fa کشف آفست‌های سری‌های زمانی مختصات شبیه‌سازی شده‌ی ایستگاه‌های دائم GPS با استفاده از آنالیز چند‌ متغیره ژئودزی و هیدروگرافی Geo&Hydro پژوهشي Research با توجه به کاربردهای متفاوت سری‌های زمانی GPS در مباحث ژئودتیکی و ژئوفیزیکی مانند بررسی حرکات تکتونیک، حرکات ایزوستاتیک یخبندان، تغییر‌شکل پوسته زمین، دینامیک زلزله و غیره نیاز است که سری‌های زمانی با دقت بالا تقریب گردند. سری‌های زمانی GPS ممکن است شامل یک روند خطی، حرکات متناوب با فرکانس‌های سالیانه و نیم سالیانه (سیگنال‌ها)، آفست‌های احتمالی و یکسری رفتارهای دیگر تحت عنوان نویز ‌باشند. کشف صحیح آفست، نیازمند برآورد صحیحی از نویز و ماتریس واریانس‌-کواریانس مشاهدات می‌باشد. بدین منظور از روش برآورد مولفه‌های واریانس، مبتنی بر روش کمترین‌مربعات استفاده خواهد شد. صرفنظر کردن از نویز رنگی موجود در سری‌های زمانی، تاثیر نامطلوب بر کشف آفست‌ها می‌گذارد. ابتدا از آنالیز تک‌متغیره‌ی سری زمانی استفاده کرده و سپس جهت افزایش قدرت تشخیص، آنالیز چند‌متغیره معرفی خواهد شد. در آنالیز تک‌متغیره تنها از یکی از مولفه‌های مختصاتی ایستگاه دائم و در آنالیز چند‌متغیره از هر سه مولفه‌ی مختصاتی در یک ایستگاه استفاده خواهد شد که ساختار نویز و آفست آنها یکسان می‌باشد. نتایج بدست آمده از آنالیز چند‌متغیره بسیار بهتر از آنالیز تک‌متغیره می‌باشد و تعداد آفست‌های بیشتری کشف خواهد شد. در این مقاله از سری‌های زمانی شبیه سازی شده در اپک‌های روزانه، با طول دوره‌ی 8 سال و دارای سه مولفه‌ی مختصاتی در هر ایستگاه استفاده شده است. سپس آفست‌های مختلف با بزرگی‌های متفاوت و در مکان‌های مختلف در آنها گنجانده شده است که این روش بخوبی قادر به کشف آفست‌ها می‌باشد. این تحقیق برای آفست‌ها به بزرگی 2 برابر انحراف معیار نویز، نتیجه‌ی صد در صد به‌ همراه داشته و همچنین 80 درصد از آفست‌ها به بزرگی 1 برابر انحراف معیار نویز نیز کشف شده‌اند. Different application of GPS position time series in geodetic and geophysical studies such as plate tectonics, glacial isostatic rebound, crustal deformation and earthquake dynamics requires proper assessment of the time series. A functional model for GPS time series consists of a linear trend, periodic signals with annual and semiannual periods and probabilistic offset. The undeterministic effects can best be described as a noise. The correct detection of offset requires a proper estimation of noise and the covariance matrix of the data. Towards this end, the least-squares variance component estimation is used. It is shown that how a correct analysis of the noise components can affect the offset detection method. Ignoring colored noise of GPS time series degrade the offset detection power. We first use the univariat time series analysis. To increase the offset detection power, the multivariate analysis is then recommended. In univariat analysis, only one of the coordinate components is used, while in the multivariate analysis all three components, which is assumed to have the same structure of noise and offsets, are simultaneously used. In this paper, some simulated daily time series of positions during 8 years are used. Finally, offsets having different size and positions are located through them and detected successfully, using the multivariate analysis. برآورد مؤلفه‌های واریانس, آفست, آنالیز چند‌متغیره variance component estimation, offset, multivariate analysis 75 86 http://jgst.issgeac.ir/browse.php?a_code=A-10-25-82&slc_lang=fa&sid=1 M. Hoseini Asl مهین حسینی اصل Mahin_hoseiniasl@eng.ui.ac.ir 10031947532846001505 10031947532846001505 Yes گروه مهندسی نقشه‌برداری - دانشکده فنی مهندسی - دانشگاه اصفهان A. R. Amiri-Simkooei علیرضا امیری سیمکویی Amiri@eng.ui.ac.ir 10031947532846001506 10031947532846001506 No گروه مهندسی نقشه‌برداری - دانشکده فنی مهندسی - دانشگاه اصفهان J. Asgari جمال عسگری Asgari@eng.ui.ac.ir 10031947532846001507 10031947532846001507 No گروه مهندسی نقشه‌برداری - دانشکده فنی مهندسی - دانشگاه اصفهان