非线性反演算法的综合评价对比

摘要

结合蒙特卡罗方法的精度评定特点,提出了一种将偏差和中误差作为评价指标的综合评价公式。利用所提出的综合评价公式评价神经网络算法(neural network algorithm,NNA)、基因遗传算法(genetic algorithm,GA)和模拟退火算法(simulated annealing,SA)在火山复式位错模型(compound dislocation model,CDM)和地震Okada模型反演中的精度信息。实验结果表明,无论是基于CDM模型还是基于Okada模型,以上3种方法的参数估值差距较小,但不同方法的精度差别较大。使用所提方法对NNA、GA和SA进行精度计算,结果发现:在火山CDM模型中,采用GA和SA计算所得部分参数中误差较大,且GA和SA综合评价值3.9820和11.3988均大于NNA综合评价值3.6131。在Okada模型中,模拟退火算法所得中误差相对基因遗传算法和神经网络算法较高,且在芦山地震中,SA的综合评价值11.6562远远大于NNA和GA的综合评价值3.6254和4.0604。由实验结果可知,采用所提方法进行评定,NNA的精度信息较高,结果更具有说服性,GA次之,SA精度较低。