4、利用粒子群优化方法反演主动面波

利用粒子群优化方法反演主动面波

1. 引言

优化技术对工程科学的发展影响巨大。一般来说，优化算法可分为确定性算法和随机算法两类。确定性算法遵循严格的程序，其设计变量和函数的路径与值都是可重复的，像单纯形法这类传统经典算法就属于确定性算法。而随机算法则带有一定的随机性，通常可分为启发式和元启发式两种，不过它们的差异较小。元启发式算法是在启发式算法基础上的进一步发展，通常比简单的启发式算法表现更优，并且所有元启发式算法都会在随机化和局部搜索之间进行权衡。

粒子群优化（PSO）算法是一种全局优化方法，属于元启发式搜索算法。反演理论是一套有组织的数学技术，用于根据观测推断从数据中获取有关物理世界的有用信息。地球物理数据反演就是直接对这些数据进行操作，以生成引发这些数据的结构视图。解决反演问题关键的三个步骤为：
1. 系统参数化 ：找出一组能完全表征系统的最小模型参数。
2. 正演建模 ：发现物理定律，以便根据给定的模型参数值预测可观测参数的测量结果。
3. 反演建模 ：利用可观测参数的实际测量结果推断模型参数的实际值。

大多数地球物理反演方法基于线性化技术，以迭代方式估计模型参数，即使用局部优化算法修改用户定义的初始模型。但由于大多数地球物理反演问题是非线性的，具有非线性的失配函数，在应用局部优化方法时，解常常会陷入局部极小值，其成功与否取决于初始模型与“真实”全局最小解的接近程度。而全局优化算法能够产生不依赖于初始模型的解，更详细地探索模型空间，从而更有可能找到“真实”的全局最小解。

在地球物理调查中，PSO算法已有诸多重要