我国是一个淡水资源短缺的国家,人均淡水资源仅为世界平均水平的1/4。为了解决淡水资源短缺的问题,近年来,一种非侵入探水技术-地面磁共振探水技术（Surface Nuclear Magnetic Resonance,SNMR）,广泛应用于我国干旱缺水地区的地下水勘探工作。但由于传统的磁共振数据反演方法易受初始模型的影响,容易陷入局部最优解,难以评估反演结果的可靠性等问题,制约了核磁共振探水技术的发展。为了解决这些问题,本文首先研究了基于定维马尔科夫链蒙特卡洛（Markov Chain Monte Carlo,MCMC）算法的地面磁共振数据反演方法,该方法将反演层数预设为固定值,从概率统计学的角度出发,将各反演参数视为随机变量,在各参数空间内随机变化。本文基于贝叶斯原理,推导出后验概率分布函数表达式,通过生成马尔科夫链对整个模型空间进行搜索,从建议分布中产生候选模型,并根据接受概率完成对候选模型的筛选。通过MCMC反演方法可以产生大量满足数据误差精度的样本,对样本进行概率统计分析,可以得到各反演参数的最大概率值和不确定度信息。由于算法使用的目标函数不是单一最优解函数,反演过程可以跳出局部最优解,在反演的过程中,候选模型的选取仅与当前模型相关,因此反演结果不依赖于初始模型的选择。但是由于实际地质情况的复杂性,地下含水模型的层数先验信息难以直接获取,因此定维MCMC难以获取准确的反演结果。在此基础上对反演方法进行改进,研究了优化变维MCMC反演方法,在反演过程中,通过采样步长优化以及将层数作为未知参数带入到反演过程中,提高了MCMC反演方法的精度和计算效率。主要研究工作包括:研究了磁共振地下水探测技术基本原理,介绍了磁共振正演方法,推导了磁共振感应信号计算公式,详细介绍了氢质子在激发电流下的宏观磁化强度的变化过程。此外,利用有限元物理场仿真软件Comsol Multiphysics对地下空间进行剖分,求解地下三维空间磁场强度分布,计算出正反演所需的灵敏度核函数。研究了MCMC反演方法基本原理,推导了反演结果的后验概率分布函数表达式,基于贝叶斯定理,详细介绍了先验分布和似然函数的概念,定义了马尔科夫链的更新方式,讨论了几种常见的候选模型采样方式,推导了模型接受概率计算公式,验证了算法的收敛性。传统MCMC反演方法存在精度不高,反演效率低等问题,严重制约了MCMC方法在反演问题中的发展,本文针对反演精度和效率等问题,研究了优化的变维MCMC反演方法。在传统MCMC反演方法的基础上,通过调整建议分布,进行步长变换,即在候选模型与真实模型间距离的不同调整搜索步长,当距离真值较远时加大采样步长,当接近真值附近时缩小步长,有效提高了MCMC反演方法的计算精度和效率。考虑到地质情况的复杂程度,研究了变维MCMC反演方法的基本原理,将分层数视为随机变量,随各反演参数随机变化,进一步提高了该反演方法的计算精度。设计了两组理论含水体模型,分别采用确定性反演方法（遗传算法）、定维MCMC反演方法和变维MCMC反演方法对理论数据进行数据解释,验证了变维MCMC方法的优越性。利用长春市烧锅镇采集到的磁共振实测数据,分别采用传统定维MCMC和变维MCMC反演方法进行数据解释并与实际地质资料进行一致性对比,进一步验证了变维MCMC反演方法的实用性。综上所述,本文完成了基于变维MCMC算法的磁共振反演方法研究,通过理论仿真数据和实测数据反演解释,验证了该反演方法在提高反演精度和效率、评估反演结果的可靠性方面的优越性和实用性,对磁共振地下水勘探的应用和发展具有重要意义。