Modul Praktikum GF3 Geofisika UNPADFull description
radar
gpr
Makalah Ground penetrating radarFull description
GROUNF PENETRATING RADAR
Descripción: basic pengolahan data awal metode ground penetrating radar
pengolahan data GPRFull description
basic pengolahan data awal metode ground penetrating radarFull description
pengolahan data GPRDeskripsi lengkap
Informe de Prospección GPR sobre los deslizamientos de la zona de Alto Siguas - Arequipa - PerúDescripción completa
Pengolahan Data GPRDeskripsi lengkap
using the vector network analyzer to work as Ground Penetrating RadarFull description
gpr
modulFull description
GPRFull description
laporan praktikum survei elektro magnetik GPR. Pendahuluan Ground Penetrating Radar (GPR) merupakan bagian dari metoda Geofisika Elektromagnetik (EM) domain waktu. Pulsa radio dengan durasi…Full description
aaaFull description
Descripción completa
Prova-treinamento em alturaDescrição completa
Practice Set
EM practice GPR method Cara pengolahan dan Resume Jurnal Jurnal
EM practice GPR method Cara pengolahan dan Resume Jurnal Oleh
: Anindya Putri R. (3713100021
Mela!u!an Pemro"e"an data pada GPRma# Langkah pertama dalam pembuatan model adalah untuk menentukan semua sifatsifat listrik bahan dan batas-batas yang harus dimasukkan dalam simulasi. Hal ini membutuhkan denisi dielektrik dan konduktitas berbeda pada elemen structural di bawah permukaan. Sifat-sifat materi tersebut diteteapkan melalui digitied grid yang !uga menyimpan lereng dan garis batas-batas structural. "entu sa!a model bumi nyata dapat memiliki !auh #ariable dielectriks dan kondukti#itas yang terletak di semua lokasi di dalam tanah dan hal ini mustahil untuk benar-benar mengaturnya. $amun untuk banyak model bumi dengan hanya beberapa perbedaan struktur masih wa!ar perkiraan elemen homoen dalam model ni dapat didenisikan dalam diskrit dan digitied grid. %ntuk struktur permukaan awal& digitasi model bumi sekitar ' cm atau kurang dapat digunakan untuk memetakan re(eksi atau transmisi dari )*R microwa#e untuk sebagian besar mid range antenna frekuensi dari '++ sampai ,++H digunakan arkeologi.
tabel perkiraan nilai atau data sintetis konduktivitas dan real dielektrik yang ditemukan pada beberapa bahan (daniel 1996; Ulriksen 1982). nilai kecepatan pan!ang gelombang dan redaman berdasarkan micro"ave #$$%&'.
Pendahuluan Semua data )*R memerlukan beberapa dari pengolahan sebelum interpretasi dapat dilakukan& tetapi hasrus sesuia dan berhasil. "eknik 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. leh karena itu masing-masing metode harus die#aluasi sebelum penggunaannya& !ika ada sedikit kesalahan pada aplikasi& maka itu harus sangat dianggap perlu diperbaiki. Hal ini berlaku !uga dimana penggunaan metode yang lebih ma!u sebenarnya bias !uga merugikan interpretasi lingkungan yang kompleks. *ada akhirnya pengolahan analisis dan permodelan saling terkait karena mereka semua berusaha untuk meningkatkan kualitas data dan atau penafsiran. /alam prakteknya& metode pengolahan diperlukan untuk interpretasi sementara permodelan dan analisis metodenya dianggap sebagai guran yang diperlukan hanya informasi hanya !ika informasi tambahan yang diperlukan untuk melakukan interpretasi& kalsikasi analisis atau target materi. 0nterpretasi yang realistis umumnya di!amin !ika data telah dikumpulkan dan diproses oleh personil terlatih& kompeten di tempat pertama& tetapi layak penampila n data& tapi !arang 1pakah pengolahan secarasubstansial berubah dalam penafsiran . *ada kenyataannya& etos mengan!urkan2pengolahan adalah bantuan untuk interpr etasi data dan !ika tur yang ada dalam data mentah& itu mungkin absen data dipro ses23 adalah satu yang baik untuk mengadopsi keadaan umum. "entu sa!a& 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. $amun& ada !al an pan!ang untuk pergi sebelum pemrosesan sinyal dan interpretasi data men!adi 3o tomatis3 dan& dengan demikian& pengguna masih perlu untukmengembangkan keahl ian dan pengalaman untuk mengetahui apa yang terbaik didaerah aplikasi mereka s endiri.
Pro"e" *ada Contoh pengolahan akan digunakan permasalahan sesuai contoh paper berikut4
An automatic reco$nition al$orithm %or GPR ima$e" o% R& "tructure 'oid" '. 5orward simulasi dan analisis gambar )*R untuk struktur ac #oid. Sintetis gambar )*R dihasilkan melalui elektromagnetik simulator )*Rma6 yang dikembangkan berdasarkan 5"/" metode numeric. isal struktur lapisan terowongan biasanyan diperkuat dengan bahan beton dengan tebal puluhan cm. model simulasi didirikan titun!ukkan pada gambar '. /imensinya 7.+ 6 8.9 m. model terdiri atas 7 lapisan4 +.8 : meter tebal air ;= +?& tebal beton +.9 meter dan tebal batu '., meter. 1da tiga #oid tertanam pada model. @ang masing-masing
ukurannya +.8 A +.8 m& +&9 A +.'B m dan +& A +. m. kedalaman +.8 m& +.B m dan '&+ m. *arameter untuk simulasi 5/"/ tercantum dalam gambar disamping dan simulasi ambar 1 model simulasi (a) da bar ba!a di beton. (b) ba!a *ar yang terletak di lapisan atas beton spasi $+, m. (c) -teel *ar terletak di lapisan atas dan ba"ah
*arameter untuk simulasi 5/"/ tercantum pada gambar disamping& dan hasil ditun!ukkan pada gambar 8& saat tidak ada ba!a bar di beton& pantulan #oid )*R gambar berbeda dan antar muka antara beton dan batu dibedakan ;gambar 8a?. kapan ba!a terletak hanya di lapisan atas beton& re(eksi #oid tertanam di beton dan pada atarmuka antara beton dan batu masih berbeda. 1ntarmuka antara batu mendapat sedikit gangguan dengan kelipatan yang disediakan oelh ba!a ;gambar 8b?. saat dua lapis ba!a bar ada di beton& antarmuka antara bbeton dan batu tidak bias dilihat lagi karena kuat re(eksi dari lapisan bawah ba!a. Selain itu& re(eksi dari kekosongan dalam batu men!adi lemah.
ambar 2 &asil simulasi bar (a) tidak ba!a beton. (b) ba!a *ar yang terletak di lapisan atas beton spasi $+, m. (c) -teel *ar terletak di lapisan atas dan ba"ah. 8. Deberapa gelombang suspensi berdasarkan prediksi decon#olution
ambar + prosedur beberapa gelombang tersuspensi
ambar # contoh proses prediktive dekonvolusi (a) sinyal /0 asli (b) sinyal /0 setelah dilakukan prediktive dekonvolusi
ambar , isual perbandingan gambar sintetis (a) sebelum dan (b) setelah prediksi deconvolution
ambar 6 /rosedur untuk membuat -% model.
Sehingga nantinya didapatkan model simulasi untuk data percobaan yang disesuaikan dengan parameter yang ditun!ukkan pada gambar dibawah yaitu Sebagai berikut 4
ambar model simulasi
a"il Hasil gambar )*R #oid Rc struktur adalah membagi re(eksi men!adi dua bagian& satu dengan informasi informasi #oid dan yang lain tidak. Jadi SE algoritma yang mengkhususkan diri mengalami klasikasi biner& yang akan disesuaikan dengan hasil gambar )*R. %ntuk mendapatkan hasilnya& aka dilakukan beberapa tahap terlebih dahulu yaitu dengan menggunakan konsep dasar dari algoritme SE dan melalui pengakuan otomatis untuk )*R gambar dengan SE yang akhirnya didapatkan hasil model berikut
ambar 8 model sintetik /0 dengan (a) simulasi gambar dengan ,3 noise (b) pengakuan hasil.
*ada sebuah rangkaian metode yang secara otomatis menegathui gambar #oid di )*R yang tu!uannya mendeteksi RC struktur yang disuuslkan. *ertama& )*R gambar simulasi oleh 5"/" metode dan karakteristik dari gambar )*R sintetis yang dianalisis. Hal itu berarti beberapa gelombang yang disebabkan oleh ba!a ditemukan memiliki dampak negati#e terhadap lokasi #oid. Sesuai dengan karakteristik berkala beberapa gelombang& prediksi dekon#olusi diterapkan untuk menekankan gelombang tersebut. Setelah pengolahan& gelombang ganda ditekan sampai batas yang data diterima. Lalu SE model dikembangkan untuk secara otomatis mengidentikasi #oid kembali pada gambar sintetis )*R. *ada saat ini akan mencapai akurasi lebih tinggi dari FBG pada lokasi kedalaman #oid dan ,+G pada #oid secara lateral di berbagai lokasi menun!ukkan kelayakannya. 1khirnya& tiga tingkat noise ditambahkan pada gambar )*R sintetis untuk mengu!i metode yang (eksibilitas untuk mengenali gambar )*R secara nyata. $amun& hasil akan menun!ukkan tingakt lebih baik bila tingkat noise berada dibawah BG. "api ketika tingkat melebihi BG& ker!a SE model degradasi secara signikan dan tidak mengidentikasi setiap kekosongan dalam gambar )*R. *engu!ian algoritma untuk model laboratorium nyata yang nantinya akan beker!a.