تعیین پارامتر های هندسی اهداف استوانه ای پنهان در تصاویر GPR با استفاده از الگوریتم بهینه سازی تجمع ذرات ‎(PSO)‎

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 112

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIRAEG-11-1_006

تاریخ نمایه سازی: 5 دی 1402

چکیده مقاله:

روش ژئوفیزیکی رادار نفوذی به زمین ‎(GPR)‎ با ارسال امواج الکترومغناطیسی در محدوده فرکانسی یک مگاهرتز تا بیش از یک گیگاهرتز به درون زمین و دریافت امواج بازتابی اهداف مدفون، قادر‎ ‎به‎ ‎آشکارسازی‎ ‎و‎ ‎شناسایی‎ ‎اهداف به ویژه استوانه های مدفون‎ ‎در اعماق‎ ‎کم، بدون ایجاد شکستگی و تخریب در محیط‎ ‎می باشد‎.‎ در پژوهش حاضر از این روش برای شناسایی پارامترهای هندسی عمق دفن و شعاع اهداف استوانه ای مدفون، از طریق روابط ریاضی موجود بین این پارامترها و پارامترهای هذلولی پاسخ GPR، به کمک الگوریتم بهینه سازی تجمع ذرات (PSO) استفاده شده است. برای این منظور ابتدا مدلسازی پیشرو داده های GPR با استفاده از روش تفاضل محدود‎ ‎دوبعدی حوزه‎ ‎زمان (FDTD) به کمک نرم افزار GPRMAX برای تعداد زیادی از مدل های مصنوعی متناظر با اهداف متداول در کاربردهای ژئوتکنیکی و شناسایی ساختارها و تاسیسات زیرسطحی استوانه ای انجام شد. در این پژوهش همچنین برداشت-های میدانی متعددی در محوطه دانشگاه صنعتی اصفهان بر روی اهداف استوانه‎ ‎ای شکل مدفون از پیش شناخته شده، انجام شد و پاسخ GPR آن‎ ‎ها بعد از اعمال توالی‎ ‎های پردازشی مختلف، مورد بررسی قرار گرفت. به منظور استخراج پارامترهای هندسی اهداف استوانه ای مدفون در مدل های مصنوعی و برداشت های واقعی، از الگوریتم PSO در محیط نرم افزار MATLAB استفاده شد. عملکرد الگوریتم برای تعداد ۷ مدل مصنوعی تولید شده شامل اهداف استوانه ای با جنس ها، شعاع ها و عمق دفن های مختلف و نیز نگاشت های راداری واقعی GPR پروفیل های برداشت شده در محوطه دانشگاه صنعتی اصفهان، مورد آزمایش و ارزیابی قرار گرفت که برای مدل های مصنوعی نتایج مطلوب و در مورد تصاویر واقعی، نتایج قابل قبولی حاصل نمود.

کلیدواژه ها:

Ground-penetrating radar (GPR) ، Forward modeling ، Hyperbolic response ، Extraction of geometrical parameters ‎of cylindrical targets ، Particle swarm optimization (PSO) algorithm ‎

نویسندگان

رضا احمدی

Faculty Memeber of Arak University of Technology

سجاد نان بده

PhD Candidate of Mining Engineering

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :