Un método de inversión 3D de TEM que combina optimización PSO-NLCG y regularización adaptativa

Ver las estructuras ocultas bajo nuestros pies

Muchos de los recursos y peligros que más importan en la vida moderna están fuera de la vista, bajo tierra. Los ingenieros quieren localizar trabajos mineros antiguos antes de construir, los gestores del agua necesitan trazar acuíferos y los geólogos buscan vetas metálicas. Este estudio presenta una forma más inteligente de convertir mediciones superficiales de señales electromagnéticas efímeras en imágenes tridimensionales claras de lo que hay debajo, con el objetivo de hacer estos sondeos más precisos, estables y útiles en proyectos reales.

Escuchar señales que se apagan en el subsuelo

El trabajo se centra en el método electromagnético transitorio, en el que un lazo de cable en la superficie envía un pulso breve de corriente al terreno y luego escucha cómo decae el campo electromagnético resultante. Los cambios en la curva de decadencia contienen pistas sobre la conductividad de distintas capas y cuerpos, lo que a su vez se relaciona con el tipo de roca, el contenido de agua o cavidades. Convertir estas señales ruidosas y de corta duración en un mapa 3D es difícil porque muchas disposiciones subterráneas diferentes pueden ajustarse a los mismos datos, y las mediciones suelen estar contaminadas por líneas eléctricas y otras interferencias.

Equilibrar el ajuste a los datos y una imagen subterránea plausible

Para afrontar esto, los autores plantean el problema como una tarea de optimización: encontrar una distribución 3D de propiedades eléctricas que reproduzca mejor las señales observadas a la vez que resulte geológicamente razonable. Miden qué tan bien un modelo propuesto concuerda con los datos y añaden un segundo término que penaliza estructuras demasiado abruptas, favoreciendo la suavidad. Un avance clave es que este peso de suavizado no es fijo. Al principio es fuerte, lo que ayuda a mantener la solución estable pese al ruido. A medida que avanza el cálculo, se va relajando para que el modelo pueda afinar las formas y los límites de las verdaderas estructuras subterráneas en lugar de suavizarlos en exceso.

Combinar búsqueda amplia con afinado fino

El segundo ingrediente es una estrategia de búsqueda híbrida que mezcla dos tipos de métodos numéricos. La optimización por enjambre de partículas imita a una bandada de exploradores sencillos probando muchos modelos subterráneos distintos a lo largo de un amplio rango, lo que ayuda a evitar quedar atrapado en un mal óptimo local. Cuando esta búsqueda global ha localizado una región prometedora, un método conjugado no lineal de gradiente toma el relevo para refinar el modelo de forma eficiente usando información local de pendientes. Los autores también incluyen límites para mantener los valores del modelo dentro de rangos realistas y reglas de parada que evitan malgastar cálculo una vez que las mejoras se vuelven insignificantes.

Pruebas con referencias y modelos sintéticos del subsuelo

El equipo comprobó primero su enfoque híbrido frente a una batería de funciones de prueba matemáticas estándar que se usan ampliamente para comparar algoritmos de optimización. Tanto en paisajes simples como altamente irregulares, su método combinado alcanzó de forma consistente valores más cercanos al óptimo teórico que el enjambre o los métodos de gradiente por separado, manteniendo el tiempo de ejecución solo ligeramente por encima del de esquemas más rápidos pero menos precisos. Después aplicaron la técnica a escenarios subterráneos generados por ordenador con uno o más cuerpos tipo placa con conductividades diferentes a las del entorno, añadiendo ruido realista a las mediciones simuladas. En estas pruebas, los métodos convencionales distorsionaban las formas, difuminaban los límites o desplazaban los objetivos, mientras que el nuevo enfoque recuperó tamaño, profundidad y posición con mucha más fidelidad.

Demostración de su utilidad con datos reales de obras

Finalmente, los autores aplicaron su método a datos de campo de un solar con áreas de huecos subterráneos conocidas dejadas por minería anterior. Las líneas de sondeo y los cortes de profundidad producidos por la nueva inversión se alinearon bien con las ubicaciones y los rangos de profundidad de la mayoría de las cavidades conocidas. En zonas donde dos anomalías estaban muy próximas, el método las fusionó, pero en general la concordancia espacial fue fuerte, demostrando que el enfoque es robusto fuera de pruebas controladas.

Mapas subterráneos más claros para decisiones más seguras

En términos sencillos, este estudio muestra cómo combinar una búsqueda de amplio alcance con un afinado cuidadoso, y ajustar la suavidad de la imagen conforme se va definiendo, puede producir mapas 3D más claros y fiables de lo que hay bajo la superficie. Para planificadores, mineros e ingenieros ambientales, eso significa mejores probabilidades de encontrar estructuras ocultas, evitar riesgos y usar el espacio subterráneo de forma inteligente, todo a partir de mediciones hechas en superficie.

Cita: Jianqiang, C., Feng, Z., Xuhai, D. et al. A 3D inversion method of TEM combining PSO-NLCG optimization and adaptive regularization. Sci Rep 16, 16115 (2026). https://doi.org/10.1038/s41598-026-48117-x

Palabras clave: electromagnético transitorio, inversión 3D, imagen geofísica, algoritmo de optimización, estructuras subterráneas