摘要
大地电磁反演作为一种广受欢迎的地球物理勘探手段，在油气田勘探、地热资源调
查以及地震预测等领域展现出了卓越的性能，同时它也是探索地球深部结构的关键工具。
目前，存在多种一维反演方法，例如马夸特方法和广义逆矩阵法等，这些方法均属于线
性或局部线性的范畴。然而，由于大地电磁反演方法存在多解性，这些方法对初始模型
的依赖性较强，且易陷入局部最优解。虽然传统的全局随机搜索算法在一定程度上能够
避免局部反演的缺点，但由于效率低下，很少被采用。为了解决这个问题，本文引入了
约束随机粒子群优化算法及基于约束随机粒子群优化算法的BP神经网络，用于对一维
地电模型进行大地电磁反演。本文主要的研究工作包括：
(1)提出约束随机粒子群优化算法，并且将其应用在大地电磁反演中
本文提出约束随机粒子群优化算法，该算法通过设计全局因子和引入随机扰动，动
态权衡全局最优与局部最优的影响，提高了跳出局部最优陷阱的概率。另外，它直接确
定粒子更新的步长和方向，减少了参数量。同时，该算法还将搜索空间边界设置为反射
面，当粒子碰撞到空间边界时，就产生反射作用，让粒子反弹回原位置，使得粒子更加
丰富。最后，算法将更新的子粒子群和原生的母粒子群进行混合和筛选，使用获得的新
母粒子群进行下一次搜寻，增强了搜索能力。数值实验表明，相较鲸鱼优化算法和标准
粒子群优化算法，该算法在跳出局部最优解和抗噪性方面有显著提升，并能够有效地对
两层D型地电模型、三层K型地电模型和四层KH型地电模型进行一维大地电磁反演。
(2)提出改进的BP神经网络，并且将其应用在大地电磁反演中
BP神经网络反演方法具有不依赖于初始模型、无需计算雅可比矩阵和反演过程中
无需正演计算的特点，适用范围十分广泛。本文将BP神经网络与约束随机粒子群优化
算法结合起来，通过约束随机粒子群优化算法优化搜索训练神经网络的权值和阈值，再
利用得到的网络参数进行下一步的反演。数值实验表明，基于约束随机粒子群优化算法
的BP神经网络在大地电磁反演中表现出色。
关键词：大地电磁反演；约束随机粒子群优化算法；BP神经网络
I
Abstract
Themagnetotelluricinversion,awidelyutilizedgeophysicalexplorationmethod,has
demonstratedexceptionalperformanceinfieldssuchasoilandgasexploration,geothermal
resourceinvestigation,andearthquakeprediction.Italsoservesasacriticaltoolforprobingthe
Earthsdeepstructure.Currently,thereareseveralone-dimensionalinversionmethods,suchas
theMarquardtmethodandgeneralizedinversematrixmethod,whichfallunderlinearorlocally
linearapproaches.However,duetothenon-uniquenessofmagnetotelluricinversionmethods,
thesemethodsarehighlydependentontheinitialmodelandarepronetobecomingtrappedin
localoptima.Althoughtraditionalglobalstochasticsearchalgorithmscanavoidthedrawbacks
oflocalinversiontosomeextent,theyarerarelyusedduetotheirinefficiency.Tosolvethis
problem,thisthesisintroducesconstrainedsto