蟻群算法在地質雷達超前預報中的應用研究

臺 超

(陜西鐵道工程勘察有限公司，陜西 西安 710000)

1 地質雷達

地質雷達的工作原理和常見的雷達原理一樣都是通過發送電磁波然后接收回波來探明地下的地質情況，實現對不規則和不明目標進行界面定位。具體來講即：通過雷達天線向地下發送電磁波，電磁波在地下的傳播過程中若遇到不同的介質和不同的地質幾何形態，其傳播路徑、波形和波場強度就會隨之而變化。另外，電磁波若遇到地下介質突變的界面，接收天線根據其回波信號繼而提取相應的形狀、延時特點，從而判斷目標物的深度、結構、特性。地質雷達的系統組成如圖1所示。

圖1 地質雷達系統組成

地質雷達的工作過程及相應的圖像顯示如圖2所示。雷達發射天線將信號Tx發送到地下，當在傳播路徑上地質的介質常數改變的話，接收天線Rx接收到的電磁波會將時域信號傳到電腦主機上，電腦根據電磁波信號特征量的變化，前方介質存在的目標性質、形態和深度等相關參數，然后經過處理后生成地質圖像。

圖2 地質雷達的工作過程及相應的圖像顯示

2 地質雷達的數據處理

對地質雷達信號的處理大部分還是借用傳統的對地震波信號處理方法，比如快速傅里葉變換 (fast Fourier transform)、短時傅立葉變換(short-term Fourier transform)、小波變換(wavelet transform，WT)等，他們各有特點和適用范圍，通過這些算法提取圖像中各種有用參數，對雷達圖像信息進行科學和準確的呈現、解釋。但是，地質雷達的勘查效果受地質狀況的影響較大，當地下的巖土不均勻、巖土的特性和物性參數差距較大時，對信息的提取影響非常大。正是由于這種現象的存在，對地質信號的提取和處理是一個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化路徑的概率型算法。該算法是基于螞蟻在尋找食物的過程中發現最優路徑的現象，本質上是一種啟發式全局優化算法，可以實現分布計算、信息的正反饋。

螞蟻在尋找食物的過程中總會根據食物發出的信號找到一條最短的路徑，若在整個路徑中出現了障礙物，螞蟻會自動的繞開，從新規劃出最短路線。實際上，螞蟻的這種行為是由于螞蟻在行走的過程中會給同伴釋放一種信息素，來交換信息、協調各個的行為，經過一段時間的積累，不同路徑上的信息素的強度會因為螞蟻所走的次數的不同而不同，所以導致下一批的螞蟻在選擇的時候會較大概率的選擇信息素較強的那條路徑，整個系統也就形成了正反饋的過程。這種算法在地質狀況的圖片分析中的過程如圖3。

圖3 螞蟻算法在地質狀況圖像分析的過程

3 螞蟻算法的工程應用情況

3.1 新建黔張常鐵路武陵山隧道工程地質概況

新建黔張常鐵路武陵山隧道DK238+077～DK238+106段位于F18-1富水斷層帶內，涉及地層主要為壓碎巖，局部為斷層角礫，受地質構造影響，巖體破碎，呈碎石角礫狀，自穩定能力差，施工中容易坍塌，為V級。

3.2 地質雷達超前地質預報的情況

DK238+077～DK238+106段隧道開挖里程：DK238+063，探測范圍DK238+063.4～DK238+093.4。開挖面地質狀況：巖性為灰巖，薄層狀構造，巖體破碎，裂隙發育，掌子面局部有滲水。

對雷達探測影像及曲線分析以下：

橫1測線在掌子面前方0～30 m范圍存在較強反射界面，反射波同相軸連續性較差，頻率變化較大，推斷巖體破碎，裂隙發育。地質雷達圖像反映未見巖溶空洞。

橫2測線在掌子面前方0～30 m范圍存在較強反射界面，反射波同相軸不連續，頻率變化較大，推斷巖體破碎，裂隙發育。地質雷達圖像反映未見巖溶空洞。

由以上分析可得DK238+063，4～DK238+093，4段巖體破碎，裂隙發育，局部有散狀滴水或線狀流水。建議按設計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雷達數據的處理

首先，將現場提取的圖像進行數字化處理后進行特征提取。然后使用蟻群算法模型對圖像進行紋理特征聚類處理，最后得到處理的結果。基于蟻群算法的地質雷達數據處理的具體步驟為：

步驟一：首先對地質雷達圖像進行小波包分解和變換，得出每一個螞蟻對應的特征矢量。

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

步驟三：計算該螞蟻選擇該路徑的概率，判斷該概率是否大于λ，然后計算此次迭代過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：當達到蟻群算法設定的迭代值時，則算法自動結束得到相應的結論。反之，則返回步驟二繼續迭代。

表1 四種算法處理的正確率

分別使用經典的K-means算法、模糊C均值(Fuzzy C-means)算法、Self Organizing Maps (SOM)算法、蟻群算法對橫1和橫2測線雷達影像進行處理，得到相應的正確率，如表 1 所示。可得，蟻群算法在準確率方面有較好的表現。

4 總 結

蟻群算法作為一種新興的算法已經在其他的領域取得了很好的應用效果，地質雷達在隧道的超前預報中也起到了重要的作用，將蟻群算法應用在超前預報的數據和圖像處理中可以有效的提高預測的精確度和可靠性。同時，將相關的地質數據進行歸類和總結有利于提高蟻群算法的訓練效果，從而提升該算法在超前預報中的應用的適應性和應用范圍。

[1] 巨浪,沙椿.地質雷達在福堂水電站引水隧洞施工超前預報中的應用[J].水電站設計,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]. 計算機工程與應用,2004,18(5):5-7.

[3] 萬千里.地質雷達探測在大茅左隧道施工中的應用[J].公路,2002,(12):139-142.