1. Res2DInv 工程数据导入与测线拓扑检查

为什么先做拓扑检查再反演

Res2DInv 的反演网格是按“测线位置—电极间距—排列类型”三者共同建立的。如果导入的数据里电极间距不一致、测点序号跳号，或者某条排列的电极坐标与相邻排列对不上，反演程序不会报错，而是把这些点当作真实的地电异常去拟合，最终在剖面上形成假的“高阻/低阻竖条”。因此导入后的第一件事不是点反演，而是把测线拓扑核对清楚。

本例使用一条 24 电极、电极间距 5 m 的温纳剖面作为教学示例数据（示例数据，非实测），测线沿 x 方向布设，电极编号 1~24，对应桩号 0~115 m。数据文件采用 Res2DInv 通用 DAT 格式：第一行为排列类型与电极数，随后每行是“测点位置序号、电极距系数 n、视电阻率”。

导入前的数据准备与格式约定

Res2DInv 的 DAT 文件对字段位置敏感，导入前先确认三件事：排列类型代码、电极总数、每行的四个字段顺序。温纳排列的通用写法如下（示例数据）：

1
24
1  1  0.0  128.4
2  1  5.0  131.7
3  1  10.0 126.9
...
1  2  2.5  142.3
2  2  7.5  139.8
...

字段含义依次为：测点序号、电极距系数 n、测点中心桩号（m）、视电阻率（Ω·m）。注意第三列是“测点中心位置”，温纳排列中它等于当前四电极组的中心桩号，而不是第一个电极的桩号。这一点在检查拓扑连续性时最容易出错。

测线拓扑检查的三个判据

• 电极间距一致性：同一 n 值下，相邻测点中心桩号之差应恒等于电极间距 a（本例 5 m）。若出现 4.8、5.2 之类的偏差，说明野外电极实际位置与记录不符。
• 测点连续性：同一 n 值下的测点序号应连续，缺号意味着该位置数据缺失，需在 DAT 中补占位行或明确标记。
• 排列覆盖范围：n 越大，参与电极跨度越大，可用的测点中心越少。检查每个 n 的测点数量是否符合 (N - 3n) 的预期，本例 N=24，n=1 应有 21 个测点，n=2 应有 18 个，依此类推。

用脚本完成批量核对

手工核对 24 电极、3 个 n 层的数据容易漏项，下面这段 Python 脚本直接读取 DAT 文件，按 n 分组检查间距、序号连续性和测点数量，并输出异常清单。脚本只依赖标准库，可直接运行。

import csv

A = 5.0          # 电极间距 (m)
N_ELECTRODES = 24

def load_dat(path):
    rows = []
    with open(path, newline='') as f:
        lines = [ln.strip() for ln in f if ln.strip()]
    # 第 1 行排列类型，第 2 行电极数，之后为数据
    for ln in lines[2:]:
        parts = ln.split()
        if len(parts) < 4:
            continue
        idx, n, center, rho = int(parts[0]), int(parts[1]), float(parts[2]), parts[3]
        rows.append({"idx": idx, "n": n, "center": center, "rho": rho})
    return rows

def check_topology(rows):
    issues = []
    by_n = {}
    for r in rows:
        by_n.setdefault(r["n"], []).append(r)

    for n, pts in sorted(by_n.items()):
        pts.sort(key=lambda p: p["idx"])
        expected = N_ELECTRODES - 3 * n
        if len(pts) != expected:
            issues.append(f"n={n}: 测点数 {len(pts)}，预期 {expected}")

        # 序号连续性
        for i in range(1, len(pts)):
            if pts[i]["idx"] != pts[i-1]["idx"] + 1:
                issues.append(f"n={n}: 序号跳号 {pts[i-1]['idx']} -> {pts[i]['idx']}")

        # 间距一致性
        for i in range(1, len(pts)):
            d = pts[i]["center"] - pts[i-1]["center"]
            if abs(d - A) > 1e-6:
                issues.append(f"n={n}: 第 {pts[i]['idx']} 点间距 {d:.2f} m，应为 {A} m")

        # 空值
        for p in pts:
            if p["rho"] in ("", "-", "NaN"):
                issues.append(f"n={n}: 第 {p['idx']} 点视电阻率缺失")

    return issues

if __name__ == "__main__":
    data = load_dat("line01.dat")
    problems = check_topology(data)
    if problems:
        print("发现异常：")
        for p in problems:
            print(" -", p)
    else:
        print("拓扑检查通过，可进入反演。")

脚本输出的异常清单就是“异常测点记录表”的原始内容。对每条异常，按下面的处理原则决定是修正、补占位还是剔除：

输出可反演的数据文件

修正完成后，把处理结果写回 DAT 文件。注意 Res2DInv 对空值的容忍度有限，缺失点建议用占位行保留位置，而不是直接删行——删行会让后续测点序号整体前移，反演网格随之错位。下面是在同一脚本中追加的写出函数：

def write_dat(path, rows, arr_type=1, n_electrodes=24):
    with open(path, "w") as f:
        f.write(f"{arr_type}\n{n_electrodes}\n")
        for r in sorted(rows, key=lambda x: (x["n"], x["idx"])):
            rho = r["rho"] if r["rho"] not in ("", "-", "NaN") else ""
            f.write(f"{r['idx']}  {r['n']}  {r['center']:.1f}  {rho}\n")

写出后重新运行 check_topology，确认异常清单为空或只剩已标记的可疑点，即可把该 DAT 文件作为反演输入。同时把异常测点整理成一张记录表，随数据一起归档，便于后续反演结果出现异常时回溯。