Une méthode d’inversion 3D en TEMP combinant optimisation PSO-NLCG et régularisation adaptative

Voir les structures cachées sous nos pieds

Beaucoup des ressources et des dangers qui comptent pour la vie moderne se trouvent hors de vue, sous la surface. Les ingénieurs veulent localiser d’anciennes galeries avant de construire, les gestionnaires de ressources en eau doivent repérer les aquifères, et les géologues recherchent des gisements métalliques. Cette étude présente une façon plus intelligente de transformer des mesures de surface de signaux électromagnétiques éphémères en images tridimensionnelles claires de ce qui se trouve en profondeur, afin de rendre ces levés plus précis, stables et utiles sur des chantiers réels.

Écouter des signaux qui s’éteignent dans le sol

Le travail se concentre sur la méthode électromagnétique transitoire, où une boucle de fil en surface envoie une brève impulsion de courant dans le sol puis enregistre l’extinction du champ électromagnétique résultant. Les variations de la courbe de décroissance donnent des indices sur la conductivité des différentes couches et corps, ce qui renvoie au type de roche, au taux d’eau ou à la présence de vides. Transformer ces signaux courts et bruyants en une carte 3D est difficile parce que de nombreuses dispositions souterraines différentes peuvent produire les mêmes données, et les mesures sont souvent contaminées par des lignes électriques et d’autres interférences.

Concilier l’ajustement des données et une image souterraine plausible

Pour y parvenir, les auteurs formulent le problème comme une tâche d’optimisation : trouver une distribution 3D des propriétés électriques qui reproduit le mieux les signaux observés tout en restant géologiquement raisonnable. Ils mesurent la qualité de l’ajustement d’un modèle proposé aux données et ajoutent un second terme qui favorise des structures lisses, pas excessivement anguleuses. Une avancée clé est que ce poids de lissage n’est pas fixe. Au départ il est fort, aidant la solution à rester stable malgré le bruit. À mesure que le calcul progresse, il est progressivement relâché pour que le modèle puisse affiner les formes et les limites des véritables structures souterraines au lieu de trop les lisser.

Combiner recherche large et réglage fin

Le second ingrédient est une stratégie de recherche hybride qui mêle deux types de méthodes numériques. L’optimisation par essaim de particules mime un groupe d’explorateurs simples testant de nombreux modèles souterrains différents sur un large spectre, ce qui aide à éviter de rester bloqué dans un mauvais optimum local. Une fois que cette recherche globale a repéré une région prometteuse, une méthode du gradient conjugué non linéaire prend le relais pour affiner efficacement le modèle en utilisant l’information locale sur la pente. Les auteurs ajoutent aussi des bornes pour maintenir les valeurs du modèle dans des limites réalistes et des critères d’arrêt qui évitent de gaspiller des calculs une fois que les améliorations deviennent négligeables.

Tests sur benchmarks et modèles synthétiques de sous-sol

L’équipe a d’abord vérifié son approche hybride sur une série de fonctions tests mathématiques standard largement utilisées pour comparer les algorithmes d’optimisation. Sur des paysages simples comme très irréguliers, leur méthode combinée a systématiquement atteint des valeurs plus proches du meilleur théorique que l’essaim ou les méthodes par gradient seuls, tout en conservant un temps d’exécution seulement légèrement supérieur à celui de schémas plus rapides mais moins précis. Ils ont ensuite appliqué la technique à des scénarios souterrains générés par ordinateur contenant un ou plusieurs corps en forme de plaques avec des conductivités différentes de leur environnement, en ajoutant un bruit réaliste aux mesures simulées. Dans ces tests, les méthodes conventionnelles déformaient soit les formes, soit estompaient les contours, soit déplaçaient les cibles, alors que la nouvelle approche a récupéré la taille, la profondeur et la position de façon beaucoup plus fidèle.

Prouver son utilité sur des données de chantier réelles

Enfin, les auteurs ont appliqué leur méthode à des données de terrain provenant d’un site de construction avec des zones de goaf connues laissées par d’anciennes exploitations minières. Les lignes de prospection et les sections en profondeur produites par la nouvelle inversion se sont bien alignées avec les emplacements et les plages de profondeur de la plupart des cavités connues. Dans les régions où deux anomalies étaient très proches l’une de l’autre, la méthode les a fusionnées, mais globalement la concordance spatiale était forte, montrant que l’approche est robuste hors des tests contrôlés.

Des cartes souterraines plus nettes pour des décisions plus sûres

En termes simples, cette étude montre comment combiner une recherche de large portée avec un réglage fin, et ajuster la douceur de l’image au fur et à mesure qu’elle se précise, peut produire des cartes 3D plus nettes et plus fiables de ce qui se trouve sous la surface. Pour les planificateurs, les exploitants miniers et les ingénieurs environnementaux, cela signifie de meilleures chances de repérer des structures cachées, d’éviter des dangers et d’utiliser l’espace souterrain judicieusement, le tout à partir de mesures prises au niveau du sol.

Citation: 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

Mots-clés: électromagnétique transitoire, inversion 3D, imagerie géophysique, algorithme d’optimisation, structures souterraines