雷达无损检测技术在南昆铁路隧道检测中的应用

文章简要介绍了应用地质雷达检测隧道衬砌质量的基本原理、方法，对一些典型的隧道衬砌检测的地质雷达图像作出了解释，这些图象直观反映出隧道衬砌厚度、空洞及破碎带的分布特征等，在隧道检测中发挥了重要作用。     

地质雷达技术在某铁路隧道质量检测中的应用

地质雷达作为一种数据质量好、抗干扰性强和准确高效的先进技术在铁路隧道质量检测中得到了广泛的应用。以福建省某铁路隧道工程质量检测实例,介绍地质雷达的探测原理,阐述地质雷达技术在隧道衬砌、仰拱等部件质量检测中的应用。     

隧道衬砌质量地质雷达检测研究

采用地质雷达检测的方法可以对隧道衬砌混凝土的厚度,密实性,脱空,钢格栅数量等进行快速检测,这种检测方法不仅克服了目测不准确及打孔抽查检测不全面的缺点,而且以其高分辨率,高准确性,探测快速及无损检测的优,点,在隧道衬砌质量检测中取得了非常明显的效果,并得到了广泛的应用。地质雷达在隧道检测中所暴露的技术问题也亟待解决。本文介绍了地质雷达在隧道衬砌质量检测中的实际应用,研究了在不同的隧道衬砌设计条件下的雷达探测方式,雷达天线频率的选择、参数选择和检测成果。     

地质雷达在隧道检测中的应用

隧道施工完成后用常规方法很难对衬砌质量做出系统评价，地质雷达利用超高频脉冲电磁波探测目标介质的介电常数，很容易掌握砼衬砌结构的厚度、衬砌周围回填及空隙情况，围岩断层裂隙构造情况等，为工程技术评价提供依据。文章以实例，介绍了利用地质雷达对隧道进行检测所使用的仪器、工作参数及地质雷达资料处理解释步骤，并通过对几幅典型雷达图像进行分析介绍了不同异常结构在雷达剖面上的反映。     

地质雷达快速检测运营公路隧道隐患

为了评价运行多年隧道的衬砌质量，查找隐患，开展了拱顶的地质雷达无损快速检测。在雷达波形剖面图上分析空洞、不密实异常，推断出大量隐患。物探成果经过开凿验证，证明其隐患定位成功率在85％以上。地质雷达快速检测方法为隧道病害治理提供了可靠的基础资料。     

地质雷达方法在水坝渗漏检测中的应用

水坝渗漏的成因较为复杂 ,通过物探方法检测可为分析研究坝体渗漏的原因以及采取相应的加固措施提供依据。渗漏部位因介质含水量的变化产生电性异常 ,为地质雷达方法的应用提供了有利条件。渗漏现象使雷达波幅频特性发生变化 ,对雷达图像的分析可以确定渗漏的部位和埋深。实践证明 ,地质雷达方法在水坝渗漏检测中有较好的应用效果     

地质雷达在公路建设中的应用

地质雷达是利用高频电磁波在地下介质中传播规律进行勘查和检测的一项现代高新技术。本文探讨了地质雷达在公路工程建设各个阶段中的作用,重点介绍了公路质量无损检测方面的基本解释理论,并给出了几个应用实例。     

地质雷达在公路基层脱空检测中的应用

简要介绍了用地质雷达检测公路基层脱空的基本原理、数据采集处理要点和资料解释思路.展示了用自行开发软件系统进行处理解释的实例成果,证明用地质雷达检测公路基层脱空是可行的.     

探地雷达技术在堤坝工程中的应用

堤坝陷患在一定的水文、地质条件下,导致倒塌等灾害现象,后果不堪设想。当前有关部门正在不断努力探索检测堤坝隐患的新方法、新技术。通过探地雷达检测基本原理、探地雷达开展堤坝检测的物性前提、探地雷达在堤坝工程检测中应用实例,说明探地雷达对不同现象是隐患的检测效果。     

探地雷达在堤坝隐患检测中的应用

堤坝疏松是水利工程中常见的一种工程灾害,它对堤坝安全带来了极大的安全隐患。而探地雷达法具有无损、高效、精准的特点,因此越来越多的被应用于堤坝安全检测中。本文在介绍探地雷达的基本原理上,结合实测地质雷达图像,并通过现场静探验证,分析并指出堤坝疏松区域在地质雷达图像中的异常特征,为堤坝防护治理设计提供可靠的依据。     

差分GPS实现探地雷达图像地形校正方法研究

针对在地形起伏较大的区域探地雷达获取的图像不能表达地形变化的缺点,通过探地雷达与差分GPS同步采集记录数据,实现探地雷达图像与GPS数据时间同步,选择某一标准水准面为参考面,根据时间位移和线性插值方法,将探地雷达数据进行时深转换,从而实现探地雷达地形校正。探地雷达图像地形校正前后对比表明此方法在保留地下介质体水平方向分布特征的同时,实现了探地雷达图像在垂直方向的精确校正,对地下目标的解译和精确定位有很大的帮助,对浅层活动断层探测具有一定的实际意义。      

地质雷达在活动断裂探测中的应用与进展

结合国内外最新研究成果,对地质雷达技术在活动断裂探测中的应用进行了系统分析和总结,重点对地质雷达在城市活断层探测、古地震探测和断层识别方法的研究现状进行了阐述,并结合理塘活动断裂的应用实例进行评述。最后,提出了地质雷达探测活动断裂现存的问题,对该技术探测活动断裂的发展方向和应用前景进行了展望。      

地质雷达的应用条件探讨

地质雷达是浅部勘探的一种有效的勘探方法。本文对其应用条件进行了探讨,特别研究了导电率、介电常数、探测频率3个主要因素对地质雷达探测的影响。研究结果对地质雷达的应用具参考指导作用。     

Requirements for the performance of a ground-penetrating radar system in searching for cavities

The requirements for the performance of a ground-penetrating radar (GPR) system for detecting subsurface cavities are analyzed by numerical modeling of the GPR problem. The algorithm used to solve the forward GPR problem is approximated to a real experiment with regard to the design of the GPR system, the parameters of the source and receiver, and their position relative to the medium under study and its inhomogeneity. We calculated the spatiotemporal distribution of the field of the detected signal from a pulse source located at the interface between the medium and a cavity anomaly of a given geometry. The results were used to estimate the dynamic range of the GPR system necessary for determining the anomaly. We also performed GPR surveys of low-contrast inhomogeneities (cavities in mines) using GROT 12 GPR systems and analyzed the survey results by numerical modeling. It is shown that the GPR performance required to detect and locate inhomogeneities of interest at a certain sounding depth can be estimated in the experiment design phase.     

一维HHT变换在探地雷达数据处理中的应用

探地雷达(GPR)噪声信号通常具有非稳态、非线性特征,为去除这些噪声提高GPR图像解译的准确性,对利用HHT方法去噪进行了研究。首先阐述HHT的基本理论,然后通过对探地雷达数值模拟信号中噪声的去除验证基于HHT方法的可行性,最后将该方法用于探地雷达隧道地质超前预报的数据处理中。通过研究表明:该方法可以用于探地雷达信号的去噪,通过Hilbert变换得到三特征参数图像与EMD分解后合成图像进行对比验证,从而达到提高GPR信号解译精度的目的。     

探地雷达数据可视化方法

采用文件映射降低大数据量探地雷达(GPR)数据显示对计算机内存的需求,同时使GPR数据可以当作一维数组进行数据处理,方便对数据的随机、实时访问;应用直接写位图、视区分割的成图方案,实现对GPR数据的实时显示;通过位图调色板实现GPR数据调色板,灵活应用该技术可使本来需要对原始数据进行大量运算的算法通过调整调色板实现,提高了GPR数据处理的速度。     

探地雷达在管线探测与工程勘察中的应用

简要地介绍了探地雷达的勘探原理,工作方法、技术,及其在工程勘察中的应用,并在前人的基础上,利用ＳＩＲ－２型探地雷达,寻找地下管线和确定工程地质界面,进行了一系列的实测工作,获得了高质、清晰、直观的ＧＰＲ图像。     

探地雷达在隐伏岩溶勘察中的应用

在介绍探地雷达(GPR)方法原理基础上,根据岩溶发育特征及其地球物理性质,总结了GPR反射波特征,结合在岩溶发育区成功应用GPR技术方法的工程勘察实例,说明GPR方法是岩溶区岩土工程勘察和评价的有效手段。     

http://www.sciencedirect.com/science/article/pii/S1674987115000456

This article adopts three artificial intelligence techniques, Gaussian Process Regression(GPR), Least Square Support Vector Machine(LSSVM) and Extreme Learning Machine(ELM), for prediction of rock depth(d) at any point in Chennai. GPR, ELM and LSSVM have been used as regression techniques.Latitude and longitude are also adopted as inputs of the GPR, ELM and LSSVM models. The performance of the ELM, GPR and LSSVM models has been compared. The developed ELM, GPR and LSSVM models produce spatial variability of rock depth and offer robust models for the prediction of rock depth.