Made available in DSpace on 2014-06-11T19:22:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2006-10-31Bitstream added on 2014-06-13T19:48:45Z : No. of bitstreams: 1 faustino_rc_me_prud.pdf: 956028 bytes, checksum: 4518bd21cfc75ed14c3e4e793a14ec55 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Nesta dissertação investiga-se o Posicionamento por Ponto Preciso (PPP), nos modos estático e cinemático, utilizando o Filtro de Kalman Estendido. Foram corrigidos os erros devido aos efeitos da refração troposférica, relatividade, movimento de rotação da Terra, variações das marés terrestres, correção do centro de fase da antena do satélite e fase Wind- up. Os efeitos devido à ionosfera foram minimizados através da combinação linear Ion-Free. A perda de ciclo foi detectada através da combinação linear widelane, envolvendo as duas observáveis: fase da onda portadora e pseudodistância. Quando a perda de ciclo é detectada, uma nova ambigüidade é inicializada no lugar da antiga. As implementações foram realizadas no software FILTER_FCT, em desenvolvimento na FCT/UNESP, o qual processava apenas a pseudodistância. Visando mostrar a acurácia que pode ser obtida com o PPP, foram realizados três experimentos: PPP no modo estático, PPP estático simulando o modo cinemático e PPP cinemático. No primeiro e no segundo experimentos foram utilizados dados das estações GPS: PPTE, VICO, RIOD e FORT, pertencentes à Rede Brasileira de Monitoramento Contínuo (RBMC), e da estação FRDN, localizada em Fredericton, no Canadá. No terceiro experimento foram utilizados dados do receptor GPS a bordo do satélite CHAMP. No PPP estático, utilizou-se como estratégia de processamento a modificação da variância das coordenadas e do relógio do receptor na matriz de variância-covariância do Filtro de Kalman Estendido. Verificou-se uma discrepância em relação às coordenadas consideradas verdadeiras na ordem de decímetros, com exceção das estações VICO e RIOD, que foram da ordem de centímetros. / In this dissertation the Precise Point Positioning (PPP), in static and kinematic modes, using Extended Kalman Filter is investigated. The errors due to troposphere refraction, relativity, movement of Earth's rotation, tide loading, satellite antenna phase center offset and phase wind-up were corrected. The effects due to ionosphere were minimized through the Ionospheric-Free linear combination. The widelane combination, involving phase and pseduorange, was used to detect cycle slips. When a cycle slip is detected, a new ambiguity is initialized in the place of the old one. The implementations were accomplished in the FILTER_FCT software. To show the accuracy in the PPP, three experiments were accomplished: PPP in the static mode, PPP in the static mode simulating the kinematic mode and PPP in kinematic mode. In the first and second experiments, data from PPTE, VICO, RIOD and FORT stations belonging to Brazilian Network for Continuous Monitoring (RBMC), and FRDN station located in Fredericton, Canada, were used. In the third experiment data from a GPS receiver on board of the CHAMP satellite were used. In static PPP, the modification of the coordinates variance and the receiver clock was used as processing strategy. The discrepanc ies obtained in the static positioning were on the order of decimeters, except for VICO and RIOD stations where they were on the order of centimeters. When the clock receiver variance was increased from (3.300)ø mø to (10.000)ø mø , the values of the discrepancies also increased, on the order of centimeters. Then, there is influence of the receiver clock variance in the estimated coordinates. The residual part of the tropospheric effects was estimated with the introduction of a scale factor in the processing.

Resumo: As redes ativas GPS tem se tornando cada vez mais utilizadas nos levantamentos geodésicos. As estações que fazem parte dessas redes têm suas coordenadas determinadas com alta precisão que, devido à estabilidade na sua construção e disponibilidade de dados, são chamadas estações de referência. Os dados podem ser empregados numa diversidade de pesquisas e projetos, sendo um dos mais comuns atualmente os de levantamentos geodésicos. O estudo e monitoramento do vapor d'água na atmosfera e movimento de placas litosféricas são exemplos de aplicações. Dentre os métodos de posicionamento GPS, o Posicionamento por Ponto Preciso (PPP) vem apresentando resultados muito promissores. Uma característica do PPP está relacionada com a modelagem e/ou estimação de todos os erros envolvidos nesse método. A acurácia obtida para as coordenadas pode ser da ordem de poucos milímetros, tal como no método de posicionamento relativo. Efeitos sazonais podem afetar esta acurácia caso não sejam considerados. Desta forma, é desejável dispor do conhecimento de todos os fatores sazonais (movimento do pólo, marés terrestres e cargas oceânicas) que interferem na posição da estação, visando minimizá-los ou modelá-los. Contudo, há evidências da existência de outros efeitos dessa natureza ainda não levados em consideração no PPP. Nesta pesquisa, foram realizados alguns experimentos com a finalidade de investigar os efeitos sazonais presentes nas séries temporais das coordenadas das estações Brasília (BRAZ), Euzébio (BRFT) e Manaus (NAUS) pertencentes à Rede Brasileira de Monitoramento Contínuo (RBMC)... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The active GPS networks have being more and more used in the geodetic surveying. The stations that belong to these networks have the coordinates determined with high precision, due to the construction stability and data availability, so they are called reference stations. The reference station data can be employed in a diversity of researches, where the geodetic positioning is one of the most common. The study and monitoring of the water vapor in the atmosphere and the lithosphere plates movement are examples of applications. Among the existent methods of GPS positioning, the Precise Point Positioning (PPP) has been presented great results. The accuracy obtained for the coordinates can reaches few millimeters, such as in the relative positioning. An important aspect concerning PPP is related to the modeling and / or estimation of all errors that affect this method. Among the errors, the seasonal effects can affect PPP accuracy if they are not considered. In this way, it is desirable to take care of all the seasonal factors (polar motion, solid tides and ocean loading) that interfere in the station position, aiming to minimize or to model them. Besides, there are evidences of other seasonal effects that still remain in PPP. In this research, some experiments were carried out with the finality of investigating the seasonal effects in the coordinate time series of the stations Brasília (BRAZ), Euzébio (BRFT) and Manaus (NAUS), that belong to the Rede Brasileira de Monitoramento Contínuo (RBMC). The coordinates of these stations were estimated daily using... (Complete abstract click electronic access below) / Orientador: João Francisco Galera Monico / Coorientador: João Carlos Chaves / Banca: Marcelo Tomio Matsuoka / Banca: Ailton Pagamisse / Mestre

The thesis deals with processing of epoch-wise GNSS measurements from local geodynamic network Sněžník. Its aim is to evaluate the geodynamics in the area of Králický Sněžník Massif and to assess the capabilities of epoch-wise GNSS measurements to detect the geodynamic movements. Within the thesis the comprehensive processing of all the GNSS measurements observed between years 1997 and 2011 is realized using the reprocessed products of first IGS reprocessing Repro1. Bernese GPS software version 5.0 is used for all the processing.

Vid GNSS-positionering i samband med fastighetsbildningsåtgärder används vanligtvis den traditionella RTK-mätningen (Real-Time Kinematic) via SWEPOS nätverks-RTK-tjänst. Denna tjänst kräver mobiltelefontäckning eller motsvarande tvåvägskommunikation, vilket kan vara problematiskt inom områden med bristfällig mobiltelefontäckning. Under dessa förhållanden kan istället PPP-mätning (Precise Point Positioning) vara användbart vid fastighetsbildningsåtgärder då dessa tjänster tar emot korrektionsdata i realtid från satelliter. PPP kräver inte någon mobiltelefontäckning, däremot krävs en kommunikationslänk, en RTX-tjänst för att erhålla korrektioner externt från en RTX-satellit. Syftet med studien är att undersöka möjligheten till att nyttja PPP i realtid vid fastighetsbildningsåtgärder som ett alternativ till traditionell GNSS-mätning med nätverks-RTK. För att PPP ska vara ett alternativ till traditionell GNSS-mätning i realtid krävs det att mätosäkerhetskraven inom fastighetsbildning uppfylls. Mätosäkerheten undersöktes genom att utgå ifrån redan kända koordinater (RIX 95-punkter). Mätningarna har genomförts på fem olika platser i Sverige, Göteborg, Vänersborg, Karlstad, Torsby och Malung-Sälen. Mätdata som erhölls från undersökningsplatserna har analyserats samt jämförts med fastighetsbildningskraven. Resultatet av studien erhölls i form av analyserad mätdata med jämförelser mot redan kända (RIX 95) punkter. Avikelsen från känd RIX 95-punkt redovisas i resultatet utifrån tidsaspekten, den systematiska avvikelsen av translativ art, förändringar i avvikelsen från söder till norr samt utifrån två beräkningsmodeller, varav en translation och en transformation. För att få den erhållna mätdatan från RTX-tjänsten att överensstämma bättre med referenspunkten (RIX 95-punkten) togs beräkningsmodellerna fram för att möjliggöra modellering av systematiska avvikelser som uppkommit och därmed uppfylla kraven inom fasighetsbildningsåtgärder. Genom att ha analyserat och granskat olika samband har det framkommit att efter ca 20 minuters mätning, börjar precisionen för mätningarna att bli stabila. Utifrån resultatet är slutsatsen att PPP inte fungerar vid fastighetsbildningsåtgärder för områden inom stomnät, däremot fungerar metoden för skogs- och jordbruksfastigheter utanför stomnät. Förutsatt att en modellering genom translation alternativt transformation som är framtagen i denna studie används för att justera koordinaterna så fungerar PPP-mätning inom samtliga fastighetsbildningsåtgärder. Detta kräver då att mätdata erhålls efter 20 minuters mätning eller mer. / GNSS positioning in conjunction with the real property is usually used the traditional RTK measuring (Real-Time Kinematic) by SWEPOS network RTK service. This service requires mobile phone coverage or equivalent two-way communication, which can be problematic in areas with poor mobile phone coverage. Under these circumstances, PPP (Point Positioning Precise) could be more useful in real property measures when such services receives the correction data in real time from the satellites. PPP does not require any cell phone coverage, however it requires a communication link, a RTX service to obtain corrections externally from a RTX satellite. The purpose of the study is to examine the possibility of using PPP in real time at the real property as an alternative to traditional GNSS measurements with network RTK. The measurement uncertainty was investigated by starting out from already known coordinates (RIX 95 points). The measurements were performed out at five different locations in Sweden, Gothenburg, Vanersborg, Karlstad, Torsby and Malung-Salen. Measurement data obtained from the observations have been analyzed and compared with real property requirements. The results of the study were obtained in the form of data analyzed by comparison of the known (RIX 95) points. The deviation is known from RIX 95 point recognized in income based on the time factor, the bias of the translative case species, changes in deviation from south to north and from two calculation models, a translation and a transformation. To correct the measured values from the RTX service for a better match to the RIX 95 points calculation models were developed to facilitate the modeling of systematic deviations incurred and meet the demands of real property. Analyzing and examining various relationships have shown that after about 20 minutes of measuring, the precision of the measurements starts to become more stable. Based on the results, the conclusion is that the PPP does not work in real property areas within the core network, however, the method works for forestry and agricultural properties outside the core network. Assuming a modelling through translational alternative transformation, developed in this study is used to adjust the coordinates, the PPP measurement is working in all real property registration measures. This requires that the measurement data is obtained after 20 minutes of measurement or more.

Ao longo dos anos, o posicionamento por satélites artificiais através da geotecnologia Global Navigation Satellite System (GNSS) e, principalmente, por meio do sistema americano Global Positioning System (GPS), ganhou importante espaço na área de Geomática. A qualidade das soluções está diretamente relacionada, entre outros fatores, ao tipo de receptor utilizado no trabalho: dispositivos mais caros (geodésicos), capazes de gerar as portadoras L1 e L2 ou L1, L2 e L5, produzem os melhores resultados; por outro lado, receptores topográficos que rastreiam apenas a frequência L1 são mais baratos, mas tornam o processamento dos dados dependente de um modelo ionosférico para reduzir parcialmente os efeitos dessa origem. Visando melhorar as soluções de posicionamento com dispositivos de baixo custo e evitar despesas adicionais do usuário que, eventualmente, necessitaria de utilizar aparelhos mais onerosos, este trabalho tem como objetivo principal propor a implementação de uma Rede Neural Artificial (RNA) para estimar as observações da portadora L2 do sistema GPS com base nas observáveis da L1, buscando-se também aprimorar o método de predição destes dados elaborado em outras pesquisas. Para tanto, selecionou-se um modelo de rede através da técnica de Validação Cruzada (CV), estimaram-se as observações a partir das rastreadas tanto em um receptor geodésico como em um smartphone Android, e comparou-se a acurácia das soluções que foram processadas com e sem as observáveis artificiais criadas pela RNA. A técnica CV demonstrou que uma Multilayer Perceptron (MLP) de quatro camadas escondidas e outra de uma camada intermediária são as configurações mais apropriadas para estimação das observáveis do código e da fase da portadora L2, respectivamente. O tempo de aprendizagem em todos os experimentos não ultrapassou poucos segundos e o processamento dos arquivos RINEX de dupla frequência, criados neste trabalho, revelou melhorias significativas das soluções de posicionamento na maioria dos testes, reduzindo os desvios planos e espaciais em torno de 40 a 50% em relação aos resultados atingidos com apenas os dados originais da portadora L1, sendo que em alguns experimentos foi possível realizar a combinação iono-free (L3) e em outros atender a normativa de georreferenciamento de imóveis rurais do Instituto Nacional de Colonização e Reforma Agrária (INCRA). Os resultados apontam, portanto, que a proposta metodológica da presente investigação atua de forma bastante promissora e como uma alternativa ao uso de receptores mais caros. / Over the years, positioning by artificial satellites through the Global Navigation Satellite System (GNSS) and, mainly, through the American Global Positioning System (GPS), has become increasingly important in Geomatics. The quality of the solutions is directly related, among other factors, to the receiver type used in the work: more expensive (geodetic) devices, capable of generating the carriers L1 and L2 or L1, L2 and L5, produce the best results; conversely, topographic receivers which only trace the L1 frequency are cheaper, but make data processing dependent on an ionospheric model to partially reduce the effects of that source. In order to improve the positioning solutions with low cost devices and avoid additional financial costs to the user who would ultimately need to use more expensive devices, the main objective of this work is to propose the implementation of an Artificial Neural Network (ANN) to estimate the GPS L2 observations from the L1 observables, aiming also to improve the prediction method elaborated in other research. This was done by using the Cross-Validation (CV) technique to select a network model. The observations were estimated from observables tracked on both a geodetic receiver and an Android smartphone, and we compared the accuracy of the solutions that were processed with and without the artificial observations created by the ANN. The CV technique demonstrated that a Multilayer Perceptron (MLP) of four hidden layers and another of an intermediate layer are the most appropriate configurations for the estimation of the L2 code and phase observables, respectively. The learning time in all the tests did not exceed a few seconds and the processing of the dual frequency RINEX files, which were created in this work, revealed significant improvements in the positioning solutions in all the experiments. The plane and spatial deviations were reduced by around 40% to 50% in relation to the results obtained with only the original L1 carrier data. In some tests it was possible to perform the iono-free combination (L3) and in others to meet the georeferencing regulations for rural properties of the National Institute of Colonization and Agrarian Reform (INCRA). The results indicate, therefore, that the methodological proposal of the present investigation acts in a very promising way and as an alternative to the use of more expensive receivers.

Ao longo dos anos, o posicionamento por satélites artificiais através da geotecnologia Global Navigation Satellite System (GNSS) e, principalmente, por meio do sistema americano Global Positioning System (GPS), ganhou importante espaço na área de Geomática. A qualidade das soluções está diretamente relacionada, entre outros fatores, ao tipo de receptor utilizado no trabalho: dispositivos mais caros (geodésicos), capazes de gerar as portadoras L1 e L2 ou L1, L2 e L5, produzem os melhores resultados; por outro lado, receptores topográficos que rastreiam apenas a frequência L1 são mais baratos, mas tornam o processamento dos dados dependente de um modelo ionosférico para reduzir parcialmente os efeitos dessa origem. Visando melhorar as soluções de posicionamento com dispositivos de baixo custo e evitar despesas adicionais do usuário que, eventualmente, necessitaria de utilizar aparelhos mais onerosos, este trabalho tem como objetivo principal propor a implementação de uma Rede Neural Artificial (RNA) para estimar as observações da portadora L2 do sistema GPS com base nas observáveis da L1, buscando-se também aprimorar o método de predição destes dados elaborado em outras pesquisas. Para tanto, selecionou-se um modelo de rede através da técnica de Validação Cruzada (CV), estimaram-se as observações a partir das rastreadas tanto em um receptor geodésico como em um smartphone Android, e comparou-se a acurácia das soluções que foram processadas com e sem as observáveis artificiais criadas pela RNA. A técnica CV demonstrou que uma Multilayer Perceptron (MLP) de quatro camadas escondidas e outra de uma camada intermediária são as configurações mais apropriadas para estimação das observáveis do código e da fase da portadora L2, respectivamente. O tempo de aprendizagem em todos os experimentos não ultrapassou poucos segundos e o processamento dos arquivos RINEX de dupla frequência, criados neste trabalho, revelou melhorias significativas das soluções de posicionamento na maioria dos testes, reduzindo os desvios planos e espaciais em torno de 40 a 50% em relação aos resultados atingidos com apenas os dados originais da portadora L1, sendo que em alguns experimentos foi possível realizar a combinação iono-free (L3) e em outros atender a normativa de georreferenciamento de imóveis rurais do Instituto Nacional de Colonização e Reforma Agrária (INCRA). Os resultados apontam, portanto, que a proposta metodológica da presente investigação atua de forma bastante promissora e como uma alternativa ao uso de receptores mais caros. / Over the years, positioning by artificial satellites through the Global Navigation Satellite System (GNSS) and, mainly, through the American Global Positioning System (GPS), has become increasingly important in Geomatics. The quality of the solutions is directly related, among other factors, to the receiver type used in the work: more expensive (geodetic) devices, capable of generating the carriers L1 and L2 or L1, L2 and L5, produce the best results; conversely, topographic receivers which only trace the L1 frequency are cheaper, but make data processing dependent on an ionospheric model to partially reduce the effects of that source. In order to improve the positioning solutions with low cost devices and avoid additional financial costs to the user who would ultimately need to use more expensive devices, the main objective of this work is to propose the implementation of an Artificial Neural Network (ANN) to estimate the GPS L2 observations from the L1 observables, aiming also to improve the prediction method elaborated in other research. This was done by using the Cross-Validation (CV) technique to select a network model. The observations were estimated from observables tracked on both a geodetic receiver and an Android smartphone, and we compared the accuracy of the solutions that were processed with and without the artificial observations created by the ANN. The CV technique demonstrated that a Multilayer Perceptron (MLP) of four hidden layers and another of an intermediate layer are the most appropriate configurations for the estimation of the L2 code and phase observables, respectively. The learning time in all the tests did not exceed a few seconds and the processing of the dual frequency RINEX files, which were created in this work, revealed significant improvements in the positioning solutions in all the experiments. The plane and spatial deviations were reduced by around 40% to 50% in relation to the results obtained with only the original L1 carrier data. In some tests it was possible to perform the iono-free combination (L3) and in others to meet the georeferencing regulations for rural properties of the National Institute of Colonization and Agrarian Reform (INCRA). The results indicate, therefore, that the methodological proposal of the present investigation acts in a very promising way and as an alternative to the use of more expensive receivers.

GPS 單點定位或稱絕對定位，傳統上使用虛擬距離觀測量，容易受到 電離層延遲影響，導致定位精度較差。因此，本文的目的為構建即時的區 域性電離層模型，以便能夠即時減弱電離層延遲量，提高單頻GPS 單點定 位的精度。 構建電離層模型的方法有很多種，而運用類神經網路為可能方法之一， 但是， 國內較少人探討。本研究嘗詴使用倒傳遞類神經網路(Back-propagation Artificial Neural Network)，構建即時的區域電離層模型，藉由選擇適當的神經訓練函數及隱藏層神經元，利用過去收集的已知參考站的雙頻GPS 資料，計算電離層延遲量，訓練類神經網路，直到精度合乎要求；再以檢核站GPS 資料，檢驗類神經網路預測電離層延遲的功效。 採用的實驗資料為臺南市政府e-GPS 系統所提供六個測站，2008 年1 月3 日到1 月5 日的GPS 資料，計算測站與GPS 衛星連線中假想的電離層 薄殼交點—電離層穿透點(Ionosphere Pierce Point, IPP）之地理位置(緯度φ、經度λ)，及太陽黑子數(sunspot numbers)等當作輸入值，IPP 的垂直電離層延遲當作輸出值，測詴包含單日、兩日以及不同的資料型態(IPP 點、網格點)等情況訓練類神經網路，藉由相對應的驗證資料，檢驗類神經網路的功效，最後將類神經網路的預估成果與全球電離層改正模型、雙頻GPS 資料計算的電離層延遲相比較，並根據改正率與統計特性，評估類神經網 路構建出的區域性電離層模型的成效。 由實驗成果顯示，構建的即時區域性電離層模型的標準差可小於±3TECU，並可改正約80%的電離層延遲誤差，故以類神經網路可有效的構 建出區域性的電離層模型。 / The conventional single point positioning using GPS pseudo rangemeasurements, are vulnerable to ionospheric errors, leading to poor positioningaccuracy. Constructing a real-time ionospheric model is one of the methods that can reduce the ionospheric errors and improve the single point positioning accuracy. Although there are many methods to construct regional ionosphere model,using artificial neural network (ANN) to construct a real-time ionospheric model is less to be mentioned. This study used back-propagation artificial neural network to estimate a regional real-time ionospheric model by selecting the appropriate training functions and the number of hidden layers and its’ nodes. The neural network had to be ‘trained’ by the computed TECs from reference stations’ duel-frequency GPS data until the required accuracy was achieved. The experimental data are collected from 6 e-GPS stations of Tainan city government on January 3 to January 5, 2008. The input values for the ANN includ the geographical location of the ionosphere pierce point (IPP) and solar activity (sunspot number). The output value are those IPPs’ vertical total electron content (VTEC). Different times range and data types (IPPs’ or raster data) for the impact of the ANN are tested. And then compared to Klobuchar model and global ionopheric model, according to the correct rate and the ΔTEC statistic table decide the effectiveness of ANN. According to the test results, the regional ionopheric model constructed by ANN can corrected 80% of the ionospheric errors, the standard deviation of ΔTEC is less than ±3TECU.

No description available.

[ES] Los sistemas de alerta temprana en tiempo real son instrumentos claves para vigilar posibles desastres geológicos como terremotos, tsunamis, actividades volcánicas, hundimiento del terreno o deslizamientos de ladera. Durante las últimas décadas, el número de personas afectadas por los diversos desastres geológicos ha aumentado de forma sustancial. Las consecuencias negativas de estos desastres afectan a la población y a las infraestructuras con diferentes niveles de gravedad, pudiendo llegar a tener un impacto elevado en pérdidas humanas y económicas. Sin embargo, los sistemas de alerta temprana tienen la capacidad de proporcionar avisos adecuados y confiables, lo que puede llevar a minimizar las pérdidas humanas y económicas. El método de Posicionamiento Puntual Preciso en tiempo real (RT-PPP) desempeña un papel importante como parte de los sistemas de alerta temprana; debido a su capacidad para proporcionar seguimiento en tiempo real, cobertura global y su capacidad de obtención de mediciones precisas en tiempo real adquiridas por un solo receptor. A pesar de esto, el método (RT-PPP) utiliza productos para la corrección de la órbita y los relojes de los satélites (productos SSR) que son sensibles de los errores de la tecnología GNSS. Como consecuencia, estos errores pueden afectar la disponibilidad y fiabilidad de los sistemas de alerta temprana basados en la técnica RT-PPP. Debido a estos errores, se pueden llegar a generar avisos falsos, algunos de estos errores son: largos tiempos de inicialización, falta de continuidad y exactitud en los resultados, mala calidad de corrección de órbita y reloj de los satélites, mala resolución de la ambigüedad, etc. Además, la mala geometría de los satélites y la latencia de los productos SSR afectan gravemente el rendimiento del posicionamiento PPP en tiempo real. Este trabajo de investigación, se enfoca, en una primera parte, en el análisis de los efectos y los métodos de mitigación de la latencia de los productos de corrección en tiempo real. El International GNSS Service (IGS) proporciona productos oficiales para materializar la técnica de PPP en tiempo real, estos productos contienen correcciones para las órbitas y los relojes de los satélites que se generan como combinación de los calculados en los diferentes centros de cálculo repartidos por el mundo. Este proceso de combinación aumenta la latencia y, por tanto, su impacto en la solución RT-PPP, afectando el desempeño de cualquier sistema de alerta temprana basada en RT-PPP. Así, en esta tesis, se usará el enfoque de Aprendizaje Automático para resolver el problema de la latencia, intentando predecir los valores de las correcciones en los productos SSR para el tiempo de la latencia. Se han utilizado los modelos de Support Vector Regression (SVR) y de media móvil integrada autorregresiva (ARIMA) para la predicción, necesitando, en el proceso, la implantación de ventanas deslizantes para entrenar y parametrizar los modelos de aprendizaje automático. En cuanto al desempeño del sistema RT-PPP de alerta temprana, este trabajo de investigación ha evaluado, estadísticamente, varios modelos de aprendizaje automático, entre ellos los métodos de Árbol de decisión, Random Forest, Máquina de vectores de soporte (SVM), K vecinos más cercanos, Regresión logística, y el modelo de boosting extremo por gradientes (XGB). El análisis de los resultados indica que los modelo de XGB y Random Forest muestran los resultados más coherentes y precisos con 97 y 99 porciento de precisión. Asimismo, el modelo XGB muestra menos tendencia a iniciar falsas alarmas con un 2,48 por ciento en comparación con el 16,28 por ciento del modelo Random Forest.A partir de los resultados de la investigación, se derivan un conjunto de pruebas estadísticas para evaluar el desempeño de los sistemas de alerta temprana establecidos. Estas pruebas estadísticas pueden evaluar la capacidad de los modelos de aprendizaje automático utilizados con a la detecciónde deformaciones. / [CA] Els sistemes d'alerta primerenca en temps real són instruments claus per vigilar possibles desastres geològics com ara terratrèmols, tsunamis, activitats volcàniques, enfonsament del terreny o lliscaments de vessant. Durant les darreres dècades, el nombre de persones afectades pels diversos desastres geològics ha augmentat de manera substancial. Les conseqüències negatives d'aquests desastres afecten la població i les infraestructures amb diferents nivells de gravetat i poden arribar a tenir un impacte elevat en pèrdues humanes i econòmiques. Tot i això, els sistemes d'alerta primerenca tenen la capacitat de proporcionar avisos adequats i fiables, la qual cosa pot portar a minimitzar les pèrdues humanes i econòmiques. El mètode de Posicionament Puntual Precís en temps real (RT-PPP) té un paper important com a part dels sistemes d'alerta primerenca; a causa de la seva capacitat per proporcionar seguiment en temps real, cobertura global i la seva capacitat d'obtenció de mesuraments precisos en temps real adquirits per un sol receptor.Tot i això, el mètode RT-PPP utilitza productes per a la correcció de l'òrbita i els rellotges dels satèl·lits (productes SSR) que són sensibles als errors de la tecnologia GNSS. Com a conseqüència, aquests errors poden afectar la disponibilitat i la fiabilitat dels sistemes d'alerta primerenca basats en la tècnica RT-PPP. A causa d'aquests errors, es poden arribar a generar avisos falsos, alguns d'aquests errors són: llargs temps d'inicialització, manca de continuïtat i exactitud als resultats, mala qualitat de correcció d'òrbita i rellotge dels satèl·lits, mala resolució de l'ambigüitat, etc. A més, la mala geometria dels satèl·lits i la latència dels productes SSR afecten greument el rendiment del posicionament PPP en temps real. Aquest treball de recerca s'enfoca, en una primera part, a l'anàlisi dels efectes i els mètodes de mitigació de la latència dels productes de correcció en temps real. L'International GNSS Service (IGS) proporciona productes oficials per materialitzar la tècnica de PPP en temps real, aquests productes contenen correccions per a les òrbites i els rellotges dels satèl·lits que es generen com a combinació dels calculats als diferents centres de càlcul repartits pel món. Aquest procés de combinació augmenta la latència i, per tant, el seu impacte en la solució RT-PPP, afectant l'exercici de qualsevol sistema d'alerta primerenca basada en RT-PPP. Així, en aquesta tesi, s'usarà l'enfocament d'aprenentatge automàtic (Machine Learning) per resoldre el problema de la latència, intentant predir els valors de les correccions en els productes SSR per al temps de la latència. S'han utilitzat els models de Support Vector Regression (SVR) i de mitjana mòbil integrada autoregressiva (ARIMA) per a la predicció, necessitant, en el procés, la implantació de finestres lliscants per entrenar i parametritzar els models d'aprenentatge automàtic. Els resultats de la investigació de la part de la latència han indicat que els models SVR i ARIMA podran mitigar la influència de la latència per als principals sistemes de navegació per satèl·lit (GPS i GLONASS) al voltant d'un vint per cent. El model SVR va mostrar una lleugera tendència a predir valors atípics; tot i això, el temps d'execució del SVR és significativament menor que el temps de processament del model ARIMA. Pel que fa a desenvolupament del sistema RT-PPP d'alerta primerenca, aquest treball de recerca ha avaluat, estadísticament, diversos models d'aprenentatge automàtic, entre ells els mètodes d'Arbre de Decisió, Random Forest, Màquina de Vectors de Suport (SVM), K veïns més propers, Regressió Logística, i el model de Boosting Extrem per gradients (XGB).L'anàlisi dels resultats indica que els models de XGB i Random Forest mostren els resultats més coherents i precisos amb 97i99 porcent de precisió respectivament. Així mateix, el model XGB mostra menys tendència a iniciar falses alarmes amb un 2,48% en comparació del 16,28% del model RF. / [EN] Real-Time Early Warning Systems are a critical approach implemented for monitoring geo-hazard disasters such as earthquakes, tsunamis, volcanic activities, and land subsidence. The Earth's population has experienced a substantial increasement, consequently exposing a growing number of people to the effects of various geo-hazard disasters. These influences could impact citizens and countries at different severity levels, reaching high costs in terms of human beings and economic losses. However, the early warning system's ability to initiate proper and reliable warnings significantly impacts in disaster cost reductions in terms of saving lives, reducing home and infrastructure damages, and mitigating economic losses. Real-Time Precise Point Positioning (RT-PPP) plays a significant role as part of the Early Warning Systems, due to its potential to provide real-time tracking and global coverage and its reliance on precise real-time measurements acquired from only one receiver. However, the RT-PPP approach applies State Space Representation (SSR) products that are highly sensitive to several GNSS error sources. As a result, the warning system's availability and reliability are negatively impacted. It may even be triggered to issue false warnings by factors such as long initialization times, convergence losses, due to poor quality of orbital and clock corrections, ambiguity resolutions, or/and multipath error. Furthermore, poor satellite geometry and the latency of SSR products severely affect the performance of real-time PPP positioning. In this research, we investigated the effect and mitigation of latency on real-time correction products. The International GNSS Services (IGS) provides official real-time products for RT-PPP; these products contain clock and orbit corrections, among others, and they are the main research concerns as the combination process increases the latency impact on both RT-PPP results and influences the early warning systems performance based on this positioning technique. In this research, investigations into the potentiality of using machine learning approaches to overcome latency problems were carried out. The research examines the Support Vector Regression (SVR) and Autoregressive Integrated Moving Average (ARIMA) machine learning models to predict the corrections broadcasted in SSR products that have a big capability in order to be used instead of the corrections impacted with latency The research results regarding latency showed that the SVR and ARIMA models could mitigate the latency influences for the primary navigation satellite systems GPS and GLONASS by around twenty percent. The SVR model showed a tendency to predict outliers; however, the execution time for the SVR is significantly faster than the ARIMA model processing time. Regarding the performance of the RT-PPP early warning system, the research statistically evaluates several machine learning models, including decision tree, random forest, support vector classifier, K nearest neighbors, logistic regression, and extreme gradient boosting models as machine learning approaches for establishing an early warning system. The extreme gradient boosting and random forest models were more accurate than the other utilized models, with 97 and 99 percent overall accuracy. At the same time, the extreme gradient boosting showed less tendency to initiate false alarms, with 2.48 percent compared to 16.28 percent for the random forest model. From the research findings, we derived a set of statistical assessments to evaluate the performance of the established early warning systems. These statistical assessments can evaluate the ability of the utilized machine learning models regarding deformation detections and the model's tendency to initiate false warnings. The study's results confirmed that extreme gradient boosting is the most effective machine learning technique for creating an early warning system. / Qafisheh, MWA. (2024). Establishing a Real-time Precise Point Positioning Early Warning System [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/206740