Een 3D-inversiemethode voor TEM die PSO-NLCG-optimalisatie combineert met adaptieve regularisatie

Verborgen structuren onder onze voeten zichtbaar maken

Veel van de hulpbronnen en gevaren die voor het moderne leven van belang zijn liggen onder de grond buiten ons zicht. Ingenieurs willen oude mijnwerkingen lokaliseren voordat ze bouwen, waterbeheerders moeten aquifers in kaart brengen en geologen zoeken naar metalen ertsen. Deze studie presenteert een slimmere manier om oppervlaktemetingen van kortstondige elektromagnetische signalen om te zetten in heldere driedimensionale beelden van wat zich beneden bevindt, met als doel zulke onderzoeken nauwkeuriger, stabieler en bruikbaarder te maken in echte projecten.

Luisteren naar vervagende signalen in de bodem

Het werk richt zich op de transiënte elektromagnetische methode, waarbij een lus van draad op het oppervlak een korte stroompuls de grond in stuurt en vervolgens luistert terwijl het resulterende elektromagnetische veld wegsterft. Veranderingen in de vervalkromme dragen aanwijzingen over hoe goed verschillende lagen en lichamen elektriciteit geleiden, wat weer verband houdt met gesteentetype, watergehalte of holtes. Het omzetten van deze lawaaierige, kortstondige signalen in een 3D-kaart is moeilijk omdat veel verschillende ondergrondse configuraties dezelfde data kunnen verklaren, en de metingen vaak verontreinigd zijn door hoogspanningslijnen en andere storingen.

Balanceren van gegevensfit en een aannemelijk ondergronds beeld

Om dit aan te pakken presenteren de auteurs het probleem als een optimalisatietaak: vind een 3D-verdeling van elektrische eigenschappen die de waargenomen signalen het beste reproduceert en tegelijkertijd geologisch redelijk blijft. Ze meten hoe goed een voorgesteld model bij de data past en voegen een tweede term toe die vloeiende, niet te hoekige structuren beloont. Een belangrijke vooruitgang is dat dit gladmakende gewicht niet vaststaat. Aanvankelijk is het sterk, wat helpt de oplossing stabiel te houden ondanks ruis. Naarmate de berekening vordert wordt het geleidelijk versoepeld zodat het model de vormen en grenzen van echte ondergrondse kenmerken kan verscherpen in plaats van deze te sterk te vervagen.

Combineren van brede verkenning met fijne afstemming

Het tweede ingrediënt is een hybride zoekstrategie die twee typen numerieke methoden mengt. Particle swarm-optimisatie bootst een zwerm eenvoudige verkenners na die veel verschillende ondergrondse modellen over een breed bereik testen, wat helpt te voorkomen dat men vastloopt in een slecht lokaal optimum. Zodra deze globale zoektocht zich op een veelbelovende regio heeft geconcentreerd, neemt een niet-lineaire geassocieerde gradientmethode (nonlinear conjugate gradient) het werk over om het model efficiënt te verfijnen met behulp van lokale informatie over hellingen. De auteurs voegen ook grenzen toe om modelwaarden binnen realistische limieten te houden en stopregels die voorkomen dat rekentijd wordt verspeeld zodra verbeteringen verwaarloosbaar worden.

Testen op benchmarks en synthetische ondergrondmodellen

Het team controleerde hun hybride aanpak eerst met een reeks standaard wiskundige testfuncties die veel gebruikt worden om optimalisatie-algoritmen te vergelijken. Over zowel eenvoudige als zeer onregelmatige landschappen bereikte hun gecombineerde methode consequent waarden dichter bij het theoretische optimum dan ofwel swarm- of gradientmethoden alleen, terwijl de uitvoeringstijd slechts licht boven die van snellere maar minder nauwkeurige schema's lag. Daarna pasten ze de techniek toe op door de computer gegenereerde ondergrondscenario's met een of meer plaatvormige lichamen met andere conductiviteiten dan hun omgeving, waarbij realistische ruis aan de gesimuleerde metingen werd toegevoegd. In deze tests verstoorden conventionele methoden ofwel de vormen, smeerden ze de grenzen uit of plaatsten ze de doelen verkeerd, terwijl de nieuwe aanpak omvang, diepte en positie veel getrouwer herstelde.

De waarde aantonen met gegevens van een echte bouwlocatie

Tot slot gebruikten de auteurs hun methode op veldgegevens van een bouwterrein met bekende ondergrondse goafgebieden achtergelaten door vroegere mijnbouw. Meetlijnen en dieptesneden geproduceerd door de nieuwe inversie sloten goed aan bij de locaties en dieptebereiken van de meeste bekende holtes. In gebieden waar twee anomalieën heel dicht bij elkaar lagen, fuseerde de methode ze, maar over het geheel genomen was de ruimtelijke overeenkomst sterk, wat laat zien dat de aanpak robuust is buiten gecontroleerde tests.

Duidelijkere ondergrondkaarten voor veiligere beslissingen

In eenvoudige bewoordingen toont deze studie aan hoe het combineren van een breed zoekbereik met zorgvuldige fijnstelling, en het aanpassen van de gladheid van het beeld terwijl het verscherpt, kan leiden tot helderdere, betrouwbaardere 3D-kaarten van wat zich onder het oppervlak bevindt. Voor planners, mijnwerkers en milieutechnici betekent dat betere kansen om verborgen structuren te vinden, gevaren te vermijden en ondergrondse ruimte verstandig te gebruiken, allemaal op basis van metingen die op het maaiveld zijn gedaan.

Bronvermelding: 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

Trefwoorden: transiënte elektromagnetica, 3D-inversie, geofysische beeldvorming, optimalisatie-algoritme, ondergrondse structuren