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) روش ژئوفیزیکی غیرمخرب و با قدرت تفکیک زیاد است که از بازتاب امواج الکترومغناطیسی با فرکانس بالا برای آشکارسازی اشیاء مدفون استفاده می کند. در پژوهش حاضر این روش برای تعیین پارامترهای هندسی اهداف استوانه ای مدفون نظیر انواع ساختارهای تونلی استفاده شده است. دست یابی 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، انجام شده است. برای این منظور پاسخ gpr مدل های مصنوعی استوانه ای شکل تولید شده با مدل سازی پیش رو به روش اختلاف محدود دوبعدی، به عنوان الگو در الگوریتم های شبکه های عصبی مصنوعی و تطبیق الگو استفاده شده است. ساختار شبکه عصبی استفاده شده براساس استخراج ویژگی های متمایز و منحصر به فرد (مقادیر ویژه و نرم مقادیر ویژه) از تصاویر gpr و تعیین تمام پارامترهای هندسی اهداف، به طور هم زمان بنا شده است. عملیات تطبیق الگو نیز با به کارگیری دو روش شباهت مختلف هم آمیخت حوزۀ فضایی و هم بستگی متقابل نرمالیزه شده در حوزۀ عدد موج دوبعدی، صورت گرفت. نتایج پژوهش نشان می­دهد که هر دوروش هوشمند استفاده شده، قابلیت کاربرد برجا، سریع، دقیق و خودکار را برای اهداف ژئوتکنیکی واقعی دارند، هرچند درمجموع روش شبکه­های عصبی نسبت به روش تطبیق الگو خطای کم تر و در نتیجه قدرت تخمین بیش تر برای پارامترهای هندسی اهداف استوانه­ای مدفون دارد.