محققان تحت حمایت برنامه NAVISP سازمان فضایی اروپا مدل جدیدی برای پیش‌بینی عملکرد سرویس تقویت ناوبری ماهواره‌ای زمین‌ثابت اروپا با استفاده از روش‌های پیشرفته یادگیری ماشینی توسعه داده‌اند. سرویس تقویت ناوبری ماهواره‌ای زمین‌ثابت اروپا، خدمات حیاتی در بخش‌های مختلف از جمله هوانوردی ارائه می‌دهد.
سرویس تقویت ناوبری ماهواره‌ای زمین‌ثابت اروپا (European Geostationary Navigation Overlay Service به اختصار EGNOS) اولین سامانه ناوبری ماهواره‌ای اروپایی است که توسط آژانس فضایی اروپا (ESA) و کمیسیون اروپا و سازمان امنیت ناوبری هوایی اروپا (Eurocontrol) توسعه یافته است. این سامانه به‌منظور بهبود دقت و قابلیت اطمینان سامانه‌های ناوبری ماهواره‌ای جهانی (GNSS) مانند GPS طراحی شده است و در آینده نیز سیگنال‌های منظومه ماهواره‌ای گالیلئو (Galileo) را تقویت خواهد کرد.
بهبود دقت پیش‌بینی‌ها
مدل یادگیری ماشین جدید، عملکرد بهتری نسبت به مدل‌های ماکرو استاندارد دارد و دقت پیش‌بینی‌های EGNOS را بهبود می‌بخشد. این مدل به طور خاص برای پیش‌بینی عدم قطعیت‌های GIVEI و UDREI طراحی شده است. مقادیر GIVEI وضعیت نقاط شبکه یونوسفر را مشخص می‌کند و مقادیر UDREI به پارامترهای سلامت ماهواره‌ها مربوط می‌شود. با استفاده از داده‌های ۵.۵ ساله EGNOS، مدل یادگیری ماشین توانست عملکرد بهتری در پیش‌بینی مقادیر UDREI و GIVEI و همچنین سطح حفاظت و دسترسی ارائه دهد.
شرکای پروژه، از جمله شرکت اینتگریکام (Integricom) مجارستان و شرکت ایگواسو (Iguassu) چک از ۷۰ درصد این داده‌ها برای آموزش مدل و ۳۰ درصد برای آزمایش مدل استفاده کرده‌اند.
مدل جدید پیش‌بینی عملکرد، خروجی مرکز پردازش مرکزی (central processing facility) را شبیه‌سازی می‌کند، یکپارچگی سامانه را نظارت کرده و پیام‌های ناوبری و تصحیحات ناوبری را برای کاربران در منطقه خدماتی تولید می‌کند.
کاربردها و مزایای مدل جدید
این مدل جدید می‌تواند به کاربران تصویر دقیق‌تری از دسترسی و عملکرد EGNOS ارائه دهد. بهبود پیش‌بینی‌ها به‌ویژه در بخش هوانوردی اهمیت دارد، جایی که دقت و قابلیت اطمینان سامانه‌های ناوبری حیاتی است. همچنین، استفاده از پیش‌بینی‌های دقیق‌تر می‌تواند به بهبود برنامه‌ریزی و مدیریت عملیات فضایی کمک کند. محققان پیشنهاد کرده‌اند که مدل می‌تواند با استفاده از پیش‌بینی‌های دقیق‌تر هواشناسی فضایی بهبود یابد، هرچند که هزینه محاسباتی اضافی برای اجرای این مدل وجود دارد.
