masterThesis
Uso de redes neurais aplicadas para a criação de seções GPR preditivas
Registro en:
COSTA, Pâmella Regina Fernandes da. Uso de redes neurais aplicadas para a criação de seções GPR preditivas. Orientador: Francisco Pinheiro Lima Filho. 2022. 116f. Dissertação (Mestrado em Geodinâmica e Geofísica) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022.
Autor
Costa, Pâmella Regina Fernandes da
Resumen
During with Ground Penetrating Radar (GPR) data acquisition imaging underground targets, some
operational difficulties may arise (rugged topography, anthropogenic or other nature barriers) that
prevent the proper spatial positioning of the GPR lines, for example, in a survey according to a
predefined regular mesh. These limitations (total number, positioning and length of GPR lines) can
compromise the perfect imaging of the target and, consequently, make it difficult to reconstruct
geological or engineering features of interest. The objective of this work is to develop a methodology
allowing the creation of artificial GPR sections between pre-existing GPR lines, thus improving data
density, using Deep Convolutional Neural Networks (DCNNs) techniques of Style Transfer and
Frame Interpolation. Given a set of three consecutive GPR sections, parallel and equidistant from
each other (named A, B and C), the so-called “predictive GPR sections” were created, whose
intermediate reflections must honor the geometries found in sections A and C, and that have in the
GPR B sections the parameters that allow the comparison, validation and quantification of the quality
of the result obtained. The methodology was tested for three distinct geological contexts which
consisted of: (i) a colony of montiform microbialites found in carbonate rocks in the Irecê Basin,
Salitre Formation, located at Fazenda Arrecife (Bahia); (ii) sandy siliciclastic rocks of Aeolian origin
that occur in the Parnaíba Basin, belonging to the Pedra de Fogo Formation, located in the Serra das
Araras (Piauí), which exhibit tabular and wedge-shaped depositional geometries; (iii) and, in a
Quaternary washover deposit that show wedge geometry, located on the shore of Lagoa Mirim, Vila
Taim (Rio Grande do Sul). Predictive GPR sections were created to the three different geological
scenarios studied. With the delimitation of the original and predictive geometries, it was possible to
compare the differences based on their overlapping and, thus, calculate the respective standard
deviations and mean misfits. The comparison between the techniques reveals that the geometries of
the microbialites obtained with Frame Interpolation and the two techniques association exhibited
differences greater than that of Style Transfer, being up to 0.015 and 0.009 greater, respectively, for
the standard deviation and mean misfit. For aeolian rocks they were 0.020 of standard deviation and
0.017 of mean misfit greater for two techniques association than for Style Transfer. And finally, in
the washover deposit, the differences between the two parameters were not greater than 0.004.
Exclusively in this deposit, the predictive geometries identified in both techniques produced
equivalent results. Therefore, the predictive geometries obtained show that the Style Transfer
technique was the one that presented the best precision and accuracy results for microbialites and
aeolian rocks, while in the washover deposits the two techniques association reproduced results as
good as the Style Transfer. Only for the microbialites was it possible to recognize the predictive
depositional geometries when using the Frame Interpolation technique. Durante o imageamento de alvos em subsuperfície com o método Ground Penetrating Radar (GPR)
podem surgir algumas dificuldades operacionais (topografia acidentada, barreiras antropogênicas ou
de outras naturezas) que impedem o adequado posicionamento espacial das linhas GPR em um
levantamento segundo uma malha regular predefinida. Estas limitações (número total,
posicionamento e comprimento das linhas GPR) podem comprometer o perfeito imageamento do
alvo e, consequentemente, dificultar a reconstrução de feições geológicas ou de engenharia de
interesse. Neste trabalho objetiva-se o desenvolvimento de uma metodologia que permita a criação
de seções GPR artificiais entre as linhas GPR pré-existentes, melhorando assim o adensamento dos
dados, com uso das técnicas de Redes Neurais Convolucionais Profundas (DCNNs) de Transferência
de Estilos e Interpolação de Quadros. Dado um conjunto de três seções GPR consecutivas, paralelas
e equidistantes entre si (denominadas de A, B e C), foram criadas as aqui denominados “seções GPR
preditivas”, cujas reflexões devem honrar as geometrias encontradas nas seções A e C, e que tenham
nas seções GPR B os parâmetros que permitam a comparação, validação e a quantificação da
qualidade dos resultados obtidos. A metodologia foi testada para três distintos contextos geológicos
que consistiram de: (i) uma colônia de microbialitos montiforme encontrada em rochas carbonáticas
na Bacia do Irecê, Formação Salitre, localizadas na Fazenda Arrecife (Bahia); (ii) rochas
siliciclásticas arenosas de origem eólica que ocorrem na Bacia do Parnaíba, pertencentes à Formação
Pedra de Fogo, localizados na Serra das Araras (Piauí), que exibem geometrias deposicionais
tabulares e em forma de cunha; (iii) e, em um depósito Quaternário de leque de sobrelavagem
(washover) que mostram a geometria em cunha, localizado na margem da Lagoa Mirim, Vila Taim
(Rio Grande do Sul). Foram criadas seções GPR preditivas correspondentes aos três diferentes
cenários geológicos estudados. Com a delimitação das geometrias originais e preditivas foi possível
comparar as diferenças a partir da sobreposição delas e, assim, calcular as respectivas médias, desvios
padrões e desajustes médios. A comparação entre as técnicas revela que as geometrias dos
microbialitos obtidos com a Interpolação de Quadros e uso conjunto das técnicas exibiram diferenças
superiores à de Transferência de Estilo, sendo até 0,015 e 0,009 maiores, respectivamente, para o
desvio padrão e desajuste médio. Sendo somente possível reconhecer as geometrias deposicionais
preditivas e consequentemente quantificar os resultados aplicando a técnica de Interpolação de
Quadros no afloramento de microbialitos. Para rochas eólicas foram 0,020 de desvio padrão e 0,017
de desajuste médio maiores para o uso conjunto do que para a Transferência de Estilo. E por fim, no
depósito de washover, as diferenças entre os dois parâmetros não foram superiores a 0,004. Assim,
exclusivamente neste depósito as geometrias preditivas identificadas em ambas as técnicas
produziram resultados equivalentes. Portanto, as geometrias preditivas obtidas mostram que a técnica
de Transferência de Estilo foi a que apresentou melhores resultados de precisão e acurácia para os
microbialitos e rochas eólicas, enquanto nos depósitos de washover o uso conjunto reproduziu
resultados tão bons quanto a Transferência de Estilo.