El método electromagnético transitorio (TEM) es una técnica sin contacto utilizada para identificar estructuras subterráneas, comúnmente utilizada en la exploración de recursos minerales. Sin embargo, la polarización inducida (IP) aumentará la no linealidad de la inversión TEM, y es difícil predecir la estructura geoeléctrica a partir de las señales de respuesta TEM en la inversión de gradiente convencional. Se selecciona un algoritmo heurístico adecuado para la inversión no lineal, un algoritmo de optimización de ballenas, para realizar la inversión TEM con efecto IP. El marco inverso se optimiza mediante aprendizaje basado en oposición (OBL) y un factor ponderado adaptativo (AWF). OBL mejora la distribución de la población inicial para una mejor búsqueda global, mientras que el AWF reemplaza operadores aleatorios para equilibrar la búsqueda global y local, mejorando la precisión de la solución y asegurando una convergencia estable. Las pruebas en modelos geoeléctricos estratificados demuestran que nuestra WOA mejorada reconstruye efectivamente estructuras geoeléctricas, extrae información de IP y se desempeña de manera robusta en entornos ruidosos. En comparación con otros métodos de inversión no lineal, nuestro enfoque propuesto muestra una convergencia y precisión superiores, extrayendo efectivamente información de IP de las señales TEM, con un error de menos del 8%.