第三章广义反演法.pptVIP

当时，。当时，即在纯超定情况下，，才有。这时R的分辨力最高。当存在时，。所以。的每一个要素,均可视为m各要素加权的结果，这是因为：第29页，共58页，星期日，2025年，2月5日如果，虽有峰值，但变化比较缓慢，或者其峰值不在R的主对角线上，则R的分辨力不高。分辨力越低，说明模型参数之间越存在相关。和数据分辨矩阵相似，参数分辨矩阵也只是数据核G和反演时所加先验信息的函数，而与观测数据d无关，因此，R矩阵也是实验设计的重要依据。同样，可以定义：为分辨核。越小，R矩阵的分辨能力越高。一般取其倒数作为分辨能力的（欲称分辨力）的定量度量。第30页，共58页，星期日，2025年，2月5日6、特征值的应用；在这一节中，将要论述利用广义反演提供了一些有用的、重要的辅助信息——从特征值所获取的辅助信息。第31页，共58页，星期日，2025年，2月5日1.特征值对观测数据和模型参数的影响将数据核矩阵G作奇异值分解，并代入数据方程得：如用求和形式书写，则有：特征值越大，其对重建观测数据的贡献越大；相反越小，则对的贡献也越小。当反演中大小特征值相差非常悬殊时，小特征值对重建观测数据几乎毫无作用，甚至将它们去掉也不会影响观测数据的重建精度。第32页，共58页，星期日，2025年，2月5日另一方面，有：其求和形式为：其结论和完全相反，即特征值越小，它对构制的模型参数影响越大。第33页，共58页，星期日，2025年，2月5日2.解的方差如果，观测数据具有误差，当然用广义反演法所得的结果也有误差，且满足：因此，解的协方差矩阵：第34页，共58页，星期日，2025年，2月5日如果观测数据是统计且独立的，并有相同的方差，则：故单位协方差矩阵为：第35页，共58页，星期日，2025年，2月5日例解如下联立方程：第36页，共58页，星期日，2025年，2月5日显然，这是三个未知数三个方程式联立方程。其中：只与第一式有关，各有无限多解，而与第二、第三式有关，它们却是矛盾方程，无一般意义下的解，现在用广义反演法解之，并分析由此而获得的一些辅助信息，如数据分辨矩阵、参数分辩矩阵和解的方差等。若将上式写成矩阵。即：第37页，共58页，星期日，2025年，2月5日因此有：第38页，共58页，星期日，2025年，2月5日由于和的特征值完全相同，不难求得它们分别为2，2。显然，此时是一个混定问题。因此，矩阵G之奇异值分别是：第39页，共58页，星期日，2025年，2月5日与对称矩阵和相对应的特征向量U和V分别是：第40页，共58页，星期日，2025年，2月5日显然，这是一个混定问题，即。此时，由于矩阵和的秩都是2。据此：第41页，共58页，星期日，2025年，2月5日第三章广义反演法第1页，共58页，星期日，2025年，2月5日内容1、广义逆矩阵的概念;2、奇异值分解（SVD）和自然逆;3、广义反演法；4、数据分辨矩阵；5、参数分辨矩阵；6、特征值的应用；7、分辨力高低和方差大小的测度；8、最佳折衷解；第2页，共58页，星期日，2025年，2月5日1、广义逆矩阵的概念前面我们讨论了解线性反演问题的长度法，无疑还可以定义其他各式各样的长度，比如范数等。但是，由于其他范数解的应用并非如此广泛，因而，没有必要在这里进一步加以论述了。这里我们将从另一个角度，即广义逆矩阵的角度讨论线性反演问题，并称基于广义逆矩阵建立起来的线性反演法叫广义反演法（Gener-alizedInversion），或广义线性反演法（GeneralizedLinearInversion，缩写为GLI）。第3页，共58页，星期日，2025年，2月5日设线性反演问题：如果把G看成一个映射算子，那么正演问题就是将模型空间中的m模型通过算子G映射到数据空间中的观测数据d通过映射到模型空间中的模型m的一种运算。第4页，共58页，星期日，2025年