| Resumo: |
O objetivo deste trabalho é desenvolver e propor um novo método para o planejamento de redes geodésicas. O planejamento (ou pré-análise) de uma rede geodésica consiste em planejar (ou otimizar) a rede, de modo que a mesma atenda a critérios de qualidade pré-estabelecidos de acordo com os objetivos do projeto, como precisão, confiabilidade e custos. No método aqui proposto, os critérios a serem considerados na etapa de planejamento são os níveis de confiabilidade e homogeneidade mínimos aceitáveis para as observações; a acurácia posicional dos vértices, considerando tanto os efeitos de precisão quanto os (possíveis) efeitos de tendência, segundo ainda um determinado nível de confiança; o número de outliers não detectados máximo admissível; e o poder do teste mínimo do procedimento Data Snooping (DS) no cenário n-dimensional, isto é, considerando todas as observações (testadas individualmente). De acordo com as classificações encontradas na literatura, o método aqui proposto consiste em um projeto combinado, solucionado por meio do método da tentativa e erro, além de apresentar alguns aspectos inéditos em seus critérios de planejamento. Para demonstrar a sua aplicação prática, um exemplo numérico de planejamento de uma rede GNSS (Global Navigation Satellite System – Sistema Global de Navegação por Satélite) é apresentado e descrito. Os resultados obtidos após o processamento dos dados da rede GNSS foram concordantes com os valores estimados na sua etapa de planejamento, ou seja, o método aqui proposto apresentou desempenho satisfatório na prática. Além disso, também foram investigados como os critérios pré-estabelecidos, a geometria/configuração da rede geodésica e a precisão/correlação inicial das observações podem influenciar nos resultados obtidos na etapa de planejamento, seguindo o método aqui proposto. Com a realização destes experimentos, dentre outras conclusões, verificou-se que todo os critérios de planejamento do método aqui proposto estão intrinsecamente interligados, pois, por exemplo, uma baixa redundância conduz a um valor relativamente mais alto para a componente de precisão, e consequentemente, um valor relativamente mais baixo para a componente de tendência (mantendo a acurácia final constante), o que também conduz a um poder do teste mínimo nos cenários unidimensional e n-dimensional significativamente mais baixos. |
|---|
