王 新，白宁波，周君君，王玉喜

(1.河南理工大学 物理与电子信息学院，河南 焦作 454000；2.中国地质大学(武汉)地球物理与空间信息学院，湖北 武汉 430074； 3.河南景惠科技有限公司，河南 郑州 450002)

0 引 言

大地电磁测深(Magnetotelluric，MT)是一种发展较早的地球物理勘探方法，该方法利用天然的电磁场作为场源进行研究地球内部的电性结构，如今已广泛应用于固体矿产的勘察、石油天然气的勘探等各个领域[1-2]。大地电磁反演是大地电磁测深的关键步骤之一，而反演算法的优劣将直接影响最后的解释结果。目前，大地电磁反演算法可分为线性算法和非线性算法，这2种算法的区别在于是否对目标函数进行线性化处理[3]。一维典型的线性反演算法包含Occam法，马夸特法(Marquart)，正则化方法等[4-6]。但是反演问题本身存在非线性、不适定性和解的非一性等问题，因此线性化反演算法容易使反演陷入局部极小值，并且线性算法反演是否成功还依赖于对初始模型的选择。为了克服线性算法的缺陷，一些学者将遗传算法[7]、模拟退火法[8]、粒子群算法[9]、差分进化算法[10-11]、人工鱼群算法[12]、神经网络[13]和一些改进的群智能算法[14-17]引入大地电磁的反演之中，并取得较好的效果。

目前，单一非线性算法针对大地电磁进行反演时仍然存在收敛速度慢，求值精度低，尤其是随着反演层数的增多，会导致反演的维度增加，这使得单一的非线性算法很难满足反演精度和效率的需求。相关学者已经结合其他算法对单一的非线性智能算法进行改进并应用到反演中[18-20]。……