasAnálitica De Datos.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coMachine LearningIonosphere AnomalyGnssGbasData Analytics.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)