prikaz prve stranice dokumenta PROGNOSTIČKI MODEL IONOSFERSKOG KAŠNJENJA SATELITSKOG SIGNALA ZA ODREĐIVANJE POLOŽAJA ZASNOVAN NA STATISTIČKOM UČENJU
Access restricted to students and staff of home institution
master's thesis
PROGNOSTIČKI MODEL IONOSFERSKOG KAŠNJENJA SATELITSKOG SIGNALA ZA ODREĐIVANJE POLOŽAJA ZASNOVAN NA STATISTIČKOM UČENJU
Rijeka: University of Rijeka, Faculty of Engineering, 2018. urn:nbn:hr:190:424013
Matković, Ivan
University of Rijeka
Faculty of Engineering

Institutional repository: Repository of the University of Rijeka, Faculty of Engineering

Cite this document

Matković, I. (2018). PROGNOSTIČKI MODEL IONOSFERSKOG KAŠNJENJA SATELITSKOG SIGNALA ZA ODREĐIVANJE POLOŽAJA ZASNOVAN NA STATISTIČKOM UČENJU (Master's thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:424013

Matković, Ivan. "PROGNOSTIČKI MODEL IONOSFERSKOG KAŠNJENJA SATELITSKOG SIGNALA ZA ODREĐIVANJE POLOŽAJA ZASNOVAN NA STATISTIČKOM UČENJU." Master's thesis, University of Rijeka, Faculty of Engineering, 2018. https://urn.nsk.hr/urn:nbn:hr:190:424013

Matković, Ivan. "PROGNOSTIČKI MODEL IONOSFERSKOG KAŠNJENJA SATELITSKOG SIGNALA ZA ODREĐIVANJE POLOŽAJA ZASNOVAN NA STATISTIČKOM UČENJU." Master's thesis, University of Rijeka, Faculty of Engineering, 2018. https://urn.nsk.hr/urn:nbn:hr:190:424013

Matković, I. (2018). 'PROGNOSTIČKI MODEL IONOSFERSKOG KAŠNJENJA SATELITSKOG SIGNALA ZA ODREĐIVANJE POLOŽAJA ZASNOVAN NA STATISTIČKOM UČENJU', Master's thesis, University of Rijeka, Faculty of Engineering, accessed 02 May 2024, https://urn.nsk.hr/urn:nbn:hr:190:424013

Matković I. PROGNOSTIČKI MODEL IONOSFERSKOG KAŠNJENJA SATELITSKOG SIGNALA ZA ODREĐIVANJE POLOŽAJA ZASNOVAN NA STATISTIČKOM UČENJU [Master's thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2018 [cited 2024 May 02] Available at: https://urn.nsk.hr/urn:nbn:hr:190:424013

I. Matković, "PROGNOSTIČKI MODEL IONOSFERSKOG KAŠNJENJA SATELITSKOG SIGNALA ZA ODREĐIVANJE POLOŽAJA ZASNOVAN NA STATISTIČKOM UČENJU", Master's thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:190:424013

Metadata
TitlePROGNOSTIČKI MODEL IONOSFERSKOG KAŠNJENJA SATELITSKOG SIGNALA ZA ODREĐIVANJE POLOŽAJA ZASNOVAN NA STATISTIČKOM UČENJU
AuthorIvan Matković
MentorRenato Filjar (mentor)
Committee memberKristijan Lenac (predsjednik povjerenstva)
GranterUniversity of Rijeka
Faculty of Engineering
Rijeka
Defense date and country2018-03, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U ovom radu raspravlja se razvoj prognostičkih modela zasnovanih na statističkom učenju, izrađenih s ciljem prognoziranja ukupnog sadržaja elektrona (eng. Total Electron Content, TEC), opisne varijable koja utječe na ionosfersko kašnjenje satelitskog signala za određivanje položaja. Prikazan je način širenja signala od odašiljača do prijemnika te utjecajne veličine na koje isti nailazi, s posebnom pozornošću usmjerenom na prostor ionosfere. Opisan je proces statističkog učenja te su prikazana tri modela korištena u radu. Ukratko je opisana struktura ulaznih podataka, a sve dostupne veličine definirane su teorijski i matematičkim izrazima. Rezultat ovog rada su tri modela statističkog učenja za izračun ukupnog sadržaja elektrona: model linearne regresije, stabla odluke te neuronskih mreža. Algoritmi modela statističkog učenja izvedeni su u programskom okruženju za statističko računarstvo R te su pobliže objašnjeni uz dodatke koda i grafičkih prikaza rezultata.
Abstract (english)
This thesis discusses development of statistical learning-based prognostic models aimed at Total Electron Content (TEC) values forecasting. TEC is a descriptive index (variable) of ionospheric dynamics and a parameter that determines the value of satellite signal propagation delay in satellite-based position estimation process. The thesis discusses description of satellite signal propagation process between the satellite transmitter and the receiver, and the ionospheric influencing variables affecting the signal propagation along its path. Utilization of mathematical expressions and theoretical descriptions, the process of machine learning and the used methods of statistical learning are represented. Description of data set used in the study is presented. The study results with development of three prognostic models for TEC prediction: linear regression, decision tree and neural network models, with algorithms written in R, a programming language and software environment for statistical learning. Thesis concludes with model performance comparison and the outline of future research.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:190:424013
Study programmeTitle: Computer Engineering
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
Created on2018-04-10 12:54:22