第二章线性反演理论及方法.docVIP

第二章 线性反演理论及方法 在了解了地球物理反演的任务和对象之后，让我们来讨论一下在地球的物理资料反演中 §2．1 线性反演理论的一般论述 为了使问题简单明了而又不失一般性，我们在此讨论一维问题。设有积分方程 。在观测数据数目有限的情况下，为便于书写，我们把各参量表示成如下 式(2-1)即为 (2-2) 由于与线性无关，则式(2)可以表示成内积形式 (2-3) 假设： (1) ，是线性无关的一组函数； (2) 是精确数据，满足方程(23)。 我们先用核函数构造另一组正交函数，即 (2-4) 式中，为不同时为零的常量参数，且有。由于为一组正交函数，则有 (2-5) 这里 (2-6) 可见和是无限维Hilbert空间的一个M维子空间。我们再以作一，则 (2-7) 由此可见，是在正交基轴上的投影。最后，我们把上的函数展成级数 是Hilbert空间的任意坐标基，可以正交，也可以是不正交。若将其分成两部分，并取 (2-9) 为其他任意坐标基 则式(2-8)可写成 (2-10) 可以证明。因为 (2-11) 考虑到式(2-5)及式(26)，有 所以有。如果考虑到式(2-10)中第二项是无限维空间中一个向量投影之和，且M维正交基中的投影为零，则对于问题中的模型，它可视为零向量，即 (2-11) 故 (2-12) 下面来证明式(2-12)满足方程(23)。将式(2-10)代入式(23)右端得 (2-4)和式(2-7)代入，并考虑到G为M维正交空间的向量，即 ，总能找到一个模型使之满足 即解的存在性得到解决。 根据观测数据所构制的模型m由两部分组成，第一部分为，它取决于观测数第二部分为，它与观测数据无关。由式(212)可知，模型构制过程就是对G实行正交变换并求模型在正交基上投影的过程。从式(212)中可以看出，反演问题的解m是非唯一的。这种非唯一性完全由。所决是无限维的，所以满足方程的模型有无限多。在所有能拟合观测数据的模型中， (2-13) 的模型，就是“最小模型”或“圆滑模型”。这个最小模型能拟合观测数据而又无零空间的影响。显然，最小模型是正交坐标系中的一个向量，也可以看成核函数G的一种线性组合 (2-14) 这里为与观测数据有关的参数。 根据观测数据可直接求得反演问题的唯一解——最小模型，而模型的构制过程实际上的过程。 对于方程(23)，会因条件不同而具有不同形式，以致构制出不同类型的反演问题。设观测M，待定模型参数数目为，G为M阶矩阵，其秩为r，则有以下几种情况：M＝r时，观测资料提供了确定模型参数的“不多不少”的信息，这种问题称适定问题；当Mr时，观测资料提供了多于模型参数数目的信息，此问题称为超定问题；当M=rNMNr时，虽然有足 §2.2 线性反演问题求解的一般原理 22.1长度的概念 求解线性反演问题Gmd的最简单方法建立在度量由“估计的模型参数eSt所“预测的dpre(=Gmest)与实际观测数据dbs,之间距离(或长度)之大小的基础上。 为了说明长度的度量可能与反演问题的解有关，我们来研究数据的直线拟合这样一个简(图21)。对此问题经常可以利用所谓的最小二乘法来求解。在使用这一方法时，力(截距和斜率)使预测数据尽可能接近观测数据，对每次观测都规定一个预测(试错拟合)，那么最佳拟合直线便是其模型参数能使总误差E最小的那E由下式确定，即 E(单个误差的平方和)恰好是向量的欧几里德长度之平方，或者写成。 图2—1用最小二乘直线拟合说明“长度”的概念 (a)数据对(z，d)的最小二乘直线拟合；(b)每一次观测的误差是观测数据和预测数据之间的差值：自dl~bs--dP” 最小二乘法是通过求模型参数来估计反演问题的解。这些参数是估计数据d的长度的某dest与观测值之间的欧几里德距离取极小值。正如下面将要详细叙述的， 应当注意，尽管欧几里德长度是定量表示向量大小或长度的一种方法，但却决不是唯一可术语范数经常作为长度或大小的某种