基于神经网络识别技术的地下管线地质雷达数据智能解释的研究.pdfVIP

基于神经网络识别技术的地下管线地质雷达数据智能解释研究 谢雄耀赵永辉杜军 (同济大学地下建筑与工程系，上海，200092) 1 引言 地质雷达是探测地下管线，(特别是非金属管线)的主要手段。而地下工程建设要求对地下管线进行精确定位， 不仅要求提供地下管线的平面位置，而且要求提供地下管线的属性(如管径、埋深、走向、材质等)，这就提}H了 雷达波的“识别”要求。以前的识别方法主要采用人工解释，很难做出精确定量地解释。在大面积管线调查区域 (如地铁沿线)，依靠人工解释效率也比较低下…。鉴于此目的，开发了三维立体智能化的地下管线可视化探测软 件系统PIPEGPRV2．3”1，可以实现地质雷达数据的读取、自动数据处理、人机交互式的解释及基于人J：神经网络 的全自动剖面解释，为非开挖施工提供准确可靠的地下目的物的详细资料，间接地减少可能发生的灾害事故。 2图像智能解释原理 雷达图像的智能解释。就是根据地下管线在雷达削面上的波形特征，由计算机自动做出辨识。实现地质雷达 图像智能解释的步骤如下： 1)、对雷达数据进行归一化处理： 2)、求雷达数据文件各道路功率谱Pw 将雷达倍号S(n)分割成N=64长度的不同区间段。每区间段采样点分成k=2N／li-1的子集(子集长度为16)， 每二个子集有50％的数据重叠部分。 3)、将所求出的功率谱数据作为网络的输入矢量。分别用BP、RBF网络模型实现。 BP网络模型的构造：选用三层网络模型，其中输入层共12×3=36个神经元节点，即相邻三道雷达数据某+ 区间段的功能率的数据。隐含层的神经元节点个数，以试验确定为6个；输出层包括2个神经元节点。 3 图像智能解释功能应用 在自动操作模式下，用户输入地质雷达数据文件，并确定好相关的现场测量定位参数(如纵横测线问的距离 等信息)，根据测试现场环境的干扰情况，选取合适的处理及解释模式，系统将自动进行数据处理，并自动应用神 经网络系统对雷达数据进行解释，并直接将解释成果以三维的形式在屏幕上显示。 为了验证本软件的智能解释功能效果，利用某一已知地下管线分布的地质雷达图进行智能解释。解释结束后， 程序自动绘出三维地质剖面成果图。从三维图像上可以看出，场地分布有三根管线，直径分别为200、500、100， 埋身深分别为0．8m、1．3m、0．6m，结合所收集到的场地资料，可判定为给水管、雨水管及电缆。 4结论与展望 1)采用BP神经网络与RBF神经网络的算法可大大提高图像智能识别的速度。 2)采用图像智能识别技术的管线非开挖可视化软件可准确提供地下管线的管径及埋深。 3)该解释方法在探测管线埋深的精度误差小于lOcm，可以满足工程应用的需要。 4)随着神经网络科学及模式识别技术的进一步发展，地质雷达剖面的自动解释也一定会更准确、更具有实用 价值。 ·648·