EM practice GPR

method
Cara pengolahan dan Resume Jurnal

EM practice GPR
method
Cara pengolahan dan Resume Jurnal
Oleh

: Anindya Putri R. (3713100021)

Melakukan Pemrosesan data pada GPRmax

Langkah pertama dalam pembuatan model adalah untuk menentukan semua sifatsifat listrik bahan dan batas-batas yang harus dimasukkan dalam simulasi. Hal ini
membutuhkan definisi dielektrik dan konduktifitas berbeda pada elemen structural
di bawah permukaan. Sifat-sifat materi tersebut diteteapkan melalui digitized grid
yang juga menyimpan lereng dan garis batas-batas structural. Tentu saja model
bumi nyata dapat memiliki jauh variable dielectriks dan konduktivitas yang terletak
di semua lokasi di dalam tanah dan hal ini mustahil untuk benar-benar
mengaturnya. Namun untuk banyak model bumi dengan hanya beberapa
perbedaan struktur masih wajar perkiraan elemen homoen dalam model ni dapat
didefinisikan dalam diskrit dan digitized grid. Untuk struktur permukaan awal,
digitasi model bumi sekitar 1 cm atau kurang dapat digunakan untuk memetakan
refleksi atau transmisi dari GPR microwave untuk sebagian besar mid range
antenna frekuensi dari 100 sampai 800MHz digunakan arkeologi.

tabel perkiraan nilai atau data sintetis konduktivitas dan real dielektrik yang
ditemukan pada beberapa bahan (daniel 1996; Ulriksen 1982). nilai kecepatan,
panjang gelombang dan redaman berdasarkan microwave 400MHz.

Pendahuluan
Semua data GPR memerlukan beberapa dari pengolahan sebelum
interpretasi dapat dilakukan, tetapi hasrus sesuia dan berhasil. Teknik yang harus
digunakan secara hokum khususnya yang canggih. Sering kali tahap pengolahan
diterapkan secara membabi buta tanpa memperhatikan konsekuensi mereka dan
dengan sedikit memperbaiki datanya. Oleh karena itu masing-masing metode harus
dievaluasi sebelum penggunaannya, jika ada sedikit kesalahan pada aplikasi, maka
itu harus sangat dianggap perlu diperbaiki. Hal ini berlaku juga dimana penggunaan
metode yang lebih maju sebenarnya bias juga merugikan interpretasi lingkungan
yang kompleks.
Pada akhirnya pengolahan analisis dan permodelan saling terkait karena
mereka semua berusaha untuk meningkatkan kualitas data dan atau penafsiran.
Dalam prakteknya, metode pengolahan diperlukan untuk interpretasi sementara
permodelan dan analisis metodenya dianggap sebagai figuran yang diperlukan
hanya informasi hanya jika informasi tambahan yang diperlukan untuk melakukan
interpretasi, kalsifikasi analisis atau target materi.
Interpretasi yang realistis umumnya dijamin jika data telah dikumpulkan dan
diproses oleh personil terlatih, kompeten di tempat pertama, tetapi layak penampila
n data, tapi jarang Apakah pengolahan secarasubstansial berubah dalam penafsiran
. Pada kenyataannya, etos menganjurkan"pengolahan adalah bantuan untuk interpr
etasi data dan jika fitur yang ada dalam data mentah, itu mungkin absen data dipro
ses"' adalah satu yang baik untuk mengadopsi keadaan umum. Tentu saja, selalu ad
a lagi yang dapat dilakukan dengan data, dan metode pemrosesan sinyal perbaikan
sedang constinuously mengembangkan untuk membantu pengguna ekstrak halus,
namun informasi penting, interpretational dari sinyal yang diterima. Namun, ada jal
an panjang untuk pergi sebelum pemrosesan sinyal dan interpretasi data menjadi 'o
tomatis' dan, dengan demikian, pengguna masih perlu untukmengembangkan keahl
ian dan pengalaman untuk mengetahui apa yang terbaik didaerah aplikasi mereka s
endiri.
Proses
Pada Contoh pengolahan akan digunakan permasalahan sesuai contoh paper
berikut:
An automatic recognition algorithm for GPR images of RC structure voids
1. Forward simulasi dan analisis gambar GPR untuk struktur ac void.
Sintetis gambar GPR dihasilkan melalui elektromagnetik simulator GPRmax yang
dikembangkan berdasarkan FTDT metode numeric. Misal struktur lapisan
terowongan biasanyan diperkuat dengan bahan beton dengan tebal puluhan cm.
model simulasi didirikan titunjukkan pada gambar 1. Dimensinya 3.0 x 2.6 m. model
terdiri atas 3 lapisan: 0.2 meter tebal air (Er = 1.0 = 0), tebal beton 0.6 meter
dan tebal batu 1.8 meter. Ada tiga void tertanam pada model. Yang masing-masing

ukurannya
0.2 0.2 m, 0,6 0.15 m dan 0,4 0.4 m.
kedalaman
0.2 m, 0.45 m dan 1,0 m.
Parameter untuk simulasi FDTD tercantum dalam gambar disamping dan simulasi
Gambar 1 model simulasi (a) Ada bar baja di beton. (b) baja Bar yang terletak di
lapisan atas beton, spasi 0,35 m. (c) Steel Bar terletak di lapisan atas dan bawah

Parameter untuk simulasi FDTD

tercantum pada gambar disamping, dan
hasil ditunjukkan pada gambar 2, saat
tidak ada baja bar di beton, pantulan void
GPR gambar berbeda dan antar muka
antara beton dan batu dibedakan (gambar
2a). kapan baja terletak hanya di lapisan
atas beton, refleksi void tertanam di beton
dan pada atarmuka antara beton dan batu
masih berbeda. Antarmuka antara batu mendapat sedikit gangguan dengan
kelipatan yang disediakan oelh baja (gambar 2b). saat dua lapis baja bar ada di
beton, antarmuka antara bbeton dan batu tidak bias dilihat lagi karena kuat refleksi
dari lapisan bawah baja. Selain itu, refleksi dari kekosongan dalam batu menjadi
lemah.

Gambar 2 Hasil simulasi: bar (a) tidak baja beton. (b) baja Bar yang terletak di
lapisan atas beton, spasi 0,35 m. (c) Steel Bar terletak di lapisan atas dan bawah.
2. Beberapa gelombang suspensi berdasarkan prediksi deconvolution

Gambar 3 prosedur beberapa gelombang tersuspensi

Gambar 4 contoh proses prediktive dekonvolusi (a) sinyal GPR asli (b) sinyal GPR setelah dilakukan
prediktive dekonvolusi

Gambar 5 Visual perbandingan gambar sintetis: (a) sebelum dan (b) setelah prediksi deconvolution

Gambar 6 Prosedur untuk membuat SVM model.

Sehingga nantinya didapatkan model simulasi untuk data percobaan yang

disesuaikan dengan parameter yang ditunjukkan pada gambar dibawah yaitu
Sebagai berikut :

Gambar 7 model simulasi

Hasil
Hasil gambar GPR void Rc struktur adalah membagi refleksi menjadi dua bagian,
satu dengan informasi informasi void dan yang lain tidak. Jadi SVM algoritma yang
mengkhususkan diri mengalami klasifikasi biner, yang akan disesuaikan dengan
hasil gambar GPR. Untuk mendapatkan hasilnya, aka dilakukan beberapa tahap
terlebih dahulu yaitu dengan menggunakan konsep dasar dari algoritme SVM dan
melalui pengakuan otomatis untuk GPR gambar dengan SVM yang akhirnya
didapatkan hasil model berikut

Gambar 8 model sintetik GPR dengan : (a) simulasi gambar dengan 5% noise, (b) pengakuan hasil.

Pada sebuah rangkaian metode yang secara otomatis menegathui gambar void di
GPR yang tujuannya mendeteksi RC struktur yang disuuslkan. Pertama, GPR gambar
simulasi oleh FTDT metode dan karakteristik dari gambar GPR sintetis yang
dianalisis. Hal itu berarti beberapa gelombang yang disebabkan oleh baja
ditemukan memiliki dampak negative terhadap lokasi void. Sesuai dengan
karakteristik berkala beberapa gelombang, prediksi dekonvolusi diterapkan untuk
menekankan gelombang tersebut. Setelah pengolahan, gelombang ganda ditekan
sampai batas yang data diterima. Lalu SVM model dikembangkan untuk secara
otomatis mengidentifikasi void kembali pada gambar sintetis GPR. Pada saat ini
akan mencapai akurasi lebih tinggi dari 95% pada lokasi kedalaman void dan 80%
pada void secara lateral di berbagai lokasi menunjukkan kelayakannya. Akhirnya,
tiga tingkat noise ditambahkan pada gambar GPR sintetis untuk menguji metode
yang fleksibilitas untuk mengenali gambar GPR secara nyata. Namun, hasil akan
menunjukkan tingakt lebih baik bila tingkat noise berada dibawah 5%. Tapi ketika
tingkat melebihi 5%, kerja SVM model degradasi secara signifikan dan tidak
mengidentifikasi setiap kekosongan dalam gambar GPR. Pengujian algoritma untuk
model laboratorium nyata yang nantinya akan bekerja.