FORNECER OBSERVAÇÕES GPS A MODELOS NEURAIS: Uma tarefa desafiadora

Resumo

Muito se tem feito em termos de modelagem estocástica e funcional de observações geodésicas, objetivando o desenvolvimento de modelos mais adequados para ajustamento de observações. Uma das técnicas que tem sido foco de mais atenção nos últimos anos é a modelagem através de Redes Neurais Artificiais. Embora, ainda não se use de forma trivial, este tipo de modelagem pode fornecer uma altíssima capacidade de adaptação, que é uma característica de importância fundamental para algumas aplicações. Neste artigo, discute-se o uso de observações GPS em modelos conexionistas, fornecendo-se uma breve descrição dos Modelos baseados em Redes Neurais Artificiais, suas restrições, e principalmente como tratar ou pré-processar observações GPS de modo a satisfazer essas restrições. Uma Rede de Neural é um sistema de processamento de informação formado por um grande número de elementos de processamento simples, chamados de neurônios artificiais. Valores típicos de entrada devem ser normalizados, com amplitude de [0,1], ou alternativamente [-1,1]. Depois de processado, o sinal pode ser convertido de volta a sua escala original. Ao lidar com observações de GPS, isto é, com valores numéricos absolutos normalmente grandes (por exemplo, ordem de 20 milhões de metros para distâncias). Isto, aliado à necessidade de precisões milimétricas para determinação da fase das portadoras e métrica para pseudodistâncias, obriga que as observações GPS sejam modificadas para evitar a degradação de suas precisões durante o processo de normalização, que é necessário à modelagem neural satisfatória de dados de GPS. Neste trabalho são discutidos e apresentados métodos para tornar o uso de dados de GPS possível em modelos neurais a partir de exemplos reais. Realizou-se uma análise tanto para a observável Fase da portadora quanto para a Pseudodistância e demonstra-se que o uso dessas observáveis pode ser feito sem a degradação da precisão desde que seja dado a elas um tratamento matemático adequado.