Abstract Most of the geophysical inverse problems in geophysical exploration consist in detecting, locating and outlining the shape of geophysical anomalous bodies imbedded into a quasi-homogeneous background by analyzing their effect in the geophysical signature. The inversion algorithm that is currently used creates a very fine mesh in the model space to approximate the shapes and the values of the anomalous bodies and the geophysical structure of the geological background. This approach results in discrete inverse problems with a huge uncertainty space, and the common way of stabilizing the inversion consists in introducing a reference model (through prior information) to define the set of correctness of geophysical models. We present a different way of dealing with the high underdetermined character of this kind of problems, consisting in solving the inverse problem using a low dimensional parameterization that provides an approximate solution of the anomaly via Particle Swarm Optimization (PSO). This methodology has been designed for anomaly detection in geological set-ups that correspond with this kind of problem. We show its application to synthetic and real cases in gravimetric inversion performing at the same time uncertainty analysis of the solution. We have compared two different parameterizations for the geophysical anomalies (polygons and ellipses), showing that we have obtained similar results. This methodology outperforms the common least squares method with regularization.

中文翻译：

---

通过模型缩减和 PSO 进行异常形状反演

摘要 地球物理勘探中的地球物理反演问题主要是通过分析它们在地球物理特征中的影响来检测、定位和勾勒嵌入在准均质背景中的地球物理异常体的形状。当前使用的反演算法在模型空间中创建一个非常精细的网格来近似异常体的形状和值以及地质背景的地球物理结构。这种方法导致具有巨大不确定性空间的离散反演问题，稳定反演的常用方法包括引入参考模型（通过先验信息）来定义地球物理模型的正确性集。我们提出了一种不同的方式来处理这类问题的高度不确定性，包括使用低维参数化解决逆问题，该参数化通过粒子群优化 (PSO) 提供异常的近似解决方案。该方法专为与此类问题相对应的地质设置中的异常检测而设计。我们展示了它在重力反演中合成和真实案例中的应用，同时对解进行不确定性分析。我们比较了地球物理异常（多边形和椭圆）的两种不同参数化，表明我们获得了相似的结果。该方法优于具有正则化的常见最小二乘法。该方法专为与此类问题相对应的地质设置中的异常检测而设计。我们展示了它在重力反演中合成和真实案例中的应用，同时对解进行不确定性分析。我们比较了地球物理异常（多边形和椭圆）的两种不同参数化，表明我们获得了相似的结果。该方法优于具有正则化的常见最小二乘法。该方法专为与此类问题相对应的地质设置中的异常检测而设计。我们展示了它在重力反演中合成和真实案例中的应用，同时对解进行不确定性分析。我们比较了地球物理异常（多边形和椭圆）的两种不同参数化，表明我们获得了相似的结果。该方法优于具有正则化的常见最小二乘法。表明我们得到了类似的结果。该方法优于具有正则化的常见最小二乘法。表明我们得到了类似的结果。该方法优于具有正则化的常见最小二乘法。