[发明专利]一种基于BP神经网络的地下金属圆管半径和埋深的估计方法

权利要求书

1.一种基于BP神经网络的地下金属圆管半径和埋深的估计方法，其特征在于，包括以下步骤：

步骤1：设定不同的探测场景，分别进行探地雷达正演模拟得到不同探测场景下的多个原始探地雷达B-Scan回波数据；探测场景的参数包括金属圆管的半径r、埋深d以及地下介质的相对介电常数ε；

步骤2：构建训练样本的输入数据集和输出数据集；

对原始探地雷达B-Scan回波数据进行去直达波和背景噪声预处理；再对预处理后的探地雷达B-Scan回波数据进行最强能量道的提取，得到金属圆管正上方的A-Scan回波数据；最后对该A-Scan回波数据进行特征提取，得到其特征参数；以其特征参数构建其特征矢量；依次对所有原始探地雷达B-Scan回波数据进行上述处理和特征提取，得到多个探测场景下金属圆管正上方的A-Scan数据的特征参数和它们对应的特征矢量；将得到的所有特征矢量组成特征矢量矩阵X＝[x₁,x₂,...,x_k,...,x_K]，作为训练样本的输入数据集；其中x_k表示第k个探测场景下金属圆管正上方的A-Scan回波数据的特征矢量，K表示训练样本的数量；

每个探测场景对应的参数构成一个输出矢量y；多个探测场景的输出矢量组成输出矢量矩阵Y＝[y₁,y₂,...,y_k,...,y_K]，作为训练样本的输出数据集；

步骤3：设计BP神经网络的结构，包括输入输出层的节点数、中间层的层数和各层的节点数；

步骤4：运用训练样本数据集对该BP神经网络进行训练；

步骤5：提取待探测场景下金属圆管正上方的A-Scan回波数据，并提取其特征参数；将其特征参数构建的特征矢量输入至训练好的BP神经网络，输出该待探测场景对应的地下金属圆管的半径、埋深和地下介质的相对介电常数的估计值，完成对地下金属圆管半径和埋深的估计；

所述步骤2中，通过以下步骤获取金属圆管正上方的A-Scan回波数据的特征参数，构建其特征矢量：

步骤2.1：对金属圆管正上方的A-Scan回波数据取绝对值，再提取其峰值坐标，记峰值幅度为a，峰值到达时间为τ；

步骤2.2：根据探地雷达发射信号的子波宽度，设置该金属圆管正上方的A-Scan回波数据的回波提取时间窗t_window：t_window＝2·t_th，单位为s，t_th为根据发射信号的子波宽度设定的信号两端的预留时宽；

步骤2.3：以峰值到达时间τ为基准，t_window作为时间轴上取值宽度，设置预设时间区间为

步骤2.4：计算预设时间区间内的回波能量

步骤2.5：由上述三个参数a、τ和e构成特征矢量x＝[a,τ,e]^T。

2.根据权利要求1中所述的基于BP神经网络的地下金属圆管半径和埋深的估计方法，其特征在于，所述步骤3中，设计BP神经网络结构的步骤如下：

步骤3.1：根据BP神经网络的输入数据集和输出数据集的维度，确定BP神经网络的输入层和输出层的节点个数分别为m和n；

步骤3.2：根据公式L＝ceil(ln(m·n))确定中间隐含层总层数L；

步骤3.3：由以下方法确定中间隐含层中各层的节点数：

第一隐含层的节点数h₁由输入层的节点个数m和调节因子λ确定，计算公式为λ∈[1,5]为调节因子；

其后L-1个中间隐含层的节点数h_l由前一层隐含层的节点数h_l-1决定，计算公式为l表示第l层隐含层，l＝2,...,L。