Розпізнавання підземних порожнин у ґрунті: класичні методи та сучасні технології
DOI:
https://doi.org/10.30837/bi.2026.1(104).14Ключові слова:
ПІДЗЕМНІ ПОРОЖНИНИ, ГЕОРАДІОЛОКАЦІЯ, ЕЛЕКТРОРОЗВІДКА, СЕЙСМІЧНІ МЕТОДИ, ГЛИБОКЕ НАВЧАННЯ, НЕЙРОННІ МЕРЕЖІ, РОЗПІЗНАВАННЯ АНОМАЛІЙ, ЧИСЕЛЬНЕ МОДЕЛЮВАННЯАнотація
У роботі розглянуто комплексний підхід до виявлення та характеристики підповерхневих порожнин на основі поєднання геофізичних методів та сучасних методів штучного інтелекту. Основну увагу приділено аналізу можливостей електророзвідувальних, сейсмічних та георадіолокаційних методів для формування інформативних вхідних даних, а також застосуванню згорткових і гібридних нейронних мереж для автоматизованого розпізнавання аномалій, пов’язаних з підземними порожнинами. Запропоновано порівняльний аналіз класичних алгоритмів обробки геофізичних даних і моделей глибокого навчання за показниками точності, стійкості до шумів та здатності до узагальнення на різних типах середовищ. Показано, що інтеграція фізично обґрунтованих чисельних моделей із нейромережевими підходами дозволяє підвищити достовірність локалізації та класифікації порожнин, особливо в умовах складної та урбанізованої геологічної будови. Отримані результати підтверджують ефективність використання гібридних геофізично-інтелектуальних підходів для задач інженерної геології, моніторингу техногенних ризиків і безпеки інфраструктури та можуть бути використані як методологічна основа для створення автоматизованих систем підтримки прийняття рішень.
Посилання
Rahimi, M., Wood, C. M., & Kallivokas, L. F. (2024). A comparative study of using geophysical methods for imaging subsurface voids of various sizes and at different depths. Engineering Geology, 341, 107711. https://doi.org/10.1016/j.enggeo.2024.107711
Zhou, J., Feng, W., Guan, P., Liu, J., Zhang, H., & Wang, Z. (2025). Comprehensive detection of groundwater-affected ancient underground voids during old town renewal: A case study from Wuhan, China. Water, 17(23), 3356. https://doi.org/10.3390/w17233356
Mevoli, F. A., Fazio, N. L., Perrotti, M., et al. (2024). Assessing the stability of underground caves through iSUMM (innovative, straightforward, user-friendly, mechanically-based method). Geoenvironmental Disasters, 11, 10. https://doi.org/10.1186/s40677-023-00264-3
Steenkamp, C. (2022). The impact of tunnels on conflicts in the Middle East. International Affairs, 98(2), 689–706. https://academic.oup.com/ia/article/98/2/689/6530475
Olson, K., & Morton, L. (2017). Why were the soil tunnels of Cu Chi and Iron Triangle in Vietnam so resilient? Open Journal of Soil Science, 7, 34–51. https://doi.org/10.4236/ojss.2017.72003
Abuamer, M. (2024). Gaza’s subterranean warfare: Palestinian resistance tunnels vs. Israel’s military strategy. Terrorism and Political Violence. https://doi.org/10.1080/1057610X.2024.2347843
Dorsel, D. B. (n.d.). Use of subterranean infrastructure in contemporary conflicts. https://oe.tradoc.army.mil/product/use-of-subterranean-infrastructure-in-contemporary-conflicts/
Richemond-Barak, D. (n.d.). From Gaza to Ukraine: Three principles of underground warfare. https://www.miryaminstitute.org/commentary-blog/from-gaza-to-ukraine-three-principles-of-underground-warfare
Huning, L. S., Love, C. A., Anjileli, H., Vahedifard, F., Zhao, Y., Chaffe, P., Cooper, K., Alborzi, A., Pleitez, E., & Martinez, A. (2024). Global land subsidence: Impact of climate extremes and human activities. Reviews of Geophysics. https://doi.org/10.1029/2023RG000817
Ikuemonisan, F. E. (2025). An integrative review of land subsidence dynamics and monitoring in Nigeria. Discover Environment, 3, Article 143.
Lee, S., Kang, J., & Kim, J. (2024). Prediction of ground subsidence risk in urban centers using underground characteristics information. Applied Sciences, 14(23), 11044. https://www.mdpi.com/2076-3417/14/23/11044
Jacob, T., Pannet, P., Beaubois, F., Baltassat, J. M., & Hannion, Y. (2020). Cavity detection using microgravity in a highly urbanized setting: A case study from Reims, France. Journal of Applied Geophysics, 174, 104113. https://doi.org/10.1016/j.jappgeo.2020.104113
Pringle, J. K., Ruffell, A. H., Styles, P., et al. (2024). Forensic geoscience non-invasive detection and characterisation of underground clandestine complexes, bunkers, tunnels and firing ranges. Forensic Science International. https://www.sciencedirect.com/science/article/pii/S0379073824001142
Paul, A., Jayapal, U. M., & Ayothiraman, R. (2025). A review of ground penetrating radar for underground utility detection and subsurface profiling: Challenges, strategies and a future-oriented framework. Indian Geotechnical Journal.
Hall, C. M. (n.d.). An ominous effervescence: The Bayou Corne sinkhole. https://64parishes.org/an-ominous-effervescence
Noshahri, H., Meijde, M., & Scholtenhuis, L. (2023). AI-assisted characterization of voids around sewer pipes using in-pipe GPR surveys. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4506855
Вижва, С. А., Рева, М. В., Онищук, І. І., & Онищук, В. І. (2013). Електрометрія. Київський університет.
Sutter, E. M., & Barounis, N. (2021). Underground void detection by applying electrical resistivity tomography (ERT) in a limestone quarry. NZGS Symposium.
Negri, S., & Barbolla, D. F. (2025). Challenges in the detection of water-filled cavities in karst environments using electrical resistivity tomography. Geosciences, 15(9), 349. https://doi.org/10.3390/geosciences15090349
Liu, L., Shi, Z., Tsoflias, G. P., et al. (2022). Detection of karst voids by full-waveform inversion. Soil Dynamics and Earthquake Engineering, 152, 107048. https://doi.org/10.1016/j.soildyn.2021.107048
Jiang, W., Zelt, C. A., & Zhang, J. (2020). Detecting an underground tunnel using waveform inversion. Journal of Applied Geophysics, 174, 103957. https://doi.org/10.1016/j.jappgeo.2020.103957
Torrese, P. (2025). Near-surface cavity detection using ambient noise analysis. Journal of Applied Geophysics, 241, 105858. https://doi.org/10.1016/j.jappgeo.2025.105858
Ковальчук, В. В., Кравець, І. Б., & Лучко, Й. Й. (2019). Георадіолокація як неруйнівний метод моніторингу. Дороги і мости, 19–20, 117–137.
Allam, H., Metwally, A., Ismael, M., et al. (2025). Subsurface voids detection using GPR and ERT. Pure and Applied Geophysics, 182, 4137–4167. https://doi.org/10.1007/s00024-025-03805-z
Lytvyn, V., Peleshchak, I., Peleshchak, R., et al. (2023). Hybrid neural network model for mine detection. Eastern-European Journal of Enterprise Technologies, 3(9), 78–85.
Dai, Q., Lee, Y. H., Sun, H., et al. (2023). 3DInvNet: A deep learning-based GPR data inversion. arXiv. https://arxiv.org/abs/2305.05425
Zeng, A., Yan, L., Huang, Y., et al. (2021). Intelligent detection of small faults using SVM. Energies, 14(19), 6242.
Yu, S., & Ma, J. (2021). Deep learning for geophysics. Reviews of Geophysics, 59(3).
Xia, J., Peng, R., Li, Z., et al. (2023). Identification of underground artificial cavities. Sensors, 23(19), 8169.
Vesala, G. T., Ghali, V. S., Subhani, S., et al. (2022). CNN-based subsurface anomaly detection. SN Computer Science, 3, 219.
Vanga, M., Ojha, M. (2025). Modeling the seismic wave equation using a staggered grid finite-difference method optimized with a genetic algorithm. Journal of Seismic Exploration, 34(2), 1–13. https://doi.org/10.36922/JSE025290035
Li, J., Wan, J., Wang, T., et al. (2022). Leakage simulation and acoustic characteristics. Advances in Geo-Energy Research, 6(3), 181–191. https://doi.org/10.46690/ager.2022.03.02
Praditia, T., Karlbauer, M., Otte, S., et al. (2021). Finite volume neural network. ICLR SimDL Workshop. https://doi.org/10.48550/arXiv.2104.06010
Cen, J., & Zou, O. (2024). Deep finite volume method for PDEs. arXiv. https://doi.org/10.48550/arXiv.2305.06863
Li, T., Zou, Y., Zou, S., et al. (2025). Finite volume-informed neural networks. Journal of Computational Physics, 530, 113919. https://doi.org/10.1016/j.jcp.2025.113919
