Skupina autora u sastavu: Ivan Heđi, v. pred., zaposlenik Veleučilišta u Virovitici i zaposlenici partnerskih ustanova Veleučilišta u Virovitici, naslovni prof. dr. sc. Renato Filjar, voditelj i glavni istraživač Laboratorija za prostornu inteligenciju Veleučilišta Hrvatsko Zagorje Krapina, prof. dr. sc. Jasna Prpić-Oršić s Tehničkog fakulteta Sveučilišta u Rijeci te Teodor B Iliev sa Sveučilišta u Ruseu, Bugarska, je objavila znanstveni rad pod naslovom An Ambient Adaptive Global Navigation Satellite System Total Electron Content Predictive Model for Short-Term Rapid Geomagnetic Storm Events.
U radu je predstavljen postupak razvoja modela korekcija ionosferskog kašnjenja signala satelitskih navigacijskih sustava (GNSS) zasnovanih i prilagođenih stvarnom stanju okoliša oko korisničkog GNSS uređaja za procjenu položaja, kao osnove za održivu kvalitetu usluga određivanja položaja, brzine i vremena (PNT) satelitskim sustavom. Postupak razvoja modela zasnovan je na primjeni eksperimentalnih opažanja i metoda statističkog/strojnog učenja. Predloženi postupak demonstriran je na kritičnom slučaju brzorastućih kratkotrajnih ionosferskih oluja, u kojim scenarijima klasični postupci korekcija ne uspijevaju pružati održivost GNSS PNT-a. U praktičnom vrednovanju predloženog postupka u programskom okruženju za statističko računarstvo R, razvijena su tri alternativna modela, zasnovana na strojnom učenju i eksperimentalnim opažanjima prikupljenim u razdobljima brzorastućih kratkotrajnih ionosferskih oluja. Pokazatelji uspješnosti modela, sposbnosti opisivanja pristranosti i varijance, uspoređeni su s pokazateljima uspješnosti standardnog Klobucharovog modela. Model razvijen metodom povećanja stohastičkog gradijenta (Stochastic Gradient Boosting, SGB, method) pokazao je najbolju uspješnost, od svih alternativnih modela, kao i od Klobucharevog modela, u promatranim kritičnim scenarijima. Time je potvrđena primjenjivost novog modela u promatranoj klasi scenarija ionosferskih poremećaja i njihovih učinaka na održavanje kvalitete GNSS PNT usluga.
Znanstveni rad je objavljen u uglednom međunarodnom znanstvenom časopisu MDPI Remote Sensing. Časopis Remote Sensing je citiran u brojnim međunarodnim znanstvenim bazama, uključivo Current Contents (Q1), Web of Science SCIE i Scopus. Časopis ima godišnji Impact Factor (IF) za 2023. godinu IF 4.2, a zadnji petogodišnji IF 4.9.
Rad je dostupan u otvorenom pristupu putem poveznice: https://www.mdpi.com/2072-4292/16/16/3051
