【目的】针对电性源短偏移距瞬变电磁法（SOTEM）水平电场分量反演中传统算法易陷入局部极值的问题，提出一种融合重心反向学习策略的改进粒子群算法。【方法】该算法通过引入重心反向学习策略，动态调整学习因子和自适应惯性权重，有效提升了全局搜索能力与收敛效率。研究构建了三层、五层及七层典型地电模型，来验证算法性能。【结果和结论】研究结果表明：对于五层和七层地电模型，阻尼最小二乘算法的反演平均误差分别为0.34%和4.68%，改进粒子群算法反演平均误差分别为0.21%和0.87%，可见改进粒子群算法反演对复杂地电结构的识别精度提升显著。在多层数（n≥5）及宽泛参数搜索区间条件下，三层和五层地电模型反演平均误差均小于5%，验证了改进粒子群算法的有效性。利用某区实测数据进行阻尼最小二乘反演和改进粒子群算法反演，改进的粒子群算法较阻尼最小二乘算法有着较好的反演效果，反演结果与已知矿体的电性结构吻合较好，研究成果为提高SOTEM在矿产勘探中的分辨率提供了理论支持。

张继锋,陈昌涧,李宇腾,等.基于改进粒子群算法的SOTEM电场分量Ex反演[J/OL].煤田地质与勘探,1-10[2025-04-01].http://kns.cnki.net/kcms/detail/61.1155.p.20250331.0851.002.html.