Veleučilište Hrvatsko zagorje Krapina je predstavilo originalni znanstveni rad na uglednom međunarodnom skupu United Nations/Nigeria Workshop on the International Space Weather Initiative (ISWI): Space Weather During a Moderate Solar Cycle #25, Abuja, Nigerija
Zaposlenici Veleučilišta Hrvatsko zagorje Krapina (VHZK) su proveli istraživanje vezano za poboljšanje kvalitete određivanja položaja satelitskm sustavima u kritičnim razdobljima brzih i kratkotrajnih značajnih poremećaja svemirskog vremena pomoću novih modela korekcija učinaka stanja ionosfere zasnovanih na statsitičkom učenju i umjetnoj inteligenciji.
Istraživanje je predstavljeno u obliku izvornog znanstvenog rada na uglednom međunarodnom skupu United Nations/Nigeria Workshop on the International Space Weather Initiative (ISWI): Space Weather During a Moderate Solar Cycle #25, održanom u Abuji, Nigerija, 6. – 10. listopada 2025. godine.
Skupina autora s VHZK: Filip Šklebar, pred. te prof. dr. sc. Renato Filjar je predstavila znanstveni rad pod naslovom A Statistical Learning-based TEC predictive model improves GNSS ionospheric error correction during short-term rapidly developing geomagnetic storms.
Ionosferski učinci najistaknutiji su pojedinačni uzrok degradacije kvalitete određivanja položaja Globalnim navigacijskim satelitskim sustavom (GNSS). Posebno su opasne kratkotrajne brzo razvijajuće geomagnetske/ionosferske oluje, koje se mogu razvijati regionalno, a ne nužno globalno, te ih stoga nije moguće ublažiti postojećim globalnim GNSS modelima ionosferske korekcije.
U radu je predstavljen koncept personalizirane Ambient-Aware GNSS ionosferske korekcije, u kojoj GNSS prijemnik koristi geomagnetska opažanja u približno stvarnom vremenu u svojoj neposrednoj okolini za razvoj prilagođenog GNSS ionosferskog modela. Geomagnetski podaci mogu se mjeriti GNSS prijemnikom ili se može koristiti pouzdani izvor treće strane. Pokazana je izvedivost predloženog koncepta u slučaju kratkotrajnih brzo razvijajućih geomagnetskih oluja, pri čemu GNSS model ionosferske korekcije temeljen na statističkom učenju koristi stvarna opažanja komponenti geomagnetskog polja i nadmašuje standardni Klobuchar GPS model korekcije ionosferskih pogrešaka za GPS prijemnik koji se nalazi u Darwinu, NT, Australija. Predstavljeno istraživanje biti će nastavljeno s ciljem procjene razvoja generaliziranog lokacijski agnostičkog modela za sve scenarije geomagnetskih/ionosferskih uvjeta.
Izvorni znanstveni rad je na međunarodnom skupu u Abuji, Nigerija predstavio zaposlenik VHZK Filip Šklebar, pred.. Sudjelovanje Filipa Šklebara, pred. obavljeno je uz financijsku potporu UN-a i Vlade Nigerije. Nakon predstavljanja, izvorni znanstveni rad je objavljen u zborniku radova sa skupa, na platformi UN-ovog Ureda za pitanja vanjskog svemira (Office for Outer Space Affairs).
Citat znanstvenog materijala (prošireni sažetak):
Šklebar, F, Filjar R. (2025). A Statistical Learning-based TEC predictive model improves GNSS ionospheric error correction during short-term rapidly developing geomagnetic storms. United Nations/Nigeria Workshop on the International Space Weather Initiative (ISWI): Space Weather During a Moderate Solar Cycle #25, Book of Abstracts, 7. ISIF/IEEE. Rio de Janeiro, Brazil. Available at: https://www.unoosa.org/documents/pdf/psa/activities/2025/ISWI2025/UN_Nigeria_ISWI_2025_-_Book_of_abstracts_2025_10_06.pdf (Book of Abstracts), https://www.unoosa.org/documents/pdf/psa/activities/2025/ISWI2025/ISWI2025_Programme.pdf (Workshop Programme).