Bayesian full waveform inversion for exploration during mechanized tunneling

  • The lack of effective exploration methods during mechanized tunneling can lead to damages of the tunnel boring machine and to delays in the excavation process. Detailed knowledge about the soil properties can be gained with the aid of seismic wave propagation, where a methodology called full waveform inversion may bring higher resolutions and ranges than state-of-the-art methods. Instead of using classical adjoint inversion, Bayesian full waveform inversion is applied, where the optimization is based on Bayesian inference. To reduce the complexity of the objective functional, the dimensionality of the inverse problem is decreased by implementing adapted parametrizations of the subsoil models. Two methods are elaborated and validated with synthetic data as well as experimental data which is acquired in an ultrasonic laser laboratory. It is shown that the methods can deliver precise model reconstructions with a certain robustness against noise, measurement errors and modeling errors.
  • Effektive Vorauserkundungsmethoden im maschinellen Tunnelbau sind essenziell, um Schäden und Stillstände der Tunnelbohrmaschine zu vermeiden. Ein detailliertes Wissen über die Bodeneigenschaften kann mithilfe von seismischer Wellenausbreitung gewonnen werden, wobei eine Full Waveform Inversion höhere Auflösungen und Reichweiten als etablierte Methoden liefern kann. Anstatt Adjoint-Methoden zu verwenden, wird der Ansatz der Bayesschen Full Waveform Inversion mit dem Wirkprinzip der Bayesschen Inferenz verfolgt. Um die Komplexität der Zielfunktion zu verringern, wird die Dimension des inversen Problems reduziert, indem angepasste Parametrisierungen des Bodenmodells implementiert werden. Es werden zwei Methoden verwendet und anhand von synthetischen und experimentellen Daten validiert, wobei letztere Daten aus einem Laborversuch gewonnen werden. Die Methoden liefern präzise Modellrekonstruktionen und erweisen sich als robust gegenüber Rauschen sowie Mess- und Modellierungsfehlern.

Download full text files

Export metadata

Metadaten
Author:Maximilian TrappGND
URN:urn:nbn:de:hbz:294-89946
DOI:https://doi.org/10.13154/294-8994
Subtitle (English):a numerical and experimental study
Series (Serial Number):Mitteilungen aus dem Institut für Mechanik (189)
Referee:Tamara NestorovićORCiDGND, Wolfgang FriederichGND
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2022/06/24
Date of first Publication:2022/06/24
Publishing Institution:Ruhr-Universität Bochum, Universitätsbibliothek
Granting Institution:Ruhr-Universität Bochum, Fakultät für Bau- und Umweltingenieurwissenschaften
Date of final exam:2022/05/02
Creating Corporation:Fakultät für Bau- und Umweltingenieurwissenschaften
GND-Keyword:Kalman-Filter; Level-Set-Methode; Inverses Problem; Tunnelbau; Bayes-Inferenz
Institutes/Facilities:Sonderforschungsbereich 837, Interaktionsmodelle für den maschinellen Tunnelbau
Dewey Decimal Classification:Technik, Medizin, angewandte Wissenschaften / Ingenieurbau, Umwelttechnik
faculties:Fakultät für Bau- und Umweltingenieurwissenschaften
Licence (German):License LogoKeine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht