آشكار سازي سازه هاي زيرزميني در داده هاي گراديان گراني با استفاده از الگوريتم ژنتيك

Detection of underground structures in gravity gradient observations using genetic algorithms

شناسايي و كشف ساختارهاي زيرزميني از جنبه هاي گوناگوني كاربرد دارد. از جمله اين كاربردها، مطالعات مهندسي و نظامي است. گاهاً ساختارهاي مهندسي خاصي وجود دارند كه به دلايل امنيتي يا استراتژيك در زيرزمين ساخته شده اند. در بسياري از موارد، اين ساختارها از طريق سنجنده هاي تصويربرداري قابل شناسايي نيستند؛ بنابراين مسئله آشكارسازي آن ها يكي از مسائل بسيار پيچيده در موضوعات اكتشافي و مهندسي قلمداد ميگردد. روشه اي مختلفي براي شناسايي اين سازه هاي طبيعي يا مصنوعي وجود دارد. از ميان روش هاي ژئوفيزيكي معمول براي كشف اجسام زيرزميني و با استفاده از مشاهدات سطحي، به كارگيري داده هاي گراديان جاذبه اي كه مشتق دوم پتانسيل جاذبه ي زمين است، از كارايي بالايي برخوردار است. در اين مقاله از الگوريتم ژنتيك براي كشف و تعيين موقعيت و اندازه سازه هاي زيرزميني و با استفاده از مشاهدات گراديان جاذبه اي استفاده شده است. الگوريتم ژنتيك به عنوان يك الگوريتم تكاملي، به دليل عدم نياز به خطي سازي مسئله و به ويژه عدم وابستگي به جواب اوليه، مي تواند روشي مفيد و كارا در حل مسئله مورد نظر باشد. اين روش در كنار روش هاي همتاي خود، همچون روش كمترين مربعات، براي حل مسائل بهينه سازي به كار رفته؛ اما با اين وجود برتري هايي نيز نسبت به آن ها دارد. با شبيه سازي داده هاي گراديان جاذبه ي حاصل از سازه هاي زيرزميني و به كار بردن اين الگوريتم براي تعيين موقعيت و اندازه چنين سازه هايي، مسئله آشكارسازي حل شده و احتمال كشف سازه هاي زيرزميني با در نظر گرفتن سطوح نوفه مختلف دستگاه اندازه گيري مورد بررسي قرار مي گيرد

Detection of underground structures is important in both civil and military applications. Detection such facilities usually cannot be fulfilled by using remotely sensed images. Hence, geophysical methods have widely been employed for this purpose. Among geophysical methods, which are used to detect underground structures, gravity gradiometry is one of the most efficient methods. In this study, genetic algorithm is used to solve the gradiomettry inverse problem in order to detect underground structures. Genetic algorithm as one the evolutionary algorithms, due to solving nonlinear problems without any requirement of an initial solution, can be considered as a useful and efficient method. This method in addition to its counterparts, like least square approach, is used to solve optimization problems and yet has some advantages over those methods. In this paper, genetic algorithm is applied to detect underground structures and to estimate their locations and sizes from simulated gravity gradient signals. Moreover, by studying the noise level of gradiometer instruments, the problem of detectability is thoroughly analyzed.