Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Identificazione di segnali da un array sismico per il monitoraggio di frane

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

POLITECNICO DI TORINO, FACOLTA` DI INGEGNERIA DELL’INFORMAZIONE, TESI DI LAUREA, INGEGNERIA DELLE TELECOMUNICAZIONI, APRILE 2004 4 Fig. 5. Modello di rete organizzata a cluster. linearizzazione, si e` fatto ricorso a tecniche ai Minimi Quadrati e Singular Value Decomposition. I metodi portano all’incirca agli stessi risultati; in particolare si evidenzia una migliore stima per quelle sorgenti che cadono all’interno dell’array e che sono vicine ai sensori, mentre per quelle lontane o che si discostano dal piano in cui giacciono i sensori la stima peggiora notevolmente. Tali risultati sono legati ai limiti del modello di campo di velocita` e ad una non buona rappresen- tazione del problema dal punto di vista tridimensionale. Anche se la stima ottenuta non e` ottimale, dai risultati ottenuti si possono trarre utili spunti per definire le criticita` e quindi le strategie per migliorarle; inoltre si possono dare le specifiche circa un modello di rete di sensori adatto per tale tipo di applicazione. III. CONCLUSIONI SULLA base dei risultati conseguiti, appare evidente lanecessita` di un modello di velocita` piu` sofisticato; inoltre sempre sulla base di questi si elabora un possibile modello di rete per il monitoraggio: sensori organizzati come clu- sters, distribuiti uniformemente sulla superficie della frana e posizionati non solo in superficie ma anche in profondita` (Fig. 5). Questa scelta fa anche si un eventuale sorgente che cade all’interno dell’array avra` vicino a se sempre un certo numero di sensori. Ciascun cluster fa capo ad un nodo (unita` di elaborazione) che a sua volta fa capo ad un nodo centrale che raccoglie tutti i clusters. Sulla base del modello di rete appena proposto, si puo` pensare di realizzare uno schema di detection globale, che coinvolga tutti i clusters a livello del nodo centrale. A livello di singolo cluster la decisione e` basata sul criterio a maggio- ranza che valuta il risultato dell’algoritmo STA/LTA per ogni sensore; a livello centrale si puo` pensare ad una detezione basata su di uno schema di voto. Si assegnano dei voti ai singoli nodi (stazioni): • voti piu` bassi a stazioni “rumorose” o piu` soggette a falsi allarmi; • voti piu` alti a stazioni piu` affidabili. e si dichiara un evento se e solo se la somma dei voti delle stazioni che hanno dato luogo ad una detezione affidabile (criterio a maggioranza soddisfatto), supera una certa soglia impostata. In questo contesto e` ragionevole utilizzare per la localizzazione solo quei clusters che generano una detection affidabile. La struttura cosı` proposta rappresenta un modello di rete neurale ad un livello, in cui i parametri in ingresso sono i risultati del criterio di decisione su ogni singolo clusters, i pesi dei legami sono rappresentati dai pesi dati alle singole stazioni e il risultato in uscita e` costituito dalla decisione (binaria) del nodo centrale circa la rilevanza o meno dell’evento. Si evidenzia inoltre l’esigenza, al fine di avere un problema davvero 3D, di posizionare non solo geofoni in superficie ma anche in foro (borehole); questo al fine di poter localizzare correttamente anche sorgenti d’innesco in profondita`. E` inoltre consigliabile l’utilizzo di geofoni triassiali. A. Il ruolo del processing off-line In un sistema di monitoraggio di questo tipo, un ruolo par- ticolare puo` assumere l’elaborazione off-line. Non essendoci piu` il vincolo del tempo, si puo` pensare di utilizzare per la stima dei tempi di primo arrivo, algoritmi molto piu` sofisticati che consentano di raggiungere precisioni piu` elevate. Questo puo` consentire una migliore stima nel posizionamento delle sorgenti. Inoltre si puo` pensare di realizzare un oggetto che opportu- namente dimensionato e realizzato, a partire dai segnali regi- strati in frana, fornisca il valore dei parametri di regolazione degli algoritmi utilizzati nel sistema, come ad esempio quelli di detection. L’oggetto in esame e` rappresentato da una rete neurale. Tale rete deve essere opportunamente istruita ed edu- cata con delle sequenze di segnali di prova che siano coerenti con quelli relativi ai fenomeni di innesco; in questo modo ogni qualvolta si presenteranno situazioni similari, rispondera` correttamente. Come dato in uscita fornirebbe i parametri degli algoritmi di detection ottimali per quel tipo di segnali che al momento si sono registrati, ma quello che e` piu` importante e` che si avrebbe un oggetto che ha memoria di quella che e` la dinamica del versante. APPENDIX I LA DETEZIONE DISTRIBUITA F INO a questo momento, la detezione del segnale sismicoe` stata inquadrata nell’ottica del singolo sensore. In particolare, per quanto ottimi possano essere i parametri di regolazione dell’algoritmo STA/LTA, falsi allarmi son sempre possibili. E` il caso di fenomeni impulsivi, tipo spike di natura strumentale oppure fenomeni di tipo vibrazionale non connessi alla frattura della roccia e che accadono vicino al sensore (sabotaggio, urto volontario, passaggio di animali, . . . ). In questo caso si tratta di fenomeni a carattere locale, che coinvolgono il sensore e al limite quelli a lui piu` vicini; pertanto disporre di un sistema che basi la detezione di un evento sul fatto che su di un solo sensore, ad un certo istante si sia verificato qualcosa (in questo caso l’evento soddisfa le condizioni imposte dall’algoritmo STA/LTA), non e` una scelta efficiente ed affidabile. Nell’ambito di una rete di sensori, pertanto si puo` pensare ad una detezione distribuita. Vale a dire definire una regola di decisione attraverso la quale, valutare le informazioni raccolte dai vari sensori quando uno di questi rileva qualcosa, e se sod- disfatta, dichiarare rilevante l’evento avvenuto. Un esempio di

Anteprima della Tesi di Simone Franchi

Anteprima della tesi: Identificazione di segnali da un array sismico per il monitoraggio di frane, Pagina 4

Tesi di Laurea

Facoltà: Ingegneria

Autore: Simone Franchi Contatta »

Composta da 285 pagine.

 

Questa tesi ha raggiunto 2578 click dal 25/11/2004.

 

Consultata integralmente 2 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.