با توجه به کاربردهای متفاوت سری های زمانی در مباحث ژئودتیکی و ژئوفیزیکی مانند بررسی حرکات تکتونیک، حرکات ایزوستاتیک یخبندان، تغییر شکل پوسته زمین، دینامیک زلزله و غیره نیاز است که سری های زمانی با دقت بالا تقریب گردند. سری های زمانی شامل یک ترند خطی، حرکات پریودیک با فرکانس های سالیانه و نیم سالیانه (سیگنال ها)، آفست های احتمالی و یکسری رفتارهای دیگر تحت عنوان نویز می باشند. کشف صحیح آفست، نیازمند برآورد صحیحی از نویز و ماتریس واریانس کواریانس مشاهدات می باشد. بدین منظور از روش برآورد مولفه های واریانس، مبتنی بر روش کمترین مربعات استفاده شده است. صرفنظر کردن از نویز رنگی موجود در سری های زمانی، تاثیر ناصحیح بر کشف آفست ها می گذارد. ابتدا از آنالیز تک متغیره ی سری زمانی استفاده کرده و سپس جهت افزایش قدرت تشخیص، آنالیز چند متغیره معرفی شده است. در آنالیز تک متغیره تنها از یکی از مولفه های مختصاتی ایستگاه دائم و در آنالیز چند متغیره از هر سه مولفه ی مختصاتی در یک ایستگاه استفاده شده است که ساختار نویز و آفست آنها یکسان می باشد. نتایج بدست آمده از آنالیز چند متغیره بسیار بهتر از آنالیز تک متغیره می باشد و تعداد آفست های بیشتری کشف شده است. در این تحقیق، علاوه بر بررسی سری های زمانی ایستگاه های دائم gps، از سری های زمانی شبیه سازی شده در اپک های روزانه، دارای سه مولفه ی مختصاتی در هر ایستگاه استفاده شده است که روش پیشنهادی نتایج قابل اطمینانی را ارائه می دهد. برای داده های شبیه سازی شده، کشف آفست ها به بزرگی 2 برابر انحراف معیار نویز، نتیجه ی صد در صد به همراه داشته و همچنین 80 درصد از آفست ها به بزرگی 1 برابر انحراف معیار نویز نیز کشف شده اند. در کنار آفست ها، اشتباهات نیز با استفاده از آنالیز چندمتغیره کشف شده اند که نتایج برای اشتباهات به بزرگی 2 برابر انحراف معیار نویز، 38 درصد و برای اشتباهات به بزرگی 4 برابر انحراف معیار نویز، 99 درصد بوده است.