داده‌های میکروگرانی‌سنجی در یک خیابان شلوغ در تهران که در آینده تونل زیرزمینی مترو در زیر آن حفر خواهد شد برداشت شده است. بعد از اعمال تصحیحات اولیه که شامل حذف اثر ساختمان‌های مجاور خیابان نیز می‌شود، مقادیر بی‌هنجاری‌های بوگه محاسبه شده ‌است. سپس با حذف اثر منطقه‌ای بی‌هنجاری‌های باقی‌مانده محاسبه شده‌اند. روش ادامه فراسو برای حذف نوفه‌های سطحی حاصل از تأسیسات زیرزمینی کم‌عمق به‌کار رفته است....

در هنگام حفر تونل در فضاهای شهری، جلوگیری از آسیب و تخریب سازه­های مجاور اهمیت ویژه­ای دارد. برای کاهش این آسیب­ها باید از نشست سطحی زمین جلوگیری کرد. در سال­های اخیر بررسی‌های گسترده­ای در زمینۀ پیش­بینی نشست سطحی زمین در اثر حفر تونل انجام شده است. انتخاب روش مناسب به عوامل مختلفی بستگی دارد. نشست سطحی ناشی از حفر تونل با کمک متغیرهای ورودی که تأثیر فیزیکی چشم‌گیری بر نشست دارند، پیش­بینی شده...

در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.

روش توموگرافی الکتریکی یک روش برداشت شبکه بهینه با استفاده از آرایه­های مناسب در شناسایی اهداف زیرزمینی است. داده­های اکتسابی در برداشت با استفاده از روش­های مختلف بهینه­سازی مانند روش­های گوس- نیوتن، شبه نیوتن مورد مدل­سازی و تفسیر قرار می­گیرند. در این تحقیق قنات آب به دلیل دارا بودن تباین مقاومت ویژه کافی با محیط پیرامون، به عنوان هدف مناسب جهت بررسی مزایا و معایب روش توموگرافی الکتریکی انتخ...