Βελτιστοποίηση μετρήσεων ηλεκτρικής τομογραφίας στο πλαίσιο εφαρμογής της διαχρονικής παρακολούθησης φαινομένων

Περίληψη

Στα πλαίσια της παρούσας διατριβής ειδίκευσης μελετάται μία μέθοδος για την βελτιστοποίηση των πρωτοκόλλων μέτρησης δεδομένων ηλεκτρικής τομογραφίας για διαχρονικές μετρήσεις. Αρχικά γίνεται μία ανασκόπηση της μεθόδου εύρεσης βέλτιστων διατάξεων μέτρησης με τη μέθοδο του ιακωβιανού πίνακα (πίνακας ευαισθησίας) η οποία και χρησιμοποιήθηκε για τη δημιουργία πρωτοκόλλων. Κατά τη διαχρονική παρακολούθηση με γεωηλεκτρικές μεθόδους χρειάζεται μία σειρά διαχρονικών μετρήσεων μίας δομής η οποία αναμένεται να μεταβάλλεται με το χρόνο. Η παρακολούθηση και ανάλυση των αποτελεσμάτων αυτών μπορεί να οδηγήσει στην πρόβλεψη της περιοχής που αναμένεται να αλλάξει. Έτσι κύριος στόχος της εργασίας ήταν να αναπτυχθούν αλγόριθμοι και να δημιουργηθεί ένα πρόγραμμα που να επιτρέπει στο χρήστη να ορίζει μία περιοχή που αναμένεται να μεταβάλλεται με το χρόνο, και στη συνέχεια να επιλέγονται πρόσθετες μετρήσεις οι οποίες και θα αυξάνουν την ανάλυση της συγκεκριμένης περιοχής. Για να ελεγχθούν ως προς την αξιοπιστία τους οι αλγόριθμοι που αναπτύχθηκαν, δοκιμάστηκαν με ένα πλήθος συνθετικών αλλά και πραγματικών δεδομένων. Οι δοκιμές έδειξαν ότι τα εστιασμένα σύνολα δεδομένων που παράγονται, οδηγούν έπειτα από την αντιστροφή σε ακριβέστερες εικόνες του υπεδάφους και σε μικρότερα στατιστικά λάθη σε σύγκριση με τις κλασικές διατάξεις.
 
This thesis examines a method for optimizing electrical tomography time lapse measurements. The main purpose of the study was to create and test algorithms that can add extra geoelectrical measurements in a focused area, determined by the user. At first there is an overview of the methods used for finding the optimum data sets using the Jacobian method. These methods are also used as a part of this study to generate optimum data sets. It is known that for the 4D data inversion a set of time lapse measurements is required. A quick view and analysis of these inverted results can give us an image on how a resistivity area related with a host body changes in time, so we can “predict” its future position or shape of the body. Defining an area with high probability of future resistivity change, we can select additional measurement which could enhance the resolution of the particular area. Τhe tests with synthetic models showed that the focused arrays can produce better inversion results compared to the optimized or even full comprehensive data sets. This method has been also tested with real data and it is shown that the method can be a practical tool for measurement protocol creation in real life monitoring problems.