مقایسه عملکرد روش های هوشمند شبکه های عصبی مصنوعی و ماشین بردار پشتیبان در شناسایی خودکار اهداف استوانه ای پنهان در تصاویر رادار نفوذی به زمین

Authors

رضا احمدی

دانشجوی دکترای اکتشاف معدن دانشگاه تهران عضو هیئت علمی دانشگاه صنعتی اراک نادر فتحیان پور

عضو هیئت علمی دانشگاه صنعتی اصفهان غلامحسین نوروزی

عضو هیئت علمی دانشکده مهندسی معدن دانشگاه تهران

abstract

در مطالعه حاضر از روش غیرمخرب و با قدرت تفکیک زیاد رادار نفوذی به زمین (gpr) جهت آشکارسازی و شناسایی مشخصات هندسی اهداف به شکل استوانه افقی مدفون همانند انواع ساختارهای تونلی، استفاده شده است. دست یابی به چنین مقصودی براساس تعیین ارتباط بین مشخصات هندسی اهداف استوانه ای مدفون و پارامترهای هذلولی پاسخ gpr مربوطه، با استفاده از روش های هوشمند شبکه های عصبی مصنوعی (ann) و ماشین بردار پشتیبان (svm) صورت پذیرفته است. برای این منظور ابتدا پاسخ سیستم gpr برای 194 مدل مصنوعی مختلف شامل اشیاء استوانه ای شکل متناظر با اهداف ژئوتکنیکی متداول (ساختارهای استوانه ای همچون تونل ها، کانال ها، قنات ها و خطوط لوله)، با استفاده از مدل سازی پیشرو به روش تفاضل محدود دوبعدی بهبودیافته، مدل سازی شد. سپس از نتایج آن با استفاده از الگوریتم تجزیه مقدار تکین، ویژگی های متمایز و منحصربه فرد شامل مقادیر ویژه و نرم مقادیر ویژه ماتریس تصاویر gpr در راستای افقی (فضای بین تریسی) و عمودی (فضای درون تریسی) استخراج گردید و به عنوان داده های ورودی در الگوریتم های ann و svm جهت تخمین مشخصات هندسی شامل شعاع، موقعیت افقی و موقعیت قائم (عمق دفن) اهداف استوانه ای مدفون، مورد استفاده قرار گرفت. عملکرد روش های استفاده شده، برای تصاویر واقعی gpr در حضور نوفه ها نیز ارزیابی شد و نتایج قابل قبولی حاصل گردید به گونه ای که ann و svm پارامترهای هندسی هدف معین مدفون را با متوسط خطای به ترتیب 5 و 9 درصد تخمین زدند. نتایج پژوهش حاضر نشان می دهد که هر دو روش هوشمند مورد استفاده، قابلیت کاربرد برجا، سریع، دقیق و خودکار را برای اهداف ژئوتکنیکی واقعی دارا می باشند هرچند درمجموع روش annنسبت به روش svm از خطای کمتر و در نتیجه قدرت تخمین بالاتر پارامترهای هندسی اهداف استوانه ای مدفون برخوردار است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مقایسه عملکرد روش‌های هوشمند شبکه‌های عصبی مصنوعی و ماشین بردار پشتیبان در شناسایی خودکار اهداف استوانه‌ای پنهان در تصاویر رادار نفوذی به زمین

در مطالعه حاضر از روش غیرمخرب و با قدرت تفکیک زیاد رادار نفوذی به زمین (GPR) جهت آشکارسازی و شناسایی مشخصات هندسی اهداف به شکل استوانه افقی مدفون همانند انواع ساختارهای تونلی، استفاده شده است. دست‌یابی به چنین مقصودی براساس تعیین ارتباط بین مشخصات هندسی اهداف استوانه‌ای مدفون و پارامترهای هذلولی پاسخ GPR مربوطه، با استف...

full text

مقایسه ی روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و درخت تصمیم گیری در شناسایی ابر در تصاویر ماهواره ای لندست 8

مقاله­ی پیش­رو به مقایسه­ی سه روش ماشین بردار پشتیان،شبکه­ی عصبی مصنوعی و درخت تصمیم گیری با هدف شناسایی ابر می‍پردازد. وجود ابر در تصاویر ماهواره­ای اپتیکی، پیش­پردازش­های رادیومتریکی در کاربرد­های سنجش از دور را ایجاب می­کند. معمولا شناسایی ابر در تصاویر ماهواره­ای با استفاده از روش­های طبقه­بندی نظارت شده امکان پذیر می­باشد. در این مقاله تصاویر ماهواره­ای لندست 8 از دو منطقه­ی واقع در رشته­ک...

full text

مقایسه روش‌های طبقه‌بندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در استخراج کاربری‌های اراضی از تصاویر ماهواره‌ای لندست TM

Land use classification and mapping mostly use remotely sensed data. During the past decades, several advanced classification methods such as neural network and support vector machine (SVM) have been developed. In the present study, Landsat TM images with 30m spatial resolution were used to classify land uses through two classification methods including support vector machine and neural network...

full text

شناسایی گردوغبار در تصاویر ماهواره‌ای MODIS با استفاده از روشهای ماشین بردار پشتیبان، شبکه عصبی مصنوعی و درخت تصمیمگیری

یکی از مهمترین بلایای طبیعی که طی سالیان اخیر موردتوجه قرارگرفته، پدیده‌ی گردوغبار است. در سال‌های اخیر این پدیده در ایران ابعاد تازه‌ای گرفته و از یک معضل محلی، به مسئله‌ای ملی تبدیل شده است. شناسایی و تشخیص طوفان گردوغبار اولین مرحله در بررسی و پایش آن می‌باشد. این تحقیق باهدف شناسایی مناطق دارای گردوغبار از تصاویر ماهواره‌ای، در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گردوغبار تصاویر...

full text

مقایسه ی روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و درخت تصمیم گیری در شناسایی ابر در تصاویر ماهواره ای لندست ۸

مقاله­ی پیش­رو به مقایسه­ی سه روش ماشین بردار پشتیان،شبکه­ی عصبی مصنوعی و درخت تصمیم گیری با هدف شناسایی ابر می‍پردازد. وجود ابر در تصاویر ماهواره­ای اپتیکی، پیش­پردازش­های رادیومتریکی در کاربرد­های سنجش از دور را ایجاب می­کند. معمولا شناسایی ابر در تصاویر ماهواره­ای با استفاده از روش­های طبقه­بندی نظارت شده امکان پذیر می­باشد. در این مقاله تصاویر ماهواره­ای لندست 8 از دو منطقه­ی واقع در رشته­ک...

full text

شناسایی گردوغبار در تصاویر ماهواره ای modis با استفاده از روشهای ماشین بردار پشتیبان، شبکه عصبی مصنوعی و درخت تصمیمگیری

یکی از مهمترین بلایای طبیعی که طی سالیان اخیر موردتوجه قرارگرفته، پدیده ی گردوغبار است. در سال های اخیر این پدیده در ایران ابعاد تازه ای گرفته و از یک معضل محلی، به مسئله ای ملی تبدیل شده است. شناسایی و تشخیص طوفان گردوغبار اولین مرحله در بررسی و پایش آن می باشد. این تحقیق باهدف شناسایی مناطق دارای گردوغبار از تصاویر ماهواره ای، در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گردوغبار تصاویر...

full text

My Resources

Save resource for easier access later


Journal title:
مهندسی معدن

جلد ۱۰، شماره ۲۶، صفحات ۸۳-۹۸

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023