Metoda inwersji 3D TEM łącząca optymalizację PSO-NLCG i adaptacyjną regularyzację

Widząc ukryte struktury pod naszymi stopami

Wiele zasobów i zagrożeń istotnych dla współczesnego życia znajduje się poza zasięgiem wzroku pod powierzchnią ziemi. Inżynierowie chcą odnaleźć stare wyrobiska przed budową, zarządcy wód muszą śledzić zbiorniki wodne, a geolodzy poszukują rud metali. To badanie przedstawia inteligentniejszy sposób przekształcania powierzchniowych pomiarów krótkotrwałych sygnałów elektromagnetycznych w wyraźne trójwymiarowe obrazy tego, co leży poniżej, z zamiarem uczynienia takich badań dokładniejszymi, bardziej stabilnymi i praktycznie użytecznymi.

Słuchając gasnących sygnałów w gruncie

Praca skupia się na metodzie elektromagnetycznej przejściowej (TEM), w której pętla przewodu na powierzchni wysyła krótki impuls prądu w głąb ziemi, a następnie mierzy, jak zanika wywołane pole elektromagnetyczne. Zmiany w krzywej zaniku niosą wskazówki o tym, jak dobrze różne warstwy i obiekty przewodzą prąd, co z kolei wiąże się z rodzajem skał, zawartością wody lub pustkami. Przekształcenie tych zaszumionych, krótkotrwałych sygnałów w mapę 3D jest trudne, ponieważ wiele różnych ułożeń podziemnych może pasować do tych samych danych, a pomiary często są zanieczyszczone przez linie energetyczne i inne zakłócenia.

Równoważenie dopasowania do danych i wiarygodnego obrazu podłoża

Aby to rozwiązać, autorzy sformułowali problem jako zadanie optymalizacyjne: znaleźć trójwymiarowy rozkład własności elektrycznych, który najlepiej odtwarza obserwowane sygnały, pozostając jednocześnie geologicznie wiarygodnym. Mierzą, jak dobrze proponowany model zgadza się z danymi, i dodają drugi składnik, który premiuje gładkie, a nie nadmiernie poszarpane struktury. Kluczowym postępem jest to, że waga tej gładkości nie jest stała. Początkowo jest silna, co pomaga utrzymać stabilność rozwiązania mimo szumu. W miarę postępu obliczeń jest stopniowo rozluźniana, aby model mógł wyostrzyć kształty i granice rzeczywistych cech podziemnych zamiast nadmiernie je wygładzać.

Łączenie szerokiego przeszukiwania z precyzyjnym dopracowaniem

Drugim składnikiem jest hybrydowa strategia poszukiwań łącząca dwa rodzaje metod numerycznych. Optymalizacja rojem cząstek (PSO) imituje stado prostych odkrywców testujących wiele różnych modeli podziemnych w szerokim zakresie, co pomaga uniknąć utknięcia w słabym rozwiązaniu lokalnym. Gdy to globalne przeszukiwanie zawęzi obiecujący obszar, nieliniowa metoda sprzężonych gradientów (NLCG) przejmuje zadanie, aby efektywnie dopracować model z użyciem lokalnych informacji o nachyleniu. Autorzy uwzględniają też ograniczenia trzymające wartości modelu w realistycznych granicach oraz kryteria stopu, które zapobiegają marnowaniu obliczeń, gdy poprawy stają się znikome.

Testy na benchmarkach i syntetycznych modelach gruntu

Zespół najpierw sprawdził podejście hybrydowe na zestawie standardowych funkcji testowych powszechnie używanych do porównywania algorytmów optymalizacji. Zarówno w prostych, jak i wysoce nieregularnych krajobrazach, ich złożona metoda konsekwentnie osiągała wartości bliższe teoretycznie najlepszym niż sama metoda roju czy same metody gradientowe, przy czym czas pracy był tylko nieznacznie wyższy niż w szybszych, lecz mniej dokładnych schematach. Następnie zastosowali technikę do komputerowo wygenerowanych scenariuszy podziemnych zawierających jedną lub więcej płytowych brył o przewodnikowości różnej od otoczenia, dodając realistyczny szum do symulowanych pomiarów. W tych testach konwencjonalne metody zniekształcały kształty, rozmazywały granice lub błędnie lokalizowały cele, podczas gdy nowe podejście wierniej odtwarzało rozmiar, głębokość i położenie.

Dowód wartości na danych z rzeczywistej budowy

Na koniec autorzy zastosowali swoją metodę do danych terenowych z placu budowy z dobrze znanymi obszarami wyrobisk pozostawionych przez wcześniejszą eksploatację górniczą. Linie pomiarowe i przekroje głębokości wygenerowane przez nową inwersję dobrze pokrywały się z lokalizacjami i zakresami głębokości większości znanych pustek. W rejonach, gdzie dwie anomalie leżały bardzo blisko siebie, metoda je złączyła, lecz ogólnie dopasowanie przestrzenne było silne, co pokazuje, że podejście jest odporne poza kontrolowanymi testami.

Wyraźniejsze mapy podłoża dla bezpieczniejszych decyzji

Mówiąc prościej, badanie pokazuje, że połączenie szerokiego przeszukiwania z ostrożnym dopracowaniem oraz regulacja gładkości obrazu w miarę jego wyostrzania może dać wyraźniejsze, bardziej wiarygodne mapy 3D tego, co leży pod powierzchnią. Dla planistów, górników i inżynierów środowiskowych oznacza to większe szanse na odnalezienie ukrytych struktur, unikanie zagrożeń i rozsądne wykorzystanie przestrzeni podziemnej, wszystko w oparciu o pomiary wykonane na poziomie gruntu.

Cytowanie: 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

Słowa kluczowe: elektromagnetyczne przejściowe, inwersja 3D, obrazowanie geofizyczne, algorytm optymalizacji, struktury podziemne