آنالیز سری زمانی موقعیت ایستگاه دائمی gps با استفاده از اتورگرسیو میانگین متحرک

هدف اصلی مقاله حاضر، استفاده از مدل‌های احتمال اتورگرسیو میانگین متحرک(arma) به منظور مدل‌سازی سری زمانی موقعیت روزانه ایستگاه دائمی gps می‌باشد. موقعیت‌های روزانه ایستگاه دائمی llas در منطقه کالیفرنیای جنوبی از شبکه scign با پوشش زمانی هفت سال از ژانویه 2000 تا دسامبر 2006 جهت ایجاد سری زمانی موقعیت و آنالیز آن انتخاب گردیده است. براساس سری زمانی موقعیت روزانه و استفاده از روش کمترین مربعات وزن‌دار، پارامترهای ژئودتیکی مانند: ترند خطی، نوسانات سالیانه و نیم سالیانه و نیز آفست‌ها به طور همزمان برای ایستگاه دائمی llas برآورد شده‌اند. در این مطالعه، توابع خود همبستگی(acf) و خودهمبستگی جزئی(pacf)،به عنوان ابزارهای مطالعاتی برای شناسایی رفتار سری زمانی موقعیت روزانه ایستگاه دائمی gps مورد استفاده قرار می‌گیرند و امکان بررسی وابستگی داده‌های روزانه سری زمانی موقعیت را فراهم می‌نمایند. با توجه به اینکه ممکن است چند مدل احتمالاتی متفاوت برای یک سری زمانی موقعیت روزانه مناسب باشند، لذا محک اطلاعات آکاییک در مرحله شناسایی و انتخاب مدل مفید، مورد استفاده قرار گرفته است.در این مطالعه، نتایج عددی نشان می‌دهند که بهترین مدل احتمالاتی اتورگرسیو میانگین متحرک برای ایستگاه دائمی llas از مرتبه (1,1) برای جهت  n می‌باشد. همچنین مدل احتمالاتی (arma(2,1 برای جهت e مناسب ترین مدل میباشد در حالی که برای جهت u مدل احتمالاتی (arma(1,2 بهترین مدل است. بعد از برآورد یک مدل احتمالاتی مناسب برای سری زمانی موقعیت روزانه ایستگاه دائمی gps، می‌توان آن سری زمانی موقعیت را همراه با  ترند و مولفه‌های فصلی پیش‌بینی کرد.