Mohammad Ali Sharifi - دانشیار، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
Shayan Shirafkan - دانشجوی کارشناسی ارشد، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
Seyyed Mohsen Khazraei - دانش آموخته دکتری، گروه مهندسی نقشه برداری، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران
Ali Reza Amiri Simkoei - استاد، گروه مهندسی نقشه برداری، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

شناسایی رفتاهای تناوبی و تصادفی سری های زمانی پارامترهای توجیه زمین (EOP)، به منظور کاربردهای مختلفی همچون تعیین دقیق مدار ماهواره ها، نجوم ژئودزی، ناوبری فضایی و همچنین مطالعه پدیده های ژئوفیزیکی مورد نیاز است. روش های مختلف آنالیز سری های زمانی از دیرباز مورد بررسی قرار گرفته است. در این تحقیق، بررسی و تعیین فرکانس های موجود در پارامترهای توجیه زمین، با استفاده از آنالیز هارمونیک کمترین مربعات یک متغیره و چند متغیره سری های زمانی IERS ۱۴ C۰۴، از تاریخ اول ژانویه ۱۹۸۰ تا ۳۱ دسامبر سال ۲۰۲۰ صورت گرفته است. با تشکیل مدل تابعی با استفاده از فرکانس های تعیین و ضرایب مدل تابعی با استفاده از برآوردگر کمترین مربعات برآورد شده­اند. سپس مدل مناسب اتورگرسیو-میانگین متحرک (ARMA)، متناظر با بردار باقی مانده های کمترین مربعات حاصل از این مدل تابعی تعیین شد. در نهایت با استفاده از ضرایب برآورد شده مدل تابعی و مدل ARMA، پارامترهای توجیه زمین برای ۲۰ روز اول سال ۲۰۲۱ پیش بینی شدند و دقت روش ارائه شده مورد ارزیابی قرار گرفت. نتایج این تحقیق با دو روش یادگیری عمیق مقایسه شده و نتایج نشان می­دهد که دقت بهتری را نسبت به آنها دارا بوده و رفتارهای تناوبی و تصادفی EOP با دقت بالایی شناسایی شده اند. پس از گذشت ۱۰ روز دقت پیش بینی برای مولفه x حدود ۹/۷ برابر، برای مولفه y حدود ۵/۳ برابر و برای مولفه LOD حدود ۵/۱ برابر بهبود یافت. همچنین با گذشت ۲۰ روز دقت پیش بینی برای مولفه x حدود ۱۵/۱ برابر، برای مولفه y حدود ۸۹/۲ برابر و برای مولفه LOD حدود ۱۸/۵ برابر بهبود یافت.

سری زمانی, پارامتر های دوران زمین, روش LSHE, مدل ARMA, LODR