مدل سازی داده های GPR با استفاده از روش FDTD و تفسیر نتایج در یک مطالعه موردی
محل انتشار: سومین کنفرانس ملی و اولین کنفرانس بین المللی پژوهش هایی کاربردی در مهندسی برق، مکانیک و مکاترونیک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,271
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF03_0663
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
روش رادار نفوذی به زمین که قابلیت ارائه تصاویر زیرسطحی با تفکیک پذیری بالا از محیط های دی الکتریک کم اتلاف را دارد یک روش جدید، مفید و بسیار قدرتمند برای آزمون غیرمخرب ساختارهای مصنوعی ساخته شده توسط بشر از طریق امواج الکترومغناطیس با فرکانس بالا می باشد. لذا این روش جایگاه ویژه ای در میان روش های ارزیابی غیرمخرب مهندسی، راه پیدا کرده است. در این مقاله ضمن معرفی روش تفاضل محدود در حوزه زمان (FDTD) به عنوان یک روش عددی برای شبیه سازی رفتار امواج الکترومغناطیس در محیط های مختلف، پاسخ سیستم GPR مدل های مصنوعی به شکل استوانه افقی، منشور دو بعدی متناظر با اهداف ژئوتکنیکی متداول ( ساختارهایی نظیر انواع لوله ها و کانال ها )، بر مبنای این روش عددی با استفاده از نرم افزار GprMax2D مدل سازی شد تا در تفسیر داده های واقعی GPR ( نگاشت راداری ) مورد استفاده قرار گیرند. همچنین تجزیه و تحلیل نتایج برداشت بر روی خط اصلی انتقال فراورده های نفتی ری- شاهرود به عنوان یک مورد مطالعاتی عملی که در قسمتی از مسیر خود از دانشگاه صنعتی شاهرود عبور کرده، آورده شده است. بررسی نتایج حاصل از تفسیر نگاشت های راداری، پس از اعمال فیلترهای پردازشی مختلف، حاکی از قابلیت بسیار بالای روش GPR در تعیین موقعیت و شناسایی انواع ناهماهنگی های زیرسطحی بوده است.
کلیدواژه ها:
نویسندگان
افسانه احمدپور
دانشجوی کارشناسی ارشد ژئوالکتریک، دانشکده معدن، نفت و ژئوفیزیک، دانشگاه شاهرود
ابوالقاسم کامکار روحانی
دکتری ژئوفیزیک اکتشافی، دانشیار مهندسی معدن، نفت و ژئوفیزیک، دانشگاه شاهرود
ایرج پیروز
دکتری ژئوفیزیک اکتشافی، استادیار مهندسی معدن، نفت و ژئوفیزیک، دانشگاه شاهرود
سعید پرنو
دانشجوی دکتی الکترومغناطیس، موسسه ژئوفیزیک، دانشگاه شاهرود
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :