인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 GNSS (Global Navigation Satellite System) 단말기의 실시간 전리층 지연 오차를 보정하기 위한 GIM (Global Ionospheric Map)을 활용한 전리층 예측 모델의 가능성을 제시한다. 기존 KIM (Klobuchar Ionospheric Model)은 단일 주파수 수신기를 위한 간편한 보정 방식이나, 지역적·시간적 변화에 대한 한계가 존재한다. 이에 본 연구에서는 24년간의 Final GIM 데이터를 활용하여 연, 월, 일 단위 전리층 총전자수 변화를 시계열 분석하여, 각 시간 단위에서 전리층 주기 구조와 공간적 특성을 도출하였다. 또한 전리층 변화 주기에 따른 전리층 환경의 재현성을 정량적으로 평가하기 위해 SSIM (Structural Similarity Index Measure) 지수를 적용하였다. 분석 결과, 전리층은 시간 단위에 따라 각각 10.5년, 12개월, 6개월, 26일의 주기성을 보였으며, 위도에 따른 변화 차이도 뚜렷하게 나타났다. 아울러 전리층 주기 요소를 고려하여 과거 GIM 데이터를 시간 이동하고 이를 기반으로 생성한 TSGIM (Time-Shifted GIM)을 활용하여 GNSS 위치 정확도 평가 비교하였고 KIM 보정방법은 수평오차에서 1m 이상의 RMSE (Root Mean Square Error)를 나타냈지만 TSGIM은 1m 이내로 KIM보다 우수한 보정 성능을 확인하였다. 이러한 결과는 GIM 기반 딥러닝 예측 모델이 실시간 전리층 보정에 효과적으로 활용될 수 있음을 시사한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094499657
