سود:
- توانایی درک فیزیک و حدود ERT، GPR و توموگرافی لرزه ای و انتخاب روش مناسب برای هدف.
- توانایی تأیید عمق GPR با کالیبراسیون سرعت و تفسیر متقابل مقاومت / سرعت ناهنجاری به جای استفاده از یک روش واحد
- امکان در نظر گرفتن ناهمگونی و اثرات فصلی سطح نزدیک و تأیید هر ناهنجاری با تأیید زمینی (حفاری / ترانشه).
برخی از مشکلات ژئوفیزیکی عمیق و در مقیاس بزرگ هستند. اما برخی از آنها بسیار نزدیک هستند: نشت زیر سد، شکاف زیر جاده، سازه باستان شناسی، سطح آب کم عمق یا توده آلودگی. ژئوفیزیک نزدیک به سطح و تصویربرداری زیرزمینی وظیفه تصویربرداری از چند متر اول تا صدها متر با وضوح بالا است. این واحد شامل سه روش متداول - توموگرافی مقاومتی الکتریکی (ERT)، رادار نفوذی زمین (GPR) و توموگرافی لرزهای - و چگونگی تسریع پردازش دادهها، وارونگی و تفسیر این روشها توسط هوش مصنوعی است. اما خواهیم دید که چرا عدم قطعیت های ذاتی سطح نزدیک نیازمند استفاده از هوش مصنوعی با احتیاط است.
سه روش، سه فیزیک
فرهنگ لغت کوتاه. ERT (توموگرافی مقاومتی الکتریکی) روشی است که توزیع مقاومت زیرزمینی (مقاومت در برابر جریان الکتریکی) را با اعمال جریان به زمین و اندازهگیری اختلاف پتانسیل استخراج میکند. در جداسازی آب، خاک رس و فضاهای خالی بسیار قوی است. GPR (رادار نفوذی زمین) امواج الکترومغناطیسی با فرکانس بالا را می فرستد و لایه ها و اجسام کم عمق (لوله ها، حفره ها، تقویت کننده ها) را از بازتاب ها تصویر می کند. حلالیت بالا اما عمق محدودی دارد و در خاک رسانا (رس، آب نمک) به سرعت محو می شود. توموگرافی لرزه ای توزیع سرعت زیرسطحی را از زمان رسیدن موج در بسیاری از مسیرهای منبع گیرنده استخراج می کند. از طریق سوراخ متقاطع یا تراز سطح اعمال می شود.
وجه اشتراک هر سه این است که همه آنها یک وارونگی ایجاد می کنند: تخمین توزیع ویژگی زیرسطحی (مقاومت، سرعت) از داده های اندازه گیری شده. و همه آنها از یک عدم قطعیت رنج می برند: وضوح با عمق کاهش می یابد، داده ها محدود می شوند و نتیجه به منظم سازی وابسته است.
سهم هوش مصنوعی
هوش مصنوعی در چند جا در این روش ها می درخشد:
- تفسیر GPR: به طور خودکار الگوهای هذلولی (بازتاب مشخصه داده شده توسط اشیاء نقطه مدفون - لوله، سنگ) را بر روی رادارگرام (بخش GPR) تشخیص داده و مکان و عمق را پیشنهاد می کند.
- تسریع وارونگی ERT/توموگرافی: کوتاه کردن راه حل تکراری با مدل های جایگزینی که در واحد قبلی دیدیم.
- حذف نویز و تداخل: علامت گذاری اندازه گیری های دور از زنگ آنتن در GPR، تماس ضعیف الکترود در ERT.
- علامت گذاری خودکار ناهنجاری: پیشنهاد فضای خالی، مسیر نشتی، نامزدهای ساختار مدفون در سراسر حجم.
خطرات نیز آشنا هستند: آشکارساز هذلولی ممکن است با بازتاب ها مطابقت نداشته باشد. شتاب دهنده وارونگی می تواند ناحیه عمیق نامرئی برای داده ها را با پیش ساز پر کند. آشکارساز ناهنجاری ممکن است ناهمگنی زمین را با "ساختار" اشتباه بگیرد.
نکته: در GPR، انحنای هذلولی سرعت موج محیط را می دهد. عمق تخمین زده شده توسط هوش مصنوعی به این سرعت بستگی دارد. اگر سرعت اشتباه است، عمق نیز اشتباه است. اعماق دقیق را بدون کالیبره کردن سرعت در حداقل یک هدف شناخته شده (مثلاً لوله ای با عمق مشخص) ارائه نکنید.
عدم قطعیت های ویژه سطح نزدیک
وضوح در سطح نزدیک زیاد است، اما زمین بسیار ناهمگن است: رطوبت، پر شدن، ریشه ها، زباله ها با هر متر تغییر می کنند. این پر از دام برای هوش مصنوعی است. در ERT، یک ناحیه با مقاومت کم می تواند آب، خاک رس یا تراوش باشد - مقاومت به تنهایی آن را متمایز نمی کند. بنابراین، حقیقت زمین نزدیک به سطح (چانه، ترانشه، زیرساخت شناخته شده) حیاتی است. هر ناهنجاری پرچمگذاری شده توسط هوش مصنوعی در صورت امکان با یک بررسی فیزیکی تأیید میشود.
احتیاط: نتایج GPR و ERT به هندسه اندازه گیری و شرایط زمین بسیار حساس هستند. همین خط در فصل خشک و پس از باران متفاوت ظاهر می شود. هوش مصنوعی را مجبور نکنید که بگوید "این ناهنجاری قطعا یک شکاف است". نتیجه را با زمینه شرایط اندازه گیری، فصل و تراز بخوانید.
تفسیر سطح نزدیک چند روشی
یک روش اغلب در سطح نزدیک کافی نیست. ERT مقاومت می دهد، GPR ساختار می دهد، توموگرافی لرزه ای سرعت می دهد. هر سه با هم به تفسیر بسیار ایمنتری از مقاومت کم + بازتاب GPR با دامنه بالا + سرعت کم منجر میشوند، مانند "فضای پر از آب". هوش مصنوعی به ترکیب این لایهها (تلفیقی دادهها) کمک میکند، اما تحت نظارت متخصص که به وضوح و محدودیتهای عمق هر روش احترام میگذارد.
سه کیف کوچک
مورد 1 - مسیر نشت سد. یک سد خاکی مشکوک به نشتی بود. یک نوار مقاومت پایین با ERT دیده شد. آشکارساز ناهنجاری هوش مصنوعی این را به عنوان یک نامزد مسیر نشت علامت گذاری کرده است. تیم آن را با GPR و دو صدا تایید کرد. گروه واقعاً یک منطقه انتقالی اشباع شده بود. اگر تصمیم فقط با یک روش گرفته می شد، می توان آن را با یک لنز سفالی اشتباه گرفت.
مورد 2 - مغالطه هایپربولا. در یک اسکن زیرساخت، هوش مصنوعی 14 هذلولی را علامت گذاری کرد و گفت: "14 لوله". کالیبراسیون نشان داد که سرعت نادرست است: عمق واقعی 30٪ کم بود و دو هذلولی در واقع بازتاب های متعدد یک لوله واحد بودند. هنگامی که سرعت از یک خط شناخته شده کالیبره شد، این عدد به 11 کاهش یافت و اعماق بهبود یافت.
مورد 3 - اثر فصلی. در یکی از سایتهای باستانشناسی، ERT در پایان تابستان «بدون ساختار» ارائه کرد. اندازه گیری های مکرر پس از باران پی های دیوار را نشان داد: کنتراست در زمین خشک کم بود. اگر تفسیر هوش مصنوعی بر داده های اولیه تکیه می کرد و فیلد را خالی اعلام می کرد، ساختار از دست می رفت.
چهار قالب قابل کپی
1) مشاوره انتخاب روش:
نقش شما: ژئوفیزیکدان نزدیک به سطح. هدف من: [حفره مدفون / تراوش / ساختار باستان شناسی / جدول آب]، خاک: [رس/ماسه]، عمق: [0-5 متر]. کدام یک از ERT، GPR و توموگرافی لرزه ای مناسب است و چرا؟ نقاط قوت، محدودیت ها و کاربردهای مکمل هر روش برای این هدف را توضیح دهید.
2) کالیبراسیون سرعت GPR:
الگوهای هذلولی در رادارگرام GPR من وجود دارد. چگونه سرعت محیط را از انحنای هذلولی تخمین بزنم، چگونه آن را به یک هدف شناخته شده کالیبره کنم؟ تأثیر سرعت اشتباه بر خطای عمق و نحوه تشخیص بازتاب های متعدد از جسم واقعی را توضیح دهید.
3) تبعیض ناهنجاری ERT:
ناحیه ای با مقاومت کم در وارونگی ERT من وجود دارد. چگونه احتمالات این آب، گل یا فضا بودن را جدا کنم؟ کدام داده (GPR، حفاری، تکرار فصلی) تمایز را روشن می کند؟ توضیح دهید که چرا مقاومت به تنهایی کافی نیست.
4) طرح راستی آزمایی زمینی:
هوش مصنوعی چندین نامزد ناهنجاری را در حجم پرچم گذاری کرد. یک طرح تأیید زمینی (حفاری / سنگر) برای تأیید فیزیکی این موارد پیشنهاد دهید: کدام ناهنجاری را ابتدا آزمایش کنم، حداقل چند نقطه مورد نیاز است، چگونه نتیجه را با نقشه هوش مصنوعی مقایسه کنم؟
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
به من نشان دهید که آیا شکافی در این داده های GPR وجود دارد.
بدون کالیبراسیون سرعت، بدون زمینه زمین و بدون تأیید. هوش مصنوعی هذلولی ها را می شمارد، اما عمق و نوع آن غیرقابل اعتماد است.
اعلان قدرتمند:
نقش شما: کارشناس GPR. زمینه: مترو بتنی، حفره/لوله هدف، رطوبت زمین، عمق لوله [X] متر شناخته شده است. وظیفه: (1) کالیبره کردن سرعت متوسط از طریق لوله شناخته شده. (2) الگوهای هذلولی را علامت گذاری کنید و عمق هر کدام را کالیبره کنید. (3) بازتاب چندگانه را از شی واقعی تشخیص دهید. (4) جزیره را به عنوان حفره یا لوله با سطح اطمینان طبقه بندی کنید و تأیید زمینی را پیشنهاد دهید. از زبان قوی استفاده نکنید
کالیبراسیون، تبعیض نوع و درخواست تأیید، خروجی را قابل اعتماد می کند.
مقایسه روش
ویژگی
ERT
GPR
توموگرافی لرزه ای
اندازه گیری شده توسط
مقاومت
انعکاس EM
سرعت موج
قوی است
آب / خاک رس / فضا
ساختار / شی کم عمق
ساختار سرعت
ضعف
وضوح پایین
زمین رسانا
پوشش جاده
سهم هوش مصنوعی
سرعت وارونگی
تشخیص هایپربولا
سرعت وارونگی
اشتباهات رایج
- دادن عمق GPR بدون کالیبره کردن سرعت. سرعت اشتباه یعنی عمق اشتباه.
- تفسیر مقاومت به تنهایی مقاومت کم می تواند آب، خاک رس یا فضا باشد.
- در نظر گرفتن بازتاب های متعدد به عنوان اشیاء واقعی. مراقب تکرار الگوها در GPR باشید.
- نادیده گرفتن اثر فصل/شرایط. زمین خشک/مرطوب نتایج کاملا متفاوتی به دست می دهد.
- دور زدن تأیید زمینی تایید حفاری/ترانشه نزدیک به سطح بسیار مهم است.
به طور خلاصه
ERT، GPR و توموگرافی لرزه ای از سطح زیرین با وضوح بالا تصویربرداری می کنند. هوش مصنوعی سهم زیادی در تشخیص هذلولی، شتاب وارونگی و علامتگذاری ناهنجاری در GPR دارد. اما ناهمگونی شدید سطح نزدیک، عدم قطعیت مقاومت/سرعت، نیاز به کالیبراسیون سرعت، و اثر فصلی، خروجی هوش مصنوعی را شکننده میکند. استفاده صحیح؛ نرخ را کالیبره کنید، روش ها را ترکیب کنید، مقاومت را به صورت مجزا تفسیر نکنید و هر ناهنجاری را با تأیید زمین تأیید کنید. تفسیر نهایی بر عهده متخصصی است که حدود وضوح را می داند.
وظیفه کاربردی
یک هدف نزدیک به سطح (حفره، نشت، ساختار مدفون) را انتخاب کنید. روش(های) مناسب را با الگوی "مشاوره انتخاب روش" تعیین کنید. اگر GPR را انتخاب کردید، قابلیت اطمینان عمق را با الگوی "کالیبراسیون سرعت GPR" برنامه ریزی کنید. اگر ERT را انتخاب کردید، جداسازی آب/خشت/فضا را با الگوی «جدایی ناهنجاری ERT» تنظیم کنید. برای حداقل یک ناهنجاری یک طرح تأیید زمینی بنویسید.
چک لیست
- [ ] روش(های) مناسب را با توجیه انتخاب کردم.
- [ ] من اعماق GPR را با هدف شناخته شده کالیبره کردم.
- [ ] من به جای استفاده از یک روش واحد، ناهنجاری مقاومت/سرعت را تفسیر متقاطع کرده ام.
- [ ] من تأثیر فصل/شرایط اندازهگیری را در نظر گرفتم.
- [ ] من ناهنجاری ها را با طرح راستی آزمایی زمینی تأیید کردم.