重金属污染场地复电阻率三维动态监测、协同反演与智能预测

At present, due to the increasingly severe heavy metal contamination in China, exploring new methods and technology of geophysical dynamic monitoring has became one of the hot issues of the current environmental geophysics research. Complex resistivity method has great development and application prospect in dynamic monitoring heavy metal contamination for its advantages of multi-parametric measurement and large amount of measuring information. This topic focuses on heavy metal contaminated sites, explores complex resistivity 3-D dynamic monitoring methods and researches new thoeries and methods of high-dimensional model collaborative inversion and intelligent prediction of contamination abnormity. Including three levels: Firstly, we will develop the method of designing three dimensional dynamic monitoring network and quantitative evaluation of its effectiveness, in order to solve the problem of data redundancy and low observing efficiency; Secondly, we will research three-dimensional modeling method of continuous electric medium, explore the collaborative relationship of adjacent model space and the collaborative relationship of partial derivative matrix of adjacent model space with different emission frequency and monitoring time, construct the collaborative relationship matrix and obtain the compression storage method, advance collaborative inversion imaging method of high dimensional model; Thirdly, we will establish the mathematical relationship between spectral parameters and physical and mechanics parameters through physical simulation experiment, study the theories and methods of deep learning, obtain the effective deep neural network model, then realize intelligent prediction of contamination abnormity.

目前我国重金属污染的防治形势日益严峻，探索地球物理动态监测新方法与新技术是当前环境地球物理研究的热点问题之一。复电阻率法具有观测参数多、采集信息量大的优点，在重金属污染动态监测方面发展优势与应用前景巨大。本课题针对重金属污染场地，探索复电阻率三维动态监测新方法，深入研究高维模型协同反演与污染异常智能预测的相关理论和方法。拟从三个层次展开：首先研究三维动态监测网的设计方法及其有效性评价的定量方法，以解决观测效率低和数据冗余问题；其次研究连续电性介质的三维空间建模方法，探索不同发射频率、不同监测时间下相邻模型空间之间的协同关系以及相邻模型梯度之间的协同关系，构建协同关系矩阵并给出高效压缩存储方法，最终提出高维模型协同反演成像方法；最后通过物理模拟试验建立频谱参数与物理力学参数之间的数学关系模型，研究深度学习的相关理论与方法，给出有效的深度神经网络模型，实现污染异常的智能预测。

目前我国重金属污染的防治形势日益严峻，探索地球物理动态监测新方法与新技术是当前环境地球物理研究的热点问题之一。复电阻率法具有观测参数多、采集信息量大的优点，在重金属污染动态监测方面发展优势与应用前景巨大。本课题针对重金属污染场地，探索研究复电阻率三维动态监测新方法、高维模型协同反演与污染异常智能预测的相关理论和方法。对监测土壤重金属污染问题具有重要意义。 .本项目的主要研究内容有：三维动态监测网设计方法及其有效性定量评价方法，探索不同发射频率、不同监测时间下复电阻率监测数据高维模型协同反演成像方法，通过物理模拟试验建立频谱参数与物理力学参数之间的数学关系模型，借助深度神经网络模型实现污染异常的智能预测。本项目取得的成果主要包括以下方面：在三维动态监测方面，（1）提出了一系列适合于地表和井地三维阵列监测方法，给出了有效性定量评价方法，并试制了多通道分布式监测仪器。（2）研究了1D/2D/3D复电阻率正演模拟方法，开发了相应的可视化软件，并已用于本科生和研究生的实验教学。（3）研究了三维地球物理模型的建模方法及可视化方法，开发了高效的三维建模软件。（4）深入研究了复电阻率监测数据的三维反演成像理论与方法，开发了多功能人机交互建模与反演解释软件，可以用于土壤污染、矿山和油田复电阻探测和监测数据的定量解释，该系统已在生产实践中逐步投入使用。（5）系统研究了从复电阻率中提取Cole-Cole模型参数方法，包括递推反演法、模拟退火与单纯形法融合的全局混合反演法、遗传算法与鲍尔方向法融合的全局混合反演法等。（6）构建并线上训练了深度神经网络学习库，并用于物探异常识别。（7）开展了水槽模型、滑坡运移监测和实际场地渗漏监测实验，得到了一些有益的结论。.本项目经过四年的研究，达到了项目的预期目标，还有部分论文尚未见刊和外审中，相关研究工作仍在继续。 .在本项目的支撑下，出版专著2部，获教育部科技进步一等奖1项，有色优秀图书奖1项，发表期刊论文13篇，其中SCI检索4篇，申请发明专利10项，授权发明专利7项，软件著作权5项。培养研究生9人，获得硕士学位5人。