综合实训:从合成观测到位置、幅值和衰减反演
一个可运行的简化端到端实验:正演、噪声、变量投影、搜索、残差和留出数据检验。
展开本章阅读路线(8 节)
这次实验要独立回答什么
你会看到一条地面测线上的磁场数据,目标水平位置 x₀、深度 z、初始磁矩 m₀ 和时间常数 τ 都未知。任务是从多个位置和多个时间恢复它们,并说明噪声和观测窗口如何影响答案。实验使用固定竖直磁矩、单指数、均匀已知激励和自由空间接收的教学模型;它检验完整流程,但不代表真实任意目标的完整三维 PDE。
第一步:写出带单位的正演
目标位于 (x₀,0,−z),测点位于 (x,0,0),磁矩为 。由偶极传播,竖直场为
位置和深度用 m,时间和 τ 使用一致单位,m₀ 用 A·m²,B 转换成 nT 展示。m₀ 已表示关断磁矩幅值,因此模型不再额外乘一次体积或发射场。空间正负瓣是几何结果,不能在取对数前丢掉符号。
第二步:明确采样与噪声
浏览器使用31个位置和6个时间的瞬时 Bz 样值。固定随机种子生成独立高斯噪声,噪声标准差以无噪声数据峰值的百分比指定。它是受控合成实验,不含真实背景。每五个位置留出一个,其全部时间数据都不参加反演,用于独立位置预测检查。
时间窗口可以收缩,测线半宽也可改变。先预测:窄测线会加强深度与幅值耦合,短时间窗口会让衰减时间更难区分,然后再调节参数看是否如此。
第三步:把一个线性参数消去
令形状向量 是 m₀=1 时的全部训练数据,。在当前同方差噪声设定下,最优非负幅值为
于是每个候选 X 只需计算一条基准响应、点积和残差,外层搜索三个参数。不同数据误差时,把 a 和 d 先白化;若幅值允许带符号则取消非负截断。本实验方向固定为正 z,因此采用非负幅值。
第四步:分层网格搜索而非“神秘拟合”
先在明确范围内粗搜 x₀、z 与 logτ,再围绕当前最优点逐步缩小网格。每一个位置候选都重新求最优幅值。它比完整 PDE 反演简单,适合直接观察误差面;有限网格也意味着结果存在搜索精度,不能把最后几位当作统计精度。
目标函数为 。计算曲线使用真实训练数据而非生成参数;真实参数只用于页面上的误差比较。噪声种子改变后可重复整个实验,观察参数估计的波动。
第五步:用残差与留出预测评价结果
页面显示真值与估计值、训练 RMSE、留出位置 RMSE。若增加复杂度只改善训练残差而不改善留出预测,应怀疑过拟合或信息不足。此处留出数据仍来自同一简化模型,只验证内部流程与噪声泛化;实物评价还要用独立目标、背景和测量链。
最直观的曲线是第一个时间门的空间剖面,包含无噪声真值、加噪观测和拟合值。反演实际使用全部训练位置的六个时间,而非只使用这张显示曲线。所有图线可导出,完整多时刻数据可用实验中的数据导出按钮保存。
建议完成的四组实验
- 关闭噪声,保持默认窗口,检查是否能接近已知参数,理解网格精度留下的误差。
- 固定真值,逐步增加噪声并更换种子,记录参数误差,而不只看拟合曲线。
- 缩窄测线与时间窗口,观察不同参数组合怎样产生相似数据。
- 将实验正演替换成两个衰减模态或一个附加背景,再用单指数模型拟合,判断误差会留在残差中还是被参数吸收。这个扩展是进一步编程练习,当前交互不自动包含它。
练习与解析
1. 只保留测线中心的一个位置,深度与幅值能否唯一分开?
在 x=x₀ 时,Bz=μ₀m₀e⁻ᵗ/τ/(2πz³)。时间曲线主要约束 τ 和 m₀/z³,无法仅凭它分开 m₀ 与 z。空间剖面的变化才提供额外几何信息。
2. 已恢复 m₀ 与 τ,是否已经得到目标电导率和磁导率?
没有。本实验使用有效响应参数。要进入材料反演,还需明确几何、本构、实际激励和测量模型,并检查材料参数的可辨识性。
3. 想把本实验升级为真实多通道反演,下一步怎么组织?
把标量磁矩换成 C13/C23 的张量,把接收投影与发射场按真实几何加入,使用 C21 的波形和时间门,接入校准与协方差,再通过 C32–C37 的导数、优化和不确定性检验。每增加一项先用可控基准验证。
生成多位置、多时间的带噪偶极数据,用变量投影和分层网格搜索反演四个有效参数,并检查留出位置预测。
打开实验:正演到反演:位置、深度与衰减恢复 ↗参考文献与继续学习
- Haus & Melcher · Electromagnetic Fields and Energy教材:场、本构关系、准静态近似及磁扩散。由 MIT 提供英文全文。
- Smith & Morrison · Estimating equivalent dipole polarizabilities for the inductive response of isolated conductive bodies机构开放稿页面登记2002年;本地文件名标为2004。已读摘要;用于张量、独立激励与误差传播的研究背景,引用时区分版本。
- Boyd & Vandenberghe · Convex Optimization免费教材:最小二乘、正则化、约束与优化。非线性 UXO 反演并不因此自动成为凸问题。
- MIT 18.05 · Introduction to Probability and Statistics随机变量、条件概率、统计推断与区间估计;本科公开课。
外部链接需联网,部分论文全文需要机构访问。页面内容为原创教学解释;文献用于核对理论和进一步阅读。资源链接核对日期:2026-09-12。