结合蒙特卡罗方法的精度评价特点，提出了以偏差和均方误差为评价指标的综合评价公式。提出的综合评价公式用于评价神经网络算法（NNA）、遗传遗传算法（GAgenetic　algorithm）和模拟退火算法（simulated　annealing、SA）在火山复合位错模型（CDMcompound位错模型）和Okada地震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，上述三种方法的参数估计差距都很小，但不同方法的精度差异很大。利用本文提出的方法计算NNA、GA和SA的精度，发现在CDM火山模型中，GA和SA计算的一些参数的均方误差较大，GA和SA的综合评价值3.9820和11.398大于NNA的3.6131。在Okada模型中，模拟退火算法的均方误差高于遗传算法和神经网络算法，在芦山地震中，SA的综合评价值11.6562远高于NNA和GA的3.6254和4.0604。实验结果表明，NNA的信息准确性较高，结果更具说服力，其次是GA和SA。