基于改进麻雀搜索算法(ILHSSA)的地震断层几何参数反演研究

针对地震源参数非线性反演精度不足的问题，本研究提出基于拉丁超立方采样和Levy飞行策略的改进麻雀搜索算法(ILHSSA)。通过模拟地震和2017年土耳其博德鲁姆地震、2016年意大利阿马特里切地震案例验证，ILHSSA在收敛速度、稳定性和参数反演精度上均优于传统麻雀算法(SSA)和遗传算法(GA)，为地壳形变数据解析提供了新工具。

　　

地震灾害的精确预测一直是地球科学领域的重大挑战，而震源参数的准确反演是理解地震机制的关键。随着大地测量形变数据精度的持续提升，传统线性反演方法在应对Okada模型（弹性半空间矩形位错模型）的高度非线性特性时显得力不从心。现有方法如贝叶斯框架计算量大，遗传算法(GA)参数设置主观性强，而经典麻雀搜索算法(SSA)存在种群初始化随机性高、易陷入局部最优等问题。如何突破这些技术瓶颈，建立高效稳定的震源参数反演方法，成为国际地震学研究的前沿课题。

针对这一难题，中国地震局某研究团队在《Geodesy and Geodynamics》发表研究，提出基于拉丁超立方采样和改进权重策略的麻雀搜索算法(ILHSSA)。该研究通过三阶段技术创新：首先采用拉丁超立方采样(LHS)优化种群初始化，减少样本重复；其次在发现者位置更新阶段引入余弦自适应权重；最后整合Levy飞行策略增强全局搜索能力。研究通过两组模拟地震（逆冲型与左旋走滑型）对比ILHSSA、SSA和GA的性能，并应用于2017年土耳其博德鲁姆-科斯地震和2016年意大利阿马特里切地震的真实数据反演。

关键技术方法包括：1）构建基于Okada模型的非线性反演目标函数，以均方根误差(RMS)为评价指标；2）采用蒙特卡洛方法评估参数反演精度；3）设计自适应权重函数w(t)=cos(π/2·(1-t/T))动态调整搜索范围；4）通过Levy飞行步长公式l=0.01(x_i
(t)-x_p
)实现变异操作。

研究结果部分显示：
2.1 震源参数反演建模
建立形变观测d与震源参数x的非线性关系d=G(x)+e，验证了ILHSSA在RMS误差最小化上的优越性。

2.2 原始麻雀算法改进
通过LHS初始化使种群分布均匀性提升35.23%，结合自适应权重使角度参数2-范数降低47.75%，显著改善SSA的随机性问题。

3. 模拟案例研究
在逆冲型地震场景中，ILHSSA距离参数2-范数(0.021)较SSA(0.088)降低76.14%；在走滑型地震中，其反演速度较GA提升45%，且底部深度等参数更接近真实值。

4. 实际地震应用
对土耳其博德鲁姆地震的反演显示，ILHSSA获得的倾角(37.32°)与滑动量(1.87 m)误差仅0.0232，参数中误差比GA低1个数量级；在意大利地震案例中，其滑动角(-68.74°)与USGS结果偏差<5°，且100次反演结果的单峰分布证明其稳定性。

该研究通过智能算法创新解决了震源参数反演中的三大核心问题：1）LHS有效克服种群初始化随机性；2）自适应权重平衡全局与局部搜索；3）Levy飞行机制避免早熟收敛。实验表明ILHSSA在保持GA精度的同时，将计算效率提升50%以上，尤其对走滑型地震的深度参数反演误差控制在0.07 km内。这些突破为复杂地质构造下的地震危险性评估提供了新方法，其算法框架亦可拓展至其他地球物理反演领域。值得注意的是，研究同时指出当前模型对单一均匀断层的局限性，未来需进一步研究适用于分层介质和多断层系统的改进版本。