Electromagnetic detection of subsurface objects with neural networks

 
see the original item page
in the repository's web site and access all digital files if the item*
share




2008 (EN)
Ηλεκτρομαγνητική ανίχνευση υπογείων στόχων με νευρωνικά δίκτυα
Electromagnetic detection of subsurface objects with neural networks

Ιακωβίδης, Σεραφείμ Ευσταθίου

Prospecting of structures embedded in the ground is a matter of interest for aspects of modern activity and research such as geology, archeology, detection of energy sources and control of manmade underground structures. Among others, the electromagnetic method is regarded as one of the most modern and continuously rising in the field of applications due to the high accuracy in evaluating variations and discontinuities to the allocation of electromagnetic parameters.In the present work, Neural Network algorithms are applied for the solution of the inverse scattering problem from a uniform and nonuniform penetrable cylinder embedded in the ground. The cylinder and underground soil are considered to be non-magnetic lossy dielectrics.Neural Network (NN) algorithms were used for the solution of the inverse problem. The NN was realized with the Radial Basis Function architecture with one hidden layer between the clustering and the output layers. The K-means algorithm was utilized for the clustering procedure. At this step the Gaussian function was used for the definition of clusters’ centers. The next step was a supervised procedure by which the interconnection weights from the hidden to the output layer are defined. For this purpose the gradient descent algorithm was applied. The training data of the NN were calculated by the theoretical analysis of the electromagnetic scattering from the embedded object. The theoretical analysis was obtained by employing the Moment Method (MoM) and the Inverse Fast Fourier Transform.The results are satisfactory for the case of the uniform embedded object. An extensive investigation for NN parameters is made which would minimize the errors of the target’s parameters. An optimized NN was structured by which the relative errors do not exceed the 8%. In the case of a nonuniform target, to keep the level of the error at ~8,5%, a separate optimized NN was structured for the evaluation of each one of the parameters.
Η διασκόπηση δομών στο υπέδαφος σχετίζεται με ένα σημαντικό πλήθος τομέων της σύγχρονης έρευνας και δραστηριότητας όπως η γεωλογία, η αρχαιολογία, η ανίχνευση ενεργειακών υλών ή ο έλεγχος υπεδάφιων κατασκευών. Μεταξύ των άλλων εφαρμοσμένων μεθόδων, η ηλεκτρομαγνητική μέθοδος κατατάσσεται στις πιο σύγχρονες και με συνεχώς αυξανόμενο πεδίο εφαρμογών λόγω της υψηλής ακρίβειας με την οποία προσδιορίζει μεταβολές και ασυνέχειες στην κατανομή των ηλεκτρομαγνητικών παραμέτρων.Η παρούσα εργασία περιλαμβάνει την εφαρμογή αλγορίθμων Νευρωνικών Δικτύων κατά την επίλυση του αντίστροφου προβλήματος σκέδασης από ομοιόμορφο και ανομοιόμορφο διστρωματικό κυλινδρικό στόχο ορθογώνιας διατομής, ευρισκόμενο στο υπέδαφος. Ο κύλινδρος και το υπέδαφος θεωρούνται μη μαγνητικά διηλεκτρικά με απώλειες.Για την επίλυση του αντίστροφου προβλήματος γίνεται χρήση αλγορίθμων Νευρωνικών Δικτύων (NN). Επιλέχθηκε η αρχιτεκτονική ακτινικής συνάρτησης βάσης (RBF) και ένα hidden layer μεταξύ του στρώματος ομαδοποίησης και εξόδου. Για την ομαδοποίηση χρησιμοποιήθηκε ο αλγόριθμος K-means και για την εκπαίδευση των υπολοίπων κόμβων ο αλγόριθμος back-propagation. Τα δεδομένα εκπαίδευσης και ελέγχου του Νευρωνικού Δικτύου ελήφθησαν μέσω της επίλυσης του ευθέος προβλήματος. Η λύση του ευθέος προβλήματος του υπολογισμού της έντασης του σκεδανύμενου ηλεκτρικού πεδίου λαμβάνεται από την επίλυση της ολοκληρωτικής εξίσωσης του ηλεκτρικού πεδίου (EFIE) με τη μέθοδο των ροπών (MoM) και του αντίστροφου μετασχηματισμού Fourier (IFFT).Συνοπτικά τα βασικά συμπεράσματα που προέκυψαν είναι τα εξής: Το αντίστροφο πρόβλημα επιλύεται με ικανοποιητική ακρίβεια για ομοιόμορφο στόχο. Με ένα βέλτιστο δίκτυο επιτυγχάνεται ο υπολογισμός και των τεσσάρων παραμέτρων του στόχου με σφάλμα που δεν ξεπερνά το 8%. Για την περίπτωση ανομοιόμορφου στόχου απαιτείται η χρήση δικτύων με διαφορετικούς παραμέτρους για τον βέλτιστο προσδιορισμό της κάθε παραμέτρου του στόχου. Σε αυτήν την περίπτωση το σφάλμα δεν ξεπερνά το 8,5%.

info:eu-repo/semantics/masterThesis
Postgraduate Thesis / Μεταπτυχιακή Εργασία

Νευρωνικά δίκτυα
Ηλεκτρομαγνητική σκέδαση
Inverse scattering
Neural networks
Electromagnetic scattering
Αντίστροφο πρόβλημα σκέδασης

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (EL)
Aristotle University of Thessaloniki (EN)

Greek
English

2008
2009-06-21T21:00:00Z


Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Σχολή Θετικών Επιστημών, Τμήμα Φυσικής

This record is part of 'IKEE', the Institutional Repository of Aristotle University of Thessaloniki's Library and Information Centre found at http://ikee.lib.auth.gr. Unless otherwise stated above, the record metadata were created by and belong to Aristotle University of Thessaloniki Library, Greece and are made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license (http://creativecommons.org/licenses/by-sa/4.0). Unless otherwise stated in the record, the content and copyright of files and fulltext documents belong to their respective authors. Out-of-copyright content that was digitized, converted, processed, modified, etc by AUTh Library, is made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license (http://creativecommons.org/licenses/by-sa/4.0). You are kindly requested to make a reference to AUTh Library and the URL of the record containing the resource whenever you make use of this material.
info:eu-repo/semantics/openAccess



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)