Die Auswertung der Daten vom richtungssensitiven Bohrlochmesssystem Dabor Programmfunktionen, Messbeispiele, Charakterisierung von Reflexionen

Transkript

1 5. Fachgespräch Geophysik und Barrieresysteme Leipzig, 2. Oktober 2008 Die Auswertung der Daten vom richtungssensitiven Bohrlochmesssystem Dabor Programmfunktionen, Messbeispiele, Charakterisierung von Reflexionen Gundelach V., Eisenburger D., Otto D., Buschmann U. Einleitung zu richtungssensitiven Bohrlochradarmessungen Das Auswerteprogramm EMR-Qt Testmessungen mit Dabor in Bohrungen im Salz Signalerkennung durch Neuronale Netze Zusammenfassung und Ausblick

2 Die DABOR Sonde T x R x Vertikale Bohrung Horizontale Bohrung

3 β: : Drehwinkel der Sonde Durch Kompass oder Kreisel tanα 1, 2 = 2 1 x y i i [- ( x i - y i ) ± ( x i - y i ) + 4( x i yi ) ] X: Amplitude Rahmen 1 Y: Amplitude Rahmen 2 α: : Relativer Empfangswinkel

4

5

6 Das im Projekt entwickelte C++ Programm EMR mit Bibliothek Qt (Windows, Unix, Mac) Eröffnungsfenster mit Pfadauswahl Fenster zur Datenkonvertierung Fenster zur Profilerstellung mit Kontrolle der Headereinträge

7 Fenster zur Bearbeitung der Header Einträge

8 EMR-Qt Hauptfenster mit Radarprofil -mit Nullpunktskorrektur -mit Dämpfungsausgleich

9 Plotoptionen Einstellungen der Darstellung (Farben etc) Einstellungen der Achsen (Schrift etc) Einstellungen der Linien Einstellungen der Reflektoren

10 Korrekturen der Zeit und des Offsets Dämpfungsausgleich: -Analytische Funktion -Polygonzug -AGC

11 Filterfunktionen auf die Zeitreihen hier Bandpass

12 Filterfunktionen auf das Profil

13 Berechnung der Attribute der Zeitreihen

14 Berechnung der Richtungswinkel für alle Zeitreihen

15 Picken von Reflektoren im Radargramm

16 Maske für die Einstellungen der Migration Winkeldatei Koordinaten des Bohrlochverlaufs Reflektordatei Geschwindigkeit S-E E Abstand Wellenfrontrekonstruktion einer Reflexion (noch ohne Richtungswinkel)

17 Visualisieren der Reflektoren mit einem CAD Programm (Rhino( Rhino) Reflektoren Ansicht von vorn Bohrung Ansicht von der Seite

18 Ausgabe von Daten im ASCII Format Druckvorschau

19 Versuchsfeld K+S Hattorf Test der Richtcharakteristik Drehmessung: Radargramm des Dipols

20 Drehmessung: Radargramm der Rahmenantennen 1 und 2

21 Profilmessung: Radargramm des Dipols In einem vertikalen Bohrloch im Salz Deutliche Reflexionen bis über 400 m Entfernung

22 Luft-Salz Salz-Anhydrit Salz-Luft Mit Modellrechnungen können die beobachteten Amplituden- und Phasenverhältnisse verifiziert und quantifiziert werden. Die dünne Anhydritschicht erzeugt einen Puls mit wechselnden Amplituden der Halbwellen. Der Übergang vom Salz zur Strecke erzeugt einen in der Phase gedrehten gleichförmigen Puls. Auch die Rückwand wird aufgelöst. FD Modellrechnung mit Anhydritschicht und Strecke im Salz

23 Auf 1 normierte vorklassifizierte Trainingsdaten. Ausgesuchte Muster: 764 Reflexionen von Toneinlagerung 755 Reflexionen von Strecken 362 Reflexionen von z2/z3 60 Reflexionen von Bohrungen 3300 Rauschen Trainingsfehler Für jede Klasse wird ein Neuronales Netz trainiert mit dem Zielausgabewert 1 für Samples der jeweiligen Klasse und 0 für die übrigen Samples

24 Mustererkennung verschiedener Reflexionstypen Für das Lernen wurden Einsätze mit folgenden Eigenschaften gewählt: Erkennung der Klassen im Training Toneinlagerung 2 Strecke 3 Übergang z2/z3 4 Umgebung zu 1) 5 Umgebung zu 2) 6 Umgebung zu 3) 7 Rauschen 8 Bohrung 9 Umgebung zu 8) 3 8 Erkennung der Klassen in den Daten Hier wurden Daten mit Dämpfungsausgleich betrachtet

25 20 ns Rohsignal mit 2 ns Abtastrate 10 Amplitudensumme der 4 Maxima vor und einem nach dem aktuellen Zeitschritt 5 Momentanfrequenz am Zielpunkt sowie an fünf Punkten im 6 ns Abstand danach 6 Korrelationsmaß mit idealisierten Mustern der gesuchten Strukturen für 5 Werte von t-6 ns bis t+18 ns f ( t) max( Einhüllende( f ( t 60ns) bis f ( t))) 3 5 Extraktion der Parameter, Datenaufbereitung (Normalisierung/Labelzuordnung) Frequenzanteile 32.5; ; 100 MHz aus Hamming window von 80 ns dimensionaler Eingabevektor Zielausgabe 1 Klassenlabel 39

26 Für jede Klasse (Strecke, Bohrung,..) wird ein Netz trainiert Toneinla gerung Strecke Bohrung Rauschen Zerlegung des Datensatzes in überlappende Abschnitte Parameterberechnung für jeden Abschnitt Bestimmung der Netzantworten für die berechneten Parameter Zuordnung des Punktes zur Klasse mit höchster Aktivierung

27 Zusammenfassung und Ausblick Dem richtungssensitiven Bohrlochsystem Dabor ist mit EMR-Qt ein Plattform unabhängiges Auswerteprogramm zur Seite gestellt worden dass von der Datenbearbeitung, Analyse, Ausgabe bis zur Visualisierung alle Anforderungen abdeckt und weiteren Anforderungen angepasst werden kann. Bei der Signalerkennung kann in einfachen Fällen bereits mit simpler Betrachtung von Amplitude und Phase eine Klassifizierung von Reflexionen vorgenommen werden. Komplexere Reflexionsmuster in Radardatensätzen können mit Neuronalen Netzen differenziert werden. Für eine robuste Erkennung von Mustern sollten die beschreibenden Parameter möglichst gering und charakteristisch sein. Eine Ausweitung der Mustererkennungsstrategien auf Support Vector Machines oder andere maschinelle Lernverfahren bietet sich an.

28 Schönen Dank, für die Aufmerksamkeit!