نشریه زمین شناسی مهندسی، جلد نهم، شمارۀ 4 زمستان 4934 9603

شناسايي مشخصات اهداف استوانه اي پنهان در تصاوير GPR با استفاده از دو روش هوشمند
 شبکههاي عصبي و تطبيق الگو
رضا احمدي ؛ دانشگاه صنعتي اراك، دانشکدۀ مهندسي معدن نادر فتحيانپور؛ دانشگاه صنعتي اصفهان، دانشکدۀ مهندسي معدن
غلامحسين نوروزي؛ دانشگاه تهران، دانشکدۀ مهندسي معدن
تاريخ: دريافت 4/9/32 پذيرش 22/6/39چکیده
رادار نفوذي زمین (GPR) روش ژئوفیزیکی غیرمخرب و با قدرت تفکیک زیاد است که از بازتاب امواج الکترومغناطیسی با فرکانس بالا براي آشکارسازي اشیاء مدفون استفاده می کند.
126873825500

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

در پژوهش حاضر این روش براي تعیین پارامترهاي هندسی اهداف استوانه اي مدفون نظیر انواع ساختارهاي تونلی استفاده شده است. دست یابی به چنین مقصودي براساس تعیین روابط پنهان بین پارامترهاي هندسی اهداف استوانه اي و پارامترهاي هذلولی پاسخ GPR، با استفاده از روش هاي هوشمند شبکه هاي عصبی مصنوعی و شناخت الگو، انجام شده است. براي این منظور پاسخ GPR مدل هاي مصنوعی استوانه اي شکل تولید شده با مدل سازي پیش رو به روش اختلاف محدود دوبعدي، به عنوان الگو در الگوریتم هاي شبکه هاي عصبی مصنوعی و تطبیق الگو استفاده شده است. ساختار شبکه عصبی استفاده شده براساس استخراج ویژگی هاي متمایز و منحصر به فرد )مقادیر ویژه و نرم مقادیر ویژه( از تصاویر GPR و تعیین تمام پارامترهاي هندسی اهداف، به طور هم زمان بنا شده است. عملیات تطبیق الگو نیز با به کارگیري دو روش شباهت مختلف هم آمیخت حوزۀ فضایی و هم بستگی متقابل نرمالیزه شده در حوزۀ عدد موج دوبعدي، صورت گرفت. نتایج پژوهش نشان میدهد که هر دوروش هوشمند استفاده شده، قابلیت کاربرد برجا، سریع، دقیق و خودکار را براي اهداف ژئوتکنیکی واقعی دارند، هرچند درمجموع روش شبکههاي عصبی نسبت به روش تطبیق الگو خطاي کم تر و در نتیجه قدرت تخمین بیش تر براي پارامترهاي هندسی اهداف استوانهاي مدفون دارد.
1710944355571

واژههای کلیدی: رادار نفوذي زمین (GPR)، مشخصات هندسی اهداف استوانهاي، شبکه هاي عصبی مصنوعی ،* تطبیق الگو، هم بستگی متقابل نرمالیزه.
[email protected] نويسنده مسئول
9606
مقدمه
رادار نفـوذي زمیـن یا 4GPR تکنیک ژئوفیزیکی با قدرت تفکیک زیاد است که با ارسالامواج الکترومغناطیسی با فرکانس بالا )عموما در محدودۀ فرکانس یک مگاهرتز تا بیش از یکگیگاهرتز( به درون زمین و دریافت امواج بازتابی حاصل، به آشکارسازي و شناسایی ویژگی هاي ساختارهاي مدفون در درون زمین میپردازد. تکنیک غیرمخرب GPR قادر به شناسایی و به نقشه درآوردن جزئیات زیرسطحی، بدون نیاز به هرگونه تخریب و یا دست کاري است و نتایج برداشت، به آسانی به صورت تصاویر دوبعدي و سه بعدي، ارائه می شوند.
126873825500

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

ویژگی هاي فیزیکی مواد که رفتار انرژي الکترومغناطیسی را در محیط ،کنترل می کنند شامل گذردهی دي الکتریک ،، نفوذپذیري مغناطیسی ، و هدایت الکتریکی ، هستند. تغییرات نفوذپذیري مغناطیسی محیط ها به ویژه در کاربردهاي زمین شناسی مهندسی و ژئوتکنیک، معمولاًًمعمولا ضعیف است و بنا بر این در کاربرد روش GPR، در اکثر مواقع ، و  مهم ترین پارامترها هستند. برداشت دادههاي GPR معمولامعمولاًً از طریق سه مد صورت میگیرد که متداول ترین شیوه عملیات برداشت، مطابق شکل 4 پروفیلزنی بازتابی فاصله ثابت تک حالت است. در تمام شیوههاي برداشت GPR، اندازهگیري از یک مؤلفۀ میدان الکترومغناطیسی )معمولاًًمعمولا مؤلفۀ میدان الکتریکی(، به عمل میآید و شدت مؤلفۀ میدان الکتریکی اندازهگیري شده، به یک سیگنال ولتاژ، تبدیل شده و در مقابل زمان، ثبت میشود ]4[.
متداولترین شیوۀ نمایش دادههاي GPR، نمایش دامنۀ سیگنال امواج الکترومغناطیسی بازتابی، در مقابل زمان تأخیر است که تریس نامیده میشود. در حالت کلی نگاشت راداري2 برداشت پروفیلی دادههاي GPR، مجموعهاي از تریسهاي بازتابی است و رخداد حاصل در تصویر نیز براي اغلب اهداف مدفون، به شکل هذلولی است )شکل 4الف(. براي آشکارسازي فرض میشود که دامنۀ سیگنالهاي بازتابیده از ناهمگنیهاي زیرسطحی، از سیگنالهاي زمینه بزرگ ترند.
GPR داراي طیف وسیعی از کاربردهاست به گونه اي که در بسیاري از زمینه هاي مهندسی
از جمله در زمینه هاي ژئوتکنیک، شناسایی ساختار و مسائل زمین شناسی مهندسی، معدن کاري،

1. Ground-Penetrating Radar 2. Radargram
9603
تصویر کردن آب هاي زیرزمینی، باستان شناسی، امور جنایی، قضایی، قانونی و نظامی، برف ویخ و یخ بندان شناسی، تأسیسات و مسائل زیست محیطی کاربرد دارند. از مهم ترین کاربردهايآن در زمینۀ مهندسی ژئوتکنیک است )شکل 4ب( که به طور اخص هدف آن آشکارسازي وشناسایی انواع ساختارهاي استوانهاي )شامل انواع تونلها، کانالها، قناتها و خطوط انتقال آب و فاضلاب که در اغلب موارد نیز در زیر شاهراههاي نواحی شهري قرار دارند(، آشکارسازي فضاهاي خالی4 و شکستگی هاي درون توده هاي سنگی، بررسی نشست هاي زمین و شناسایی نواحی همگن و غیرهمگن است. به منظور استخراج اطلاعات مطلوب از دادههاي خام )تصاویر( GPR، علاوه بر پیشپردازشهاي معمول و متداول ضروري، نیاز به اعمال پردازشهاي پیشرفته، سریع و مؤثر از جمله تکنیکهاي شناخت الگو2 است.
126873825500

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

تکنیکهاي شناخت الگو در موارد معدودي در ارتباط با تصاویر GPR به کار گرفته شده ،هرچندکه هر مورد داراي محدودیتها و کاستیهایی است، در تمامی آن ها نتایج قابل قبولی ارائه نموده است که از جمله آن ها کپینري9 و همکاران )4331( از تبدیل کلاسیک هاف4 به منظور شناسایی بخشهاي خطی در تصویر GPR استفاده کردند ]2[. ال نوایمی5 و همکاران
)2222( یک طبقهبنديکننده شبکه عصبی را براي شناسایی نواحی بالقوه حاوي هدف و تبدیل

الف

ب

الف

ب

شکل 3. الف( برداشت دادههای GPR بر روی يک هدف مدفون و رخداد مربوطه در نگاشت راداری به شکل هذلولي )خط چین(، ب( بعضي از کاربردهای ژئوتکنیکي GPR

1. Cavity 2. Pattern recognition 3. Capineri 4. Hough 5. Al-Nuaimy
9603
126873825500

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

هاف را به عنوان تکنیک شناخت الگو، براي تعیین موقعیت پیک آنومالیهاي هذلولوي مربوطبه اهداف مدفون نظیر لوله و مینهاي زمینی، به کار بردند ]9[. آن ها از دادههاي دو سایتآزمایشی براي آموزش شبکه عصبی استفاده کرده و نتایج را نیز بر روي همان سایتها آزمایشکردند. گامبا4 و بلوتی2 )2229( از دو روي کرد شبکه عصبی و تطبیق الگو براي آشکارسازي و تحلیل دادههاي GPR با هدف شناسایی موقعیت لولههاي مدفون در نواحی شهري استفاده کردند. ورودي شبکه عصبی بخشی از تصویر باینریزه شده است که از تصویر GPR پیش پردازش شده اقتباس میشود. براي استفاده از تکنیک تطبیق الگو، یک پایگاه داده از هذلولیهاي با ابعاد مختلف تهیه شده؛ با انتخاب هریک از رخدادهاي هذلولی شکل موجود در تصویر GPR به طور دستی با عمل گر9، مناسبترین هذلولی از پایگاه دادهها بر آن انطباق مییابد ]4[. بزرگترین محدودیت این روش، محدود بودن انتخاب، تنها به هذلولیهاي موجود در پایگاه داده و دستی )غیرخودکار( بودن آن است. سانتوس4 و همکاران )2223( یک طبقهبندي کننده پرسپترون چندلایهاي را براساس ویژگیهاي استخراج شده از اهداف مدفون در زیر خاک به منظور شناسایی اهداف فلزي از غیرفلزي طراحی کردند ]5[. این روش تنها قادر به شناسایی فلز از غیرفلز است. کاي5 و همکاران )2242( یک سیستم آشکارسازي ویژگی و تطبیق الگو را براي شناسایی تصاویر GPR بهکار گرفتند. استراتژي منطق فازي براي انطباق ویژگیهاي آشکار شده از تصویر، بر ویژگیهاي موجود در پایگاه دادههاي الگو، براي شناسایی استفاده شد ]6[. در این مورد نیز یک پایگاه داده از یک سري ویژگیهاي الگوهاي شناخته شده، ایجاد شده و کار تطبیق الگو با استفاده از منطق فازي و با استفاده از این ویژگی هاي الگوهاي موجود در پایگاه داده، صورت میگیرد. کوباشیگاوا4 و همکاران )2244( از دو روش شبکههاي عصبی و برنامهنویسی ژنتیکی براي طبقهبندي اشیاء از نوع مهمات منفجر نشده از سایر اشیاء دیگر، استفاده و نتیجهگیري کردند که روش برنامهنویسی ژنتیکی نسبت به شبکه عصبی، عمل کرد بهتري داشته است ]7[. زیونگیو2 و همکاران )2249( از روش واهم امیخت9 پیشگو براي تضعیف امواج چندگانه ایجاد شده با میلههاي فولادي مدفون در ساختارهاي بتن مسلح، در تصاویر مصنوعی ایجادشده با روش FDTD استفاده کردند. سپس

1. Gamba 2. Belotti 3. Operator 4. Santos 5. Cui
9609
براي تشخیص اتوماتیک حفرات در تصاویر پیشپردازش شده، از الگوریتم SVM استفادهکردند ]1[. روش آن ها صرفاًًصرفا براي تصاویر مصنوعی آزمایش شده است.
در پژوهش حاضر با استفاده از روشهاي هوشمند شناخت الگو، شامل روش شبکه هايعصبی مصنوعی و تکنیک تطبیق الگو، اهداف پنهان در تصاویر GPR، به طور کامل ناسایی می شوند.
مدلسازی عددی پیش رو دادههای GPR به روش اختلاف محدود
126873825500

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

Downloaded from jeg.khu.ac.ir at 11:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.9.4.3069 ]

هدف از انجام این پژوهش شناسایی اهداف استوانهاي مدفون، تحت شرایط مختلف محیطی براساس اطلاعات معقول دادههاي GPR است. براي دستیابی به این هدف میتوان از روشهاي عددي مختلفی نظیر ردیابی پرتو4، تکنیکهاي حجم محدود تبدیل z، اجزاء گسسته5 ]3[، تکنیکهاي عبور- بازتاب یک تا سهبعدي اختلاف محدود ]42[-]49[ و اجزاء محدود به منظور مدلسازي و شبیهسازي، استفاده کرد که در همۀ آن ها انتشار و بازتاب امواج GPR در درون زمین، براساس رفتار امواج الکترومغناطیسی و نحوۀ عمل کرد آنها با مواد زیرسطحی، شبیهسازي میشود. روش اختلاف محدود به دلیل داشتن مزیتهایی نظیر درک نسبتانسبتاًً ساده مفاهیم آن، انعطافپذیري، قابلیت شبیهسازي و مدلسازي محیطهاي پیچیده و قابلقبول بودن پاسخهاي آن در موارد به کار رفته، در میان روشهاي عددي مذکور، مقبولیت و کاربرد بیشتري یافته و بنا بر این در این پژوهش نیز از روش اختلاف محدود دوبعدي استفاده شده است.
براي مدلسازي پیش رو دوبعدي دادههاي GPR به روش اختلاف محدود، بازتاب امواج GPR ارسالی از سطح زمین )فرستنده و گیرنده هر دو روي سطح زمین قرار دارند(، با استفاده از فرمولبندي روش میدان مغناطیسی عرضی یا مود TM4، شبیهسازي میشود.
تئوري پایه کدهاي مدلسازي پیش رو GPR، معادلات کرل ماکسول در حوزۀ فرکانس هستند که عبارتند از:

)4(
1. Kobashigawa 2. Xiongyao 3. Deconvolution 4. Ray tracing 5. Discrete elements

9603
1663954-88430

آن

در

که

آن



قیمت: تومان

دسته بندی : زمین شناسی

دیدگاهتان را بنویسید