شناسایی مشخصات اهداف استوانه ای پنهان در تصاویر GPR با استفاده از دو روش هوشمند شبکه های عصبی و تطبیق الگو

رادار نفوذی زمین (GPR) یک تکنیک ژئوفیزیکی غیرمخرب و با قدرت تفکیک بالاست که از بازتاب امواج الکترومغناطیسی با فرکانس بالا برای آشکارسازی و شناسایی اشیاء مدفون و مصنوعات دست ساز بشر استفاده می نماید. در مطالعه حاضر این تکنیک جهت شناسایی مشخصات هندسی اهداف استوانه ای مدفون نظیر انواع ساختارهای تونلی استفاده شده است. دستیابی به چنین مقصودی براساس تعیین روابط پنهان بین پارامترهای هندسی اهداف استوانه ای و پارامترهای هذلولی پاسخ GPR، با استفاده از روش های هوشمند شبکه های عصبی مصنوعی و شناخت الگو، صورت پذیرفته است. برای این منظور پاسخ GPR مدلهای مصنوعی استوانه ای شکل متناظر با اهداف ژئوتکنیکی متداول (نظیر انواع تونلها، کانالها، قناتها و خطوط لوله) با استفاده از مدلسازی پیشرو به روش اختلاف محدود دوبعدی، مدلسازی شده و به عنوان الگو در الگوریتمهای شبکه های عصبی مصنوعی و تطبیق الگوی آماری مورد استفاده قرار گرفته است. ساختار شبکه عصبی مورد استفاده براساس استخراج ویژگی های متمایز و منحصر بفرد (مقادیر ویژه و نرم مقادیر ویژه در راستاهای افقی و قائم) از تصاویر GPR و تعیین تمام پارامترهای هندسی بطور همزمان بنا شده است. عملیات تطبیق الگو نیز از طریق بکارگیری دو روش شباهت مختلف همامیخت حوزه فضایی و همبستگی متقابل نرمالیزه شده در حوزه عدد موج دوبعدی، صورت گرفت و مشخص گردید که بطور معمول رویکرد حوزه عدد موج، نسبت به روش دیگر از سرعت بالاتری (بیش از 23 برابر) برخوردار است.
نتایج پژوهش نشان می دهد که هر دو روش هوشمند مورد استفاده، قابلیت کاربرد برجا، سریع، دقیق و اتوماتیک را برای اهداف ژئوتکنیکی واقعی، دارا می باشند هرچند درمجموع روش شبکه های عصبی نسبت به روش تطبیق الگو از خطای کمتر و درنتیجه قدرت تخمین بالاتر پارامترهای هندسی اهداف استوانه ای مدفون برخوردار است.