地层岩性参数在油气检测和岩性识别中有着非常重要的意义，在地震勘探中，通过振幅特征信息的变化关系式来提取相关岩性参数。相比叠后地震资料，叠前地震资料包含的振幅特征信息丰富得多。因此基于叠前地震资料的AVA反演，提取地层的纵波速度、横波速度和密度参数的精度比较可靠。由于反演的非线性特征，使得非线性算法在地球物理领域的应用范围不断扩大，本文研究了粒子群优化算法在多波AVA反演中的应用。反演理论研究离不开正演。在均匀各向同性介质中，根据平面波的传播的波动方程及其分界面的运动学和动力学条件，可以推导出平面波在分界面的反射、透射系数，也即Zoeppritz方程，它是正演研究的依据，。本文先由理论模型通过Zoeppritz公式及其近似公式正演出P-P波和P-SV波的AVA曲线，同时分别分析了近似公式跟精确公式的偏差关系。基于褶积模型采用最小相位子波正演出这两类波的AVA角道集记录。粒子群优化算法(Particle Swarm Optimization，PSO)，是一种群体智能优化算法，通过群体间信息共享机制对最优目标进行寻优搜索。算法首先初始化一组随机解，并在算法迭代过程中，个体和群体、个体和个体间相互作用来搜索全局最优解。由于基本粒子群算法容易陷入局部极值且搜索精度不高，故本文将混沌引入到粒子群优化算法用于弥补其不足。混沌系统，是看似随机且复杂，但内部却有极强的规律性的非线性现象。相比随机搜索，混沌系统具有更大的优势，更有利于算法避免陷入局部最优，从而提高了算法的精度。本文分析了Logistic映射下的混沌状态，并将Logistic映射与粒子群算法结合成混沌粒子群算法（CPSO），通过对各测试函数的测试，其结果表明了该算法的优越性。首先对两层简单模型进行单一的P-P波、P-SV波及其两类波联合反演，结果显示P-P、P-SV联合反演的结果的精度均比单一波反演的精度高。其后，采用多层模型进行联合反演，试验结果显示，在层数增多时，反演的参数相应增加，混沌粒子群优化算法对其也有较好地优势。在参数给定的不同初始范围下，对模型进行反演，结果表明初始搜索范围对算法精度会产生一定的影响。计算参数扰动所引起的扰动响应，分析参数的敏感性，论证所选目标函数的可行性。对一个样点模型进行反演，最后将该算法对二维层状样点模型同步反演证明了该算法性能应用面较广。