瞬态流体过程ERT监测的优化实验设计策略：数据驱动、模型驱动与混合方法比较

《Geophysical Journal International》：Optimized experimental design strategies for ERT monitoring of transient flow processes

本文推荐一项针对地下瞬态流体运移过程监测优化的研究。为解决传统电法勘探在动态过程监测中数据冗余和分辨率不足的问题，研究人员基于Compare-R算法开发了数据驱动、模型驱动和混合三种优化实验设计（OED）策略。通过合成模拟实验，研究发现模型驱动方法能精准定位流体影响区域，数据驱动方法易受监测间隔和流速影响产生空间延迟，而混合方法通过迭代校正水文参数有效降低了模型不确定性。该研究为地下污染物迁移、CO2封存等环境监测提供了高效、自适应的地球物理监测方案。

　　

随着工业发展和人类活动加剧，地下水和土壤中污染物迁移、CO₂封存等环境问题日益突出。准确追踪地下流体动态过程对环境保护和灾害预防至关重要。传统监测手段如钻孔取样虽能提供点状数据，但难以捕捉大范围、快速变化的流体运移特征。地球物理方法中的电阻率层析成像（ERT）因对流体含量和温度变化高度敏感，成为监测地下动态过程的有力工具。然而，ERT监测面临两大挑战：一是传统测量方案数据冗余度高，导致采集成本高昂；二是动态过程如示踪剂运移或污染物扩散具有时空演化特性，静态优化策略难以适应快速变化的目标区域。为此，德国亚琛大学和不来梅大学的研究团队在《Geophysical Journal International》发表论文，系统提出了三种优化实验设计（OED）策略，旨在通过智能数据采集提升ERT监测的效率和精度。

研究团队基于Compare-R算法框架，开发了数据驱动、模型驱动和混合三种OED方法。数据驱动方法依赖前一时刻反演结果生成聚焦掩膜；模型驱动方法利用水文传输模拟预测流体影响区域；混合方法则结合二者优势，通过迭代比较实测与模拟数据校正水文参数。关键技术包括分辨率矩阵优化、Sherman-Morrison秩1更新算法计算配置增益、基于Archie公式的电阻率与浓度耦合模型，以及有限体积法求解对流-弥散方程。合成实验采用二维含水层模型，设置均质、三层结构和含断层三种地质场景，通过改变水力传导率（K）模拟参数不确定性，以皮尔逊系数定量评估反演模型精度。

合成模拟结果验证OED策略有效性

在均质背景模型中，模型驱动方法在首次监测时即实现精准聚焦（目标区皮尔逊系数0.898），优于数据驱动方法（0.850）。当监测间隔增至200小时，数据驱动方法因空间延迟导致目标区分辨率下降5%（图10）。模型驱动方法通过概率加权掩膜（公式18）有效缓解了水文参数不确定性的影响。

混合方法显著提升参数反演精度

针对水文参数误设 scenario（如真实K=6.5×10^?4m/s，模型假设K=1.0×10^?3m/s），混合方法通过最小化实测与模拟数据均方根误差（公式19），在首次监测后即识别出真实K值（图7）。校正后目标区皮尔逊系数提升至0.969，较未校正模型驱动方法提高9%（表2）。

复杂地质结构下OED适应性验证

在三层模型和含断层模型中，模型驱动方法始终保持较高分辨率（目标区皮尔逊系数0.78–0.835），而标准双极-双极方案因边界灵敏度不足，系数最低仅0.58（表3）。混合方法在断层导致水力传导率突变时，通过自适应调整K值（从1.0×10^?3至8.5×10^?4m/s），使第三阶段目标区分辨率提升至0.860（表4）。

研究结论表明，数据驱动方法适用于慢速运移过程，但受监测间隔和流速限制易产生空间延迟；模型驱动方法在先验信息充足时能实现高效聚焦，且无需实时数据反演；混合方法通过迭代校正水文模型，在参数不确定性场景下表现最优。三种策略计算成本可控（单次优化≤6分钟），为野外实时监测提供了实用工具。该研究通过模块化设计拓展了OED在动态过程监测中的应用边界，未来可通过实验室与野外实验进一步验证其在非饱和流、异质介质等复杂场景下的稳定性。