آنالیز سری زمانی موقعیت ایستگاه دائمی GPS با استفاده از اتورگرسیو میانگین متحرک
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 572
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SEPEHR-25-97_001
تاریخ نمایه سازی: 28 شهریور 1395
چکیده مقاله:
هدف اصلی مقاله حاضر، استفاده از مدل های احتمال اتورگرسیو میانگین متحرک) ARMA ( به منظور مدل سازی سری زمانی موقعیت روزانه ایستگاه دائمی GPS م یباشد. موقعیت های روزانه ایستگاه دائمی LLAS در منطقه کالیفرنیای جنوبی از شبکهSCIGN 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 وزن دار، پارامترهای ژئودتیکی مانند: ترند خطی، نوسانات سالیانه و نیم سالیانه و نیز آفست ها به طور همزمان برای ایستگاه دائمی LLAS برآورد شده اند. در اینمطالعه، 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 می گیرند و امکان بررسی وابستگی داده های روزانه سری زمانی موقعیت را فراهم م ینمایند. با توجه به اینکه ممکن است چند مدل احتمالاتی متفاوت برای یک سری زمانی موقعیت روزانهمناسب باشند، لذا محک اطلاعات آکاییک در مرحله شناسایی و انتخاب مدل مفید، مورد استفاده قرار گرفته است. در این مطالعه، نتایج عددی نشان می دهند که بهترین مدل احتمالاتی اتورگرسیو میانگین متحرک برای ایستگاه دائمی LLAS از مرتبه ) 1,1 ( برای جهت N م یباشد. همچنین مدل احتمالاتی ) ARMA)2,1 برای جهت E مناسب ترین مدل میباشد در حالی کهبرای 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 ، می توان آن سری زمانی موقعیت را همراه با ترند و مؤلفه های فصلی پی شبینی کرد.
کلیدواژه ها:
نویسندگان
فریدون نوبخت ارسی
دانشجوی دکتری ژئودزی، دانشکده مهندسی نقش هبرداری و اطلاعات مکانی، دانشگاه تهران
عبدالرضا صفری
دانشیار گروه ژئودزی، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران
محمدعلی شریفی
دانشیار گروه ژئودزی، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران