臺(tái) 超

(陜西鐵道工程勘察有限公司，陜西 西安 710000)

1 地質(zhì)雷達(dá)

地質(zhì)雷達(dá)的工作原理和常見(jiàn)的雷達(dá)原理一樣都是通過(guò)發(fā)送電磁波然后接收回波來(lái)探明地下的地質(zhì)情況，實(shí)現(xiàn)對(duì)不規(guī)則和不明目標(biāo)進(jìn)行界面定位。具體來(lái)講即：通過(guò)雷達(dá)天線向地下發(fā)送電磁波，電磁波在地下的傳播過(guò)程中若遇到不同的介質(zhì)和不同的地質(zhì)幾何形態(tài)，其傳播路徑、波形和波場(chǎng)強(qiáng)度就會(huì)隨之而變化。另外，電磁波若遇到地下介質(zhì)突變的界面，接收天線根據(jù)其回波信號(hào)繼而提取相應(yīng)的形狀、延時(shí)特點(diǎn)，從而判斷目標(biāo)物的深度、結(jié)構(gòu)、特性。地質(zhì)雷達(dá)的系統(tǒng)組成如圖1所示。

圖1 地質(zhì)雷達(dá)系統(tǒng)組成

地質(zhì)雷達(dá)的工作過(guò)程及相應(yīng)的圖像顯示如圖2所示。雷達(dá)發(fā)射天線將信號(hào)Tx發(fā)送到地下，當(dāng)在傳播路徑上地質(zhì)的介質(zhì)常數(shù)改變的話，接收天線Rx接收到的電磁波會(huì)將時(shí)域信號(hào)傳到電腦主機(jī)上，電腦根據(jù)電磁波信號(hào)特征量的變化，前方介質(zhì)存在的目標(biāo)性質(zhì)、形態(tài)和深度等相關(guān)參數(shù)，然后經(jīng)過(guò)處理后生成地質(zhì)圖像。

圖2 地質(zhì)雷達(dá)的工作過(guò)程及相應(yīng)的圖像顯示

2 地質(zhì)雷達(dá)的數(shù)據(jù)處理

對(duì)地質(zhì)雷達(dá)信號(hào)的處理大部分還是借用傳統(tǒng)的對(duì)地震波信號(hào)處理方法，比如快速傅里葉變換 (fast Fourier transform)、短時(shí)傅立葉變換(short-term Fourier transform)、小波變換(wavelet transform，WT)等，他們各有特點(diǎn)和適用范圍，通過(guò)這些算法提取圖像中各種有用參數(shù)，對(duì)雷達(dá)圖像信息進(jìn)行科學(xué)和準(zhǔn)確的呈現(xiàn)、解釋。但是，地質(zhì)雷達(dá)的勘查效果受地質(zhì)狀況的影響較大，當(dāng)?shù)叵碌膸r土不均勻、巖土的特性和物性參數(shù)差距較大時(shí)，對(duì)信息的提取影響非常大。正是由于這種現(xiàn)象的存在，對(duì)地質(zhì)信號(hào)的提取和處理是一個(gè)非常重要的研究方向。

蟻群算法也稱“螞蟻算法” (ant colony optimization, ACO)，是由Marco Dorigo博士在1992年提出的一種尋找優(yōu)化路徑的概率型算法。該算法是基于螞蟻在尋找食物的過(guò)程中發(fā)現(xiàn)最優(yōu)路徑的現(xiàn)象，本質(zhì)上是一種啟發(fā)式全局優(yōu)化算法，可以實(shí)現(xiàn)分布計(jì)算、信息的正反饋。

螞蟻在尋找食物的過(guò)程中總會(huì)根據(jù)食物發(fā)出的信號(hào)找到一條最短的路徑，若在整個(gè)路徑中出現(xiàn)了障礙物，螞蟻會(huì)自動(dòng)的繞開(kāi)，從新規(guī)劃出最短路線。實(shí)際上，螞蟻的這種行為是由于螞蟻在行走的過(guò)程中會(huì)給同伴釋放一種信息素，來(lái)交換信息、協(xié)調(diào)各個(gè)的行為，經(jīng)過(guò)一段時(shí)間的積累，不同路徑上的信息素的強(qiáng)度會(huì)因?yàn)槲浵佀叩拇螖?shù)的不同而不同，所以導(dǎo)致下一批的螞蟻在選擇的時(shí)候會(huì)較大概率的選擇信息素較強(qiáng)的那條路徑，整個(gè)系統(tǒng)也就形成了正反饋的過(guò)程。這種算法在地質(zhì)狀況的圖片分析中的過(guò)程如圖3。

圖3 螞蟻算法在地質(zhì)狀況圖像分析的過(guò)程

3 螞蟻算法的工程應(yīng)用情況

3.1 新建黔張常鐵路武陵山隧道工程地質(zhì)概況

新建黔張常鐵路武陵山隧道DK238+077～DK238+106段位于F18-1富水?dāng)鄬訋?nèi)，涉及地層主要為壓碎巖，局部為斷層角礫，受地質(zhì)構(gòu)造影響，巖體破碎，呈碎石角礫狀，自穩(wěn)定能力差，施工中容易坍塌，為V級(jí)。

3.2 地質(zhì)雷達(dá)超前地質(zhì)預(yù)報(bào)的情況

DK238+077～DK238+106段隧道開(kāi)挖里程：DK238+063，探測(cè)范圍DK238+063.4～DK238+093.4。開(kāi)挖面地質(zhì)狀況：巖性為灰?guī)r，薄層狀構(gòu)造，巖體破碎，裂隙發(fā)育，掌子面局部有滲水。

對(duì)雷達(dá)探測(cè)影像及曲線分析以下：

橫1測(cè)線在掌子面前方0～30 m范圍存在較強(qiáng)反射界面，反射波同相軸連續(xù)性較差，頻率變化較大，推斷巖體破碎，裂隙發(fā)育。地質(zhì)雷達(dá)圖像反映未見(jiàn)巖溶空洞。

橫2測(cè)線在掌子面前方0～30 m范圍存在較強(qiáng)反射界面，反射波同相軸不連續(xù)，頻率變化較大，推斷巖體破碎，裂隙發(fā)育。地質(zhì)雷達(dá)圖像反映未見(jiàn)巖溶空洞。

由以上分析可得DK238+063，4～DK238+093，4段巖體破碎，裂隙發(fā)育，局部有散狀滴水或線狀流水。建議按設(shè)計(jì)做超前水平鉆探及加深炮孔，并注意水量的變化情況。

3.3 基于蟻群算法的地質(zhì)雷達(dá)數(shù)據(jù)的處理

首先，將現(xiàn)場(chǎng)提取的圖像進(jìn)行數(shù)字化處理后進(jìn)行特征提取。然后使用蟻群算法模型對(duì)圖像進(jìn)行紋理特征聚類處理，最后得到處理的結(jié)果?；谙伻核惴ǖ牡刭|(zhì)雷達(dá)數(shù)據(jù)處理的具體步驟為：

步驟一：首先對(duì)地質(zhì)雷達(dá)圖像進(jìn)行小波包分解和變換，得出每一個(gè)螞蟻對(duì)應(yīng)的特征矢量。

步驟二：初始化螞蟻算法中α，β，r，λ，L 等參數(shù)。計(jì)算每一只螞蟻到各個(gè)不同食物源的歐式距離X。計(jì)算螞蟻到各路徑的信息量，當(dāng)X=0時(shí)，把該螞蟻計(jì)算到該食物源的鄰域范圍中。

步驟三：計(jì)算該螞蟻選擇該路徑的概率，判斷該概率是否大于λ，然后計(jì)算此次迭代過(guò)程中信息量的變化量，更新路徑上的信息量。否則，則把該螞蟻記錄到未歸并的集合。

步驟四：計(jì)算不同食物源之間的歐式距離，如果該間距<ε，則合并距離較近的食物源。

步驟五：當(dāng)達(dá)到蟻群算法設(shè)定的迭代值時(shí)，則算法自動(dòng)結(jié)束得到相應(yīng)的結(jié)論。反之，則返回步驟二繼續(xù)迭代。

表1 四種算法處理的正確率

分別使用經(jīng)典的K-means算法、模糊C均值(Fuzzy C-means)算法、Self Organizing Maps (SOM)算法、蟻群算法對(duì)橫1和橫2測(cè)線雷達(dá)影像進(jìn)行處理，得到相應(yīng)的正確率，如表 1 所示。可得，蟻群算法在準(zhǔn)確率方面有較好的表現(xiàn)。

4 總 結(jié)

蟻群算法作為一種新興的算法已經(jīng)在其他的領(lǐng)域取得了很好的應(yīng)用效果，地質(zhì)雷達(dá)在隧道的超前預(yù)報(bào)中也起到了重要的作用，將蟻群算法應(yīng)用在超前預(yù)報(bào)的數(shù)據(jù)和圖像處理中可以有效的提高預(yù)測(cè)的精確度和可靠性。同時(shí)，將相關(guān)的地質(zhì)數(shù)據(jù)進(jìn)行歸類和總結(jié)有利于提高蟻群算法的訓(xùn)練效果，從而提升該算法在超前預(yù)報(bào)中的應(yīng)用的適應(yīng)性和應(yīng)用范圍。

[1] 巨浪,沙椿.地質(zhì)雷達(dá)在福堂水電站引水隧洞施工超前預(yù)報(bào)中的應(yīng)用[J].水電站設(shè)計(jì),2005,21(1):94-98.

[2] 韓彥芳,施鵬飛.基于蟻群算法的圖像分割方法[J]. 計(jì)算機(jī)工程與應(yīng)用,2004,18(5):5-7.

[3] 萬(wàn)千里.地質(zhì)雷達(dá)探測(cè)在大茅左隧道施工中的應(yīng)用[J].公路,2002,(12):139-142.