Advanced Search
    Volume 36 Issue 4
    Turn off MathJax
    Article Contents
    Abstract
    References
    ZHAN Liang-tong, MU Qing-yi, CHEN Yun-min. Analysis and experimental verification of sampling area of three-rod time-domain reflectometry probe[J]. Chinese Journal of Geotechnical Engineering, 2014, 36(4): 757-762. DOI: 10.11779/CJGE201404022
    Citation: ZHAN Liang-tong, MU Qing-yi, CHEN Yun-min. Analysis and experimental verification of sampling area of three-rod time-domain reflectometry probe[J]. Chinese Journal of Geotechnical Engineering, 2014, 36(4): 757-762. DOI: 10.11779/CJGE201404022
    shu

    Analysis and experimental verification of sampling area of three-rod time-domain reflectometry probe

    • 1. MOE Key Laboratory of Soft Soils and Geoenvironmental Engineering, Zhejiang University, Hangzhou 310058, China; 2. Institute of Geotechnical Engineering, Zhejiang University, Hangzhou 310058, China

    More Information
    • Received Date: July 18, 2013
    • Published Date: April 21, 2014
      Graphical Abstract
      • Abstract
    • In the measurement system of time domain reflectometry (TDR), three-rod probe is most widely used. The sampling area of this probe form is an important question in engineering application. In this paper, through comparative analysis of Maxwell equations and groundwater seepage equation, the software for groundwater seepage (e.g., the SEEP/W module in the Geostudio) is used to compute the sampling area of a typical three-rod probe. A special experiment is designed to verify the computed results. The results show that: (1) the results of sampling area are well consistent between the numerical computation using Geostudio and the experiment; (2) the sampling area of the three-rod probe approximates an ellipse with semi-major and semi-minor axes of 33.0 and 20.7 mm respectively. In this area, the media with 50% influencing the measured results concentrate around the central rod, and this area also approximates an ellipse with semi-major and semi-minor axes of 10.7 mm and 8.7 mm respectively. It shows the “skin effect” significantly; (3) the electrical conductivity of the media has insignificant effect on the sampling area of the three-rod probe. A computational method for the sampling area of three-rod probe is poposed, and it provides guidance for the design of three-rod TDR probe in engineering and experiments.
      • FullText(HTML)
      • References (13)
    • [1]
      TOPP G C, DAVIS J L, ANNAN A P. Electromagnetic determination of soil water content:Measurements in coaxial transmission lines[J]. Water Resor Res, 1980, 16(3): 574: 582.
      [2]
      陈仁朋, 许伟, 汤旅军, 等. 地下水位及电导率TDR测试探头研制与应用[J]. 岩土工程学报, 2009, 31(1): 77-82. (CHEN Ren-peng, XU Wei, TANG Lü-jun, et al. Development and application of TDR probes to monitor water level and electrical conductivity[J]. Chinese Jounal of Geotechnical Engineering, 2009, 31(1): 77-82. (in Chinese))
      [3]
      梁志刚, 陈云敏, 陈赟. 利用同轴电缆电磁波反射技术测定非饱和土的含水率[J]. 岩土工程学报, 2006, 28(2): 191-195. (LIANG Zhi-gang, CHEN Yun-min, CHEN Yun. Measurement of water content of unsaturated soil by TDR technique[J]. Chinese Jounal of Geotechnical Engineering, 2006, 28(2): 191-195. (in Chinese))
      [4]
      ZHAN L T, MU Q Y, CHEN Y M, et al. Experimental study on applicability of using time-domain reflectometry to detect NAPLs contaminated sands[J]. Science China Technological Sciences. 2013, 56(6): 1534-1543.
      [5]
      ZEGELIN S J, WHITE I. Improved field probes for soil water content and electrical conductivity measurement using time domain reflectometry[J]. Water Resources Research, 1989, 25(11): 2367-2376.
      [6]
      BAKER J M, LASCANO R J. The spatial sensitivity of time-domain reflectometry[J]. Soil Science,1989,147(5): 378-384.
      [7]
      TOPP G C, DAVIS J L. Time-domain reflectometry (TDR) and its application to irrigation scheduling[J]. Advances In Irrigation, 1985, 3: 107-127.
      [8]
      KNIGHT J H. Sensitivity of time domain reflectometry measurements to lateral variations in soil water content[J]. Water Resources Research, 1992, 28(9): 2345-2352.
      [9]
      KNIGHT J H, FERRE P A, RUDOLPH D L, et al. A numerical analysis of the effects of coatings and gaps upon relative dielectric permittivity measurement with time domain reflectometry[J]. Water Resources Research, 1997, 33(6): 1445-1460.
      [10]
      NISSEN H H, FERRE T P A, MOLDRUP P. Sample area of two- and three-rod time domain reflectometry probes[J]. Water Resources Research, 2003, 39(10): 1289-1297.
      [11]
      FERRE T P A, NISSEN H H, KNIGHT J H, et al. Transverse sample area of two- and three-rod time domain reflectometry probes: Electrical conductivity[J]. Water Resources Research, 2003, 39(9): 1261-1270.
      [12]
      陈伟. TDR探头设计及含水量和干密度的联合监测技术[D]. 浙江大学: 软弱土与环境土工教育部重点实验室, 2011: 35-40. (CHEN Wei. The design of TDR probe and monitoring technology of water content and dry density[D]. Zhejiang University: MOE Key Laboratory of Soft Soils and Geoenvironmental Engineering, 2011: 35-40. (in Chinese))
      [13]
      LIN C P, CHUNG C C, TANG S H. Development of TDR penetrometer through theoretical and laboratory investigation: measurement of soil electrical conductivity[J]. Geotechnical Testing Journal, 2006, 29(4): 314-321.
      • Related Articles
    • Supplements (0)

    • Cited by

      Periodical cited type(53)

      1. 马春驰，李想，徐洪伟，李天斌，马志国，张航. 基于IPSO-MOC-RF算法的隧道智能支护方法研究. 岩石力学与工程学报. 2024(03): 556-572 .
      2. 孙浩，代宗晟，金爱兵，陈岩. 基于AttentionR2U-net的岩石（体）关键节理智能识别与参数提取. 东北大学学报(自然科学版). 2024(01): 101-110 .
      3. 钟庆华，孙鑫，张铁军，乔洪磊，杨新安. 围岩智能化分级及其工程应用. 科技创新与应用. 2024(12): 77-80+89 .
      4. 张茹，吕游，张泽天，任利，谢晶，张安林，严志伟，米欧. 深地工程多维信息感知与智能建造的发展与展望. 煤炭学报. 2024(03): 1259-1290 .
      5. 方星桦，阳军生，黄定著，詹双桥，张聪. 基于全景展开图像的隧道围岩节理识别方法. 长江科学院院报. 2024(05): 116-123 .
      6. 盛诞杰，汤瑞，王凯，代声庆，谭飞. 基于熵权-正态云模型的小净距隧道施工风险评估模型. 安全与环境工程. 2024(03): 89-95 .
      7. 周梦琳，陈强，汪波，宋自愿，彭传阳，程黎. 基于图像识别的公路隧道围岩智能动态分级研究. 隧道建设(中英文). 2024(06): 1274-1282 .
      8. 李利平，邹浩，刘洪亮，屠文锋，陈雨雪. 钻爆法隧道智能建造研究现状与发展趋势. 中国公路学报. 2024(07): 1-21 .
      9. 侯卫钢，张晓淼，朱琳，许世龙，张兴帆. 基于图像分割的爆区钻孔节理裂隙特征提取方法. 采矿技术. 2024(05): 129-134 .
      10. 欧阳劭明，丁长栋，丁祥，张宜虎，曹磊，刘倩. 基于TPE-GBT模型的地下水封洞库灌浆量预测研究. 现代隧道技术. 2024(05): 138-145 .
      11. 吴全德，马治中，郭珂依，刘大刚，高洪涛，左继功. 基于机器学习的隧道围岩岩性智能识别方法. 路基工程. 2024(06): 49-54 .
      12. 张胜，黄宁，陈梓浓，凌同华，张亮. 基于小波变换与迁移学习的岩石岩性及含水状态超声波检测. 地球物理学进展. 2024(06): 2407-2419 .
      13. 田四明，连捷，黎旭，王列伟. 隧道掌子面施工区域全过程多元信息智能感知技术研究与实践. 隧道建设(中英文). 2024(12): 2316-2331 .
      14. 凌同华，龙斌，张亮，张胜，江浩. 基于改进UNet网络的衬砌背后空洞识别方法研究. 地下空间与工程学报. 2024(S2): 757-766+773 .
      15. 袁振宇，安哲立，马伟斌，马成贤，王勇，常凯. 融合多源异构信息的隧道围岩智能分级方法探索. 隧道建设(中英文). 2023(03): 429-440 .
      16. 柳厚祥，王建. 基于迁移学习技术的隧道围岩岩性识别方法. 地下空间与工程学报. 2023(02): 437-445 .
      17. 王志坚，童建军. 钻爆法隧道智能建造技术研究综述与展望. 隧道建设(中英文). 2023(04): 529-548 .
      18. 柳厚祥，李子意. 基于MSR算法的公路隧道围岩分级方法. 交通科学与工程. 2023(03): 60-66+97 .
      19. 潘朝，张乾，邹勇. 基于模糊理论的引水隧洞围岩快速分类研究. 水利水电快报. 2023(08): 45-52 .
      20. 葛佳，李爱春. 基于直觉模糊TOPSIS耦合的地铁隧道围岩质量评价. 武汉大学学报(工学版). 2023(07): 835-841 .
      21. 徐博，谢慈航，吴莹. 隧道围岩分级方法研究综述. 隧道建设(中英文). 2023(S1): 25-36 .
      22. 田四明，李术才，刘大刚，王明年. 隧道主动支护体系全过程信息化动态设计与智能决策方法研究. 铁道学报. 2023(11): 1-10 .
      23. 何川，陈子全，周子寒，马伟斌，汪波，张金龙. 基于机器学习的隧道支护体系智能化设计与评价方法. 中国公路学报. 2023(11): 205-217 .
      24. 卢振龙，宋冠先，梁铭，韩玉，朱孟龙，彭浩，严胜杰，卢晓晓，董宏源. 考虑岩体非均质性的隧道掌子面图像分级方法. 公路. 2023(12): 399-406 .
      25. 黄宏伟，陈佳耀. 基于机器视觉的隧道围岩智能识别分级与开挖安全风险研究. 应用基础与工程科学学报. 2023(06): 1382-1409 .
      26. 梁铭，彭浩，解威威，宋冠先，朱孟龙，张亚飞. 基于超前钻探及优化集成算法的隧道围岩双层质量评价. 隧道建设(中英文). 2022(08): 1443-1452 .
      27. 孟馨，秦拥军，谢良甫，袁扬淳，谭顺利. 基于深度学习的东天山特长隧道围岩等级预测. 科学技术与工程. 2022(25): 11219-11226 .
      28. 雷明锋，张运波，王卫东，雷乃金，曾灿，肖勇卓，黄娟，龚琛杰. 岩石岩性Mask R-CNN智能识别方法与应用研究. 铁道科学与工程学报. 2022(11): 3372-3382 .
      29. 方燃，太俊，范毅雄，邱煜. 矿山法在轨道交通隧道施工中的数值模拟及稳定性分析. 长春工程学院学报(自然科学版). 2022(04): 36-41 .
      30. 刘肖，易可夫. 基于迁移学习的桥墩结构损伤识别方法. 公路与汽运. 2021(01): 99-103 .
      31. 王宏喜，朱宗杰，孙仕平，王世松，刘成皓. 罗河铁矿岩体质量关键指标内在关联研究. 现代矿业. 2021(02): 87-93 .
      32. 殷明伦，张晋勋，江玉生，江华，商晓旭. 岩体体积节理数表征岩体完整系数的结构面类别修正研究. 岩土力学. 2021(04): 1133-1140 .
      33. 刘飞跃，刘一汉，杨天鸿，信俊昌，张鹏海，董鑫，张海涛. 基于岩芯图像深度学习的矿山岩体质量精细化评价. 岩土工程学报. 2021(05): 968-974 . 本站查看
      34. 何军，林广东，申小军，徐卫奖. 基于深度学习理论的隧道变形监测技术研究. 山西建筑. 2021(12): 117-120 .
      35. 许振浩，马文，林鹏，石恒，刘彤晖，潘东东. 基于岩石图像迁移学习的岩性智能识别. 应用基础与工程科学学报. 2021(05): 1075-1092 .
      36. 梁辉如，王永东，彭浩，刘俊锋，燕新. 基于正态云理论的软弱隧道围岩分级. 重庆交通大学学报(自然科学版). 2021(11): 82-87 .
      37. 杜洋，辛维克，王瑛楠，赵钰，马洁荣，张振琼，马超锋. 基于凿岩台车的隧道围岩特性判识方法研究. 铁道建筑. 2021(12): 109-112 .
      38. 方诗圣，田海涛，黄德洲，刘伟楠. 基于熵权法-多维云模型的围岩稳定性分类研究. 煤矿安全. 2020(01): 229-232 .
      39. 戚伟，付建新，李腾. 考虑节理劣化效应的深部围岩应力演化规律及敏感性分析. 采矿与安全工程学报. 2020(02): 327-337 .
      40. 蒋雅君，林明才，李鹏，陶双江，唐富军. 应用三维激光扫描技术判定围岩稳定性试验研究. 铁道标准设计. 2020(07): 123-127+133 .
      41. 文海家，黄健豪，袁性涵，谢朋，薛靖元. 基于数值试验的山岭隧道围岩稳定性GIS-SVM预测. 岩石力学与工程学报. 2020(S1): 2920-2929 .
      42. 吴波，黄惟，吴兵兵. 复合地层隧道稳定机理及量化评价研究进展. 科学技术与工程. 2020(33): 13529-13537 .
      43. 黄楠，郑禄林，左宇军，林健云，郑禄璟，何珩溢. 基于PCA-Fuzzy-PSO-SVM的巷道围岩稳定性评价. 矿业研究与开发. 2020(12): 75-80 .
      44. 马世伟，李守定，李晓，马立纲，李增林，张玉锋. 隧道岩体质量智能动态分级KNN方法. 工程地质学报. 2020(06): 1415-1424 .
      45. 郭洪雨，陈宝林，王宇，傅金阳，祝志恒，李世东. 基于ResUNet网络的隧道围岩图像炮孔留痕检测方法. 水利与建筑工程学报. 2020(06): 158-164 .
      46. 高攀. 2018年隧道与地下工程热点回眸. 科技导报. 2019(01): 186-195 .
      47. 马俊杰，李天斌，孟陆波，钟雨奕，姜锡宸. MSVM在汶马高速公路隧道围岩分级中的应用. 成都理工大学学报(自然科学版). 2019(03): 373-380 .
      48. 郑帅，姜谙男，张峰瑞，张勇，申发义，姜旭东. 基于机器学习与可靠度算法的围岩动态分级方法及其工程应用. 岩土力学. 2019(S1): 308-318 .
      49. 王鹏宇，王述红. 四类常见边坡岩石类别识别和边界范围确定的方法. 岩土工程学报. 2019(08): 1505-1512 . 本站查看
      50. 闫鹏洋，王利宁，郭培文，刘涛. 基于层次分析-云模型的隧道围岩分级方法研究. 广东土木与建筑. 2019(09): 48-51 .
      51. 王景春，赵福全，何旭升，王炳华. 基于欧式距离的地铁隧道围岩韧性评估. 铁道标准设计. 2019(10): 106-111 .
      52. 马明明，高晓蕾. 砂卵石地层中公路隧道围岩变形及破坏特征研究. 公路工程. 2019(06): 98-103 .
      53. 孙宇臣. 综合管廊隧洞围岩分级方法研究. 水利水电技术. 2019(S2): 207-214 .

      Other cited types(40)

    Catalog

      Get Citation
      PDF
      XML
      Article views (378) PDF downloads (359) Cited by(93)
      Related
      Website Copyright © 2010 Editorial By Chinese Journal of Geotechnical Engineering 苏ICP备05007122号-11公安联网备案号：32010602011255
      Editorial Office address：34 Hujuguan,Nanjing 210024,ChinaPostal Code：210024Tel：025-85829534，85829556E-mail: ge@nhri.cn

      /

      DownLoad:  Full-Size Img  PowerPoint
      Return
      Return