非线性反演算法的综合评价对比
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 algo-rithm,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3.982 0和11.398 8均大于NNA综合评价值3.613 1.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11.656 2远远大于NNA和GA的综合评价值3.625 4和4.060 4.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.
模拟退火算法、基因遗传算法、神经网络算法、非线性反演、综合评价对比
47
P223(大地测量学)
国家自然科学基金;国家自然科学基金;国家自然科学基金;江西省自然科学基金
2022-04-20（万方平台首次上网日期，不代表论文的发表时间）
共11页
341-351
