یکی از مهم ترین مسائل در شبکه های تغییر شکل و آشکار سازی جابجایی، شناسایی نقاط پایدار در فواصل بین اپک ها می باشد. در حال حاضر دو روش موجود است که نقاط پایدار و ناپایدار را در یک شبکه شناسایی می کند، تست ثبات کلی و مینیمم سازی نرم l1 بردار جابجایی. در هر دو روش، سرشکنی کمترین مربعات، جداگانه به مشاهدات هر یک از اپک ها اعمال می شود. این روش ها از این لحاظ که از همه مشاهدات اپک ها به طور همزمان استفاده نمی نمایند، مطلوب نمی باشد. ما روشی پیشنهاد دادیم، که از مشاهدات دو اپک به طور همزمان، در سرشکنی کمترین مربعات استفاده می نماید. دو فرضیه آماری ارائه شده است. در فرضیه صفر نقطه را پایدار و در فرض مقابل، ناپایدار فرض می نماییم. سپس سرشکنی را در هر دو مدل انجام داده، با استفاده از آزمونهای آماری نتایج را مقایسه می کنیم. در نتیجه مشخص می شود آیا این نقطه در فاصله زمانی دو اپک حرکت کرده است یا خیر. نتایج شبیه سازی شبکه های آشکار سازی جابجایی در حالات مختلف نشان می دهد که روش پیشنهادی نتایج قابل اطمینان تری از دو روش دیگر ارائه می دهد. متوسط نتایج نسبی حاصل از شبیه سازی ها نشان می دهد روش سرشکنی همزمان 12 درصد بهتر از مینیمم سازی نرم l1 بردار جابجایی و 30 درصد بهتر از تست ثبات کلی شبکه قادر به کشف نقاط جابجا شده می باشد.