Navegando por Autor "Santos, Bruno Gomes dos"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Modelo de predição de cintilação ionosférica aplicável à otimização de operação de lavra suportada por comunicação GNSS
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2025-12-18) Santos, Bruno Gomes dos; Resende, Domingos Savio de; Leite, Mateus Antunes Oliveira; http://lattes.cnpq.br/8855046484227166; http://lattes.cnpq.br/1348684373783230; http://lattes.cnpq.br/8713571868092108; Resende, Domingos Savio de; Leite, Mateus Antunes Oliveira; Mattioli, Leandro Resende; Barbosa, Carlos Henrique Nogueira de Resende
    Esta dissertação investiga condições associadas à degradação do sinal GNSS em uma mina de nióbio situada no município de Araxá, Minas Gerais, por meio da integração entre dados observacionais, variáveis geofísicas e parâmetros ambientais. A pesquisa parte da relevância do posicionamento por satélites nas operações de lavra a céu aberto, especialmente em atividades que requerem confiabilidade nas observações para controle geométrico, monitoramento operacional e apoio ao planejamento de lavra. Nesse contexto, perturbações ionosféricas associadas à cintilação podem comprometer a estabilidade dos sinais GNSS, exigindo abordagens analíticas capazes de representar, de forma indireta, esse comportamento em condições reais de operação. O objetivo geral consistiu em analisar condições associadas à degradação do sinal GNSS na região de mineração de Araxá (MG), utilizando a variação da pseudodistância L1 como proxy observacional e modelos preditivos de aprendizado de máquina para representar indiretamente o fenômeno e comparar o desempenho das abordagens adotadas. Para isso, foram revisados os fundamentos teóricos sobre ionosfera, cintilação ionosférica, variáveis geofísicas e posicionamento GNSS; organizados e pré-processados os dados observacionais e explicativos; investigados padrões temporais presentes nas variáveis analisadas; e desenvolvidos modelos preditivos baseados nos algoritmos Random Forest e XGBoost. A metodologia foi estruturada em quatro etapas: revisão bibliográfica, coleta e pré-processamento de dados, modelagem preditiva e avaliação de desempenho. Foram utilizados dados obtidos por receptor GNSS de alta precisão, com taxa de amostragem de 1 Hz, incluindo observações das constelações GPS e GLONASS, além de variáveis geofísicas e ambientais relacionadas ao comportamento ionosférico. O desempenho dos modelos foi avaliado pelas métricas R², MSE, MAE e RMSE. Os resultados indicaram elevado desempenho preditivo para ambos os modelos, com forte aderência entre valores estimados e observados e baixos níveis de erro. O Random Forest apresentou desempenho ligeiramente superior ao XGBoost, evidenciando o potencial da abordagem proposta para representar indiretamente condições associadas à degradação do sinal GNSS na área de estudo.