Modelo de predição de cintilação ionosférica aplicável à otimização de operação de lavra suportada por comunicação GNSS

Página do item simplificado
dc.contributor.advisorResende, Domingos Savio de
dc.contributor.advisor-coLeite, Mateus Antunes Oliveira
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/8855046484227166
dc.contributor.advisorLatteshttp://lattes.cnpq.br/1348684373783230
dc.contributor.authorSantos, Bruno Gomes dos
dc.contributor.authorLatteshttp://lattes.cnpq.br/8713571868092108
dc.contributor.refereeResende, Domingos Savio de
dc.contributor.refereeLeite, Mateus Antunes Oliveira
dc.contributor.refereeMattioli, Leandro Resende
dc.contributor.refereeBarbosa, Carlos Henrique Nogueira de Resende
dc.date.accessioned2026-10-16T20:11:16Z
dc.date.available2026-10-16T20:11:16Z
dc.date.issued2025-12-18
dc.description.abstractEsta 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.
dc.description.abstractotherThis dissertation investigates conditions associated with GNSS signal degradation in a niobium mine located in Araxá, Minas Gerais, Brazil, through the integration of observational data, geophysical variables, and environmental parameters. This study is motivated on the relevance of satellite positioning in open-pit mining operations, especially in activities that require reliable observations for geometric control, operational monitoring, and mine planning support. In this context, ionospheric disturbances associated with scintillation may compromise GNSS signal stability, requiring analytical approaches capable of indirectly representing such behavior under real operating conditions. The general objective was to analyze conditions associated with GNSS signal degradation in the mining region of Araxá (MG), using L1 pseudorange variation as an observational proxy and machine learning predictive models to indirectly represent the phenomenon and compare the performance of the adopted approaches. To this end, the theoretical foundations of the ionosphere, ionospheric scintillation, geophysical variables, and GNSS positioning were reviewed; observational and explanatory data were organized and preprocessed; temporal patterns in the analyzed variables were investigated; and predictive models based on the Random Forest and XGBoost algorithms were developed. The methodology was structured into four stages: literature review, data collection and preprocessing, predictive modeling, and performance evaluation. The dataset comprised observations collected by a high-precision GNSS receiver at a 1 Hz sampling rate, including GPS and GLONASS constellations, in addition to geophysical and environmental variables related to ionospheric behavior. Model performance was assessed using the metrics R², MSE, MAE, and RMSE. The results indicated high predictive performance for both models, with strong agreement between estimated and observed values and low error levels. Random Forest showed slightly better performance than XGBoost, highlighting the potential of the proposed approach to indirectly represent conditions associated with GNSS signal degradation in the study area.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/3161
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.initialsCEFET-MG
dc.publisher.programPrograma de Pós-Graduação em Engenharia de Minas
dc.subjectMineração
dc.subjectMineração a céu aberto
dc.subjectSatélites artificiais em sensoriamento remoto
dc.subjectIonosfera
dc.titleModelo de predição de cintilação ionosférica aplicável à otimização de operação de lavra suportada por comunicação GNSS
dc.typeDissertação

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Modelo de predição de cintilação ionosférica aplicável à otimização de operação de lavra suportada por comunicação GNSS.pdf
Tamanho:
3.28 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.39 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Mestrado Profissional em Engenharia de Minas