第2章参数化模型的最小长度解.ppt

地球物理反演理论;内容;1，线性反演问题的最小方差解;设ｅ为观测数据ｄ与理论计算值Ｇｍ之误差 向量，则方差（即目标函数）为： 　　　　　　　 ; ｅ＝ ;展开上式得： ;最小方差解必须满足： 所以：　　　　　　　　　　　　　　 ;例: 　一组观测数据为： 现欲用一个平面方程： 拟合之。 式中： 为模型参数； 和 是第个数据 对应的坐标。;2，纯欠定问题的解法 ; 为了求得反演问题的一个解，我们必须从无限 多个能拟合观测数据的解中，挑选出一个我们所 需要的特定解。因此，解方程式时，必须加上一 些在观测数据中未包含的信息．这种附加给反演 问题的信息叫“先验信息”（priori information）。 。;说明： 加先验信息的目的是为了补充那些为确 定模型参数所不足的信息。因此，为了使反 演问题的解更切合实际情况，就应本着“缺 什么信息，就补充什么信息”的原则。为了 更好地运用“择缺补充”的原则。;几类可能的先验信息：;第四类，也是纯欠定问题解法中常应用的先验信息，假定 的地球物理模型“最简单”。这里所谓最简单是指在保留实 际地球物理模型基本特征不变的情况下，对地球物理模型 的一种简化。解的长度，比如说解的欧几里得长度为最小 的模型，应该是一种最简单的模型。 ;设 式是一纯欠定问题，此时的目标函数， 在该式约束之下有极小，即 根据极值理论，必须引入拉格朗日算子“λ” 将条件极值问题化为无条件极值问题。 目标函数应为： ;求上述目标函数的极小值问题可以化为求： ; ;3，混定问题的解法——马夸特（Marquardt）法;从M、N和r的关系看，由于矩阵的秩r意味着 在方程（2.1）式中，只有ｒ个线性无关的 方程，只能确定ｒ个非零的解。因此，是超 定问题，而又是欠定问题。许多地球物理线 性反演问题既不完全是超定问题，也不完全 是欠定问题，常常表现为一种混定形式（即 混定问题）。;鉴于混定问题的特殊性，它既有超定问题， 也有欠定问题的性质，因此不难设想其目标 函数应兼有方差项和模型长度项两项内容， 即：;求Ｅ相对于m的偏导数，并设其为零，简化 后得：;上式中： 为阻尼系数或加权因子，它决定预测误差项和模型范数长度项在极小化目标函数时各自之相对重要性。 ;4，线性先验信息在模型构制中的应用;在解欠定问题时，需要对模型参数强加一些先验信息，以增加（N-M）个不足的信息。然而，这并不表示，在解超定问题时，就不应该、不可能对模型参数强加任何先验信息。恰恰相反，在解欠定问题时，可对模型参数强加先验信息，在解超定问题时，也可对观测数据强加已知的先验信息。 ;先验信息在模型构制中的应用: 1.对模型参数的限制; 2.对观测数据的限制; 3.等式限制条件的应用; 4.不等式限制条件的应用.;5，观测数据和模型参数估算值之方差;假定每一个观测数据都是随机变量，且服从 高斯分布规律，即： 　　　　　　　 ; 对M个独立观测数据来说其联合分布满足：;欲使随机变量d的概率最大，则必须使：;因 范数就意味着观测数据（或模型参数） 必须遵守高斯正态分布的统计规律。实践证 明，大多数地球物理观测数据都服从或近似 服从高斯分布，这就为利用该范数极小求解 地球物理问题提供了可靠的依据。;假定观测数据服从高斯分布，具零平均值， 在方差为 的条件下，分析一下在反演映射 过程中，观测数据的误差对模型参数有何影 响。; ;利用数据方程（2.1）式，则（2.35）式可 化为: 故在最小方差意义下，有： ;最小方差解 之协方差矩阵为： 如观测数据是相互独立的，且均匀单位标准 方差，则上式最后可简化为：;不管是最小方差解还是模型最小长度解，模 型估计值之方差主要都取决于矩阵 ，或其特征值。特征值越小，引起的方差越 大。由此可见，小特征值对模型参数的方差 起着决定性的作用。 ;6，线性规划—— 范数解;线性规划问题是求目标函数 ： 在约束条件： 的约束下的求极值问题。 ;对 式所示的约束条件，可引入松弛变 量 ，把它变成等式： 对形如 式所示的约束条件，可引入松 驰变量 ，把它变成等式： ;引进松弛变量的目的是把不等式的约束条件 为等式约束条件，以构成统一的形式，即： 式中： ;松弛变量的引入，非但不影响目标函数E在 约束条件限制之下求最优解，反而使问题大 大简化。这时线性规划问题就变为求目标函 数： 在约束条件式