【地质】一维层状模型大地电磁测深 (MT) 和可控源音频大地电磁测深 (CSAMT) 正演计算研究附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥内容介绍

大地电磁测深（MT）和可控源音频大地电磁测深（CSAMT）是地质勘探领域中用于研究地下地质结构的核心电磁测深方法，正演计算作为两种方法的基础，是连接理论模型与实际勘探数据的关键纽带。本文以一维层状模型为研究对象，系统阐述MT与CSAMT正演计算的基本原理、数学推导过程、实现方法及数值模拟验证，对比两种方法在正演计算中的差异与适用场景，通过Python编程实现核心算法，分析不同地电参数对正演响应的影响，为实际地质勘探中数据反演解释、模型优化及方法选择提供理论支撑与技术参考。研究表明，MT正演基于天然场源，计算效率高、适用于深部探测；CSAMT正演依托人工可控场源，信号稳定性强、分辨率高，更适用于复杂地质条件下的中浅层勘探，两种方法的结合可实现地下不同深度地质结构的精准刻画。

关键词

一维层状模型；大地电磁测深（MT）；可控源音频大地电磁测深（CSAMT）；正演计算；数值模拟；视电阻率

1 引言

1.1 研究背景与意义

在地质勘探领域，地下地质结构的精准刻画是资源勘探、工程地质勘察、环境地质评价的核心前提，而电磁测深方法凭借探测深度大、分辨率高、对低阻层敏感、非破坏性等优势，成为研究地下电性结构的重要手段。其中，大地电磁测深（MT）依赖天然交变电磁场，无需人工场源，可实现深部地质结构的探测，广泛应用于油气、固体矿产、地热资源的深部找矿；可控源音频大地电磁测深（CSAMT）采用人工可控的音频频率电磁场作为场源，有效克服了天然场源信号弱、不稳定的缺陷，在中浅层地质勘探、复杂地质条件下的精细探测中具有显著优势。

正演计算是电磁测深方法的基础，其核心是根据已知的地下地质模型（如一维层状模型），通过电磁理论推导，计算出地表可观测的电磁响应参数（如视电阻率、相位），为实际勘探数据的反演解释提供理论依据和对比标准。一维层状模型作为地下地质结构的最简简化形式，假设地下介质由水平层状介质组成，每层介质的电性参数（电阻率、磁导率等）均匀分布，虽忽略横向非均质性，但高度契合沉积盆地、稳定克拉通等实际地质构造的垂向分层特征，是开展MT与CSAMT正演计算研究的理想载体，也是复杂二维、三维模型正演研究的基础。

目前，国内外学者已针对MT与CSAMT正演计算开展了大量研究，但在一维层状模型下，两种方法的正演原理对比、算法实现细节及响应特征差异仍需进一步系统梳理。本文通过系统推导MT与CSAMT在一维层状模型下的正演公式，实现核心算法的编程落地，开展数值模拟实验，分析地电参数对正演结果的影响，对比两种方法的优劣及适用场景，对提升电磁测深数据解释的准确性、推动电磁勘探技术的工程应用具有重要的理论意义和实用价值。

1.2 研究现状

国外对MT与CSAMT正演计算的研究起步较早，20世纪50年代，大地电磁测深的基本理论逐步建立，随后学者们提出了一维层状模型的解析解，奠定了正演计算的理论基础；20世纪70年代，CSAMT方法应运而生，人工场源的引入解决了天然场源的局限性，学者们围绕一维层状模型的正演原理、模式分解、数值计算等方面开展了深入研究，形成了较为成熟的正演算法。

国内学者在借鉴国外研究成果的基础上，结合我国地质构造特点，开展了针对性研究。目前，已开发出多种MT与CSAMT正演程序，涵盖Matlab、Python等多种编程语言，实现了一维层状模型正演计算的自动化、高效化，部分研究还引入了激发极化效应、线性滤波等技术，提升了正演计算的精度和适用性。但现有研究中，部分算法存在计算效率偏低、对复杂地电模型适应性不足等问题，且对两种方法正演响应的对比分析不够系统，难以满足实际勘探中多样化的需求，因此，开展一维层状模型下MT与CSAMT正演计算的系统研究具有重要的现实必要性。

1.3 研究内容与技术路线

本文的研究内容主要包括以下四个方面：（1）梳理MT与CSAMT正演计算的基本理论，推导一维层状模型下两种方法的正演公式；（2）基于Python编程语言，实现MT与CSAMT一维正演计算的核心算法，构建完整的正演计算流程；（3）开展数值模拟实验，分析电阻率、层厚、频率等参数对正演响应（视电阻率、相位）的影响；（4）对比MT与CSAMT正演计算的差异，总结两种方法的适用场景，为实际勘探中的方法选择提供参考。

技术路线：首先明确研究背景与意义，梳理国内外研究现状，确定研究内容与目标；其次，推导MT与CSAMT在一维层状模型下的正演公式，明确计算步骤；然后，基于Python实现正演算法，编写代码并进行调试；接着，设计不同的一维层状模型，开展数值模拟，分析参数影响规律；最后，对比两种方法的正演结果，总结差异与适用场景，完成研究总结与展望。

2 一维层状模型MT与CSAMT正演计算原理

2.1 基本假设与模型构建

本文采用一维水平层状地电模型，其基本假设如下：（1）地下介质由n层水平均匀介质组成，最底层为半无限均匀介质；（2）每层介质的电性参数（电阻率ρ、磁导率μ、介电常数ε）均为常数，且各向同性；（3）电磁场为稳态谐变场，角频率为ω=2πf（f为频率）；（4）MT方法采用平面波假设，电磁场垂直入射到地下介质；CSAMT方法采用人工电偶极子场源，假设场源与观测点距离足够远，可近似为平面波入射（远区场）。

模型参数定义：设模型总层数为n，第i层（i=1,2,...,n-1）的厚度为h_i（单位：m），电阻率为ρ_i（单位：Ω·m）；第n层为半无限介质，厚度趋于无穷大，电阻率为ρ_n（单位：Ω·m）；真空磁导率μ₀=4π×10⁻⁷ H/m，忽略介质的介电常数影响（低频条件下，位移电流可忽略）。

3 结论与展望

3.1 研究结论

本文以一维层状模型为研究对象，系统开展了MT与CSAMT正演计算的研究，通过理论推导、算法实现和数值模拟，得出以下结论：

（1）推导了MT与CSAMT在一维层状模型下的正演公式，明确了两种方法的计算步骤，MT基于天然场源和平面波假设，阻抗递推简单；CSAMT基于人工场源，需进行模式分解和汉克尔积分求解，计算过程更复杂。

（2）基于Python实现了MT与CSAMT一维正演计算的核心算法，编写的函数能够准确计算视电阻率和相位响应，通过均匀层、两层、三层模型的模拟验证，算法的正确性和可靠性得到确认。

（3）数值模拟结果表明，电阻率、层厚、频率对正演响应影响显著：低阻层对响应的影响更突出，层厚增大使频率转折点向低频移动，高频段反映浅层结构、低频段反映深层结构。

（4）MT与CSAMT正演计算各有优劣，MT适合深层探测、计算效率高，CSAMT适合中浅层精细探测、信号稳定性强，联合应用可实现地下不同深度地质结构的精准刻画。

3.2 研究展望

本文的研究的局限于一维层状模型，且忽略了介质的介电常数和激发极化效应的影响，未来可从以下方面开展进一步研究：

（1）拓展到二维、三维层状模型，考虑横向非均质性，完善MT与CSAMT正演算法，提升对复杂地质结构的适应性。

（2）引入介电常数和激发极化效应，优化正演公式和算法，提高正演计算的精度，使其更贴合实际地质条件。

（3）结合实际勘探数据，开展正演与反演的联合研究，优化反演算法，提升地质解释的准确性和效率。

（4）开发可视化正演计算软件，整合参数设置、正演计算、结果显示等功能，提升软件的实用性和易用性，为实际地质勘探提供更便捷的技术支持。

⛳️ 运行结果

🔗 参考文献

[1] 雷达,孟小红,王书民,等.复杂地形条件下的可控源音频大地电磁测深数据二维反演技术及应用效果[J].物探与化探, 2004, 28(4):4.DOI:10.3969/j.issn.1000-8918.2004.04.013.

[2] 周茂军,周玉冰.可控源音频大地电磁法(CSAMT)的近场效应和近场校正[J].国土资源, 1993(3):272-281.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

👇 关注我领取海量matlab电子书和数学建模资料

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP、置换流水车间调度问题PFSP、混合流水车间调度问题HFSP、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇