《地球物理反演理论》解非线性反演问题和非线性偏置估计.pptxVIP

第七章非线性偏置估计;第六章解非线性反演问题;一、非线性的特性;2，碳元素划分时代：;;则----无限幂级数

这种变换未能减少电阻率测深问题固有的非线性

或者：

并在对数坐标中考虑问题，但也不能消除非线性性，只是以减少了非线性性。所以：

第二类非线性问题：

i=1,….,n

：正向函数

对这类问题应首先将其形式简化，再使用数据拟合或线性问题中通常利用的模型参数估计方法进行处理。;二、非线性问题的线性化

Gauss曾建议，非线性问题可利用最小平方解法求取连续近似解来进行，也就是将f(m)在模型参数可取值的初始估计值处进行Taylor展开，形成近似线性问题。

1提供期望模型参数的近似值（假定或参考）作起始点，可称为，或称初始估计、起始模型、初始模型。来源：先验信息或明智估计。

由正演理论有：;2假设在附近是线性的，从而关于的微小摄动可由Taylor定理表示：

即在模型空间对展开：

成立条件足够小。

;3考虑观测误差

是附加噪声

定义矢量，表示观测值与初始模型预测数据

之差，记为A，记为，则有：

其中

;从而得到线性形式，y,A,x与线性问题中的d,G,m相

对应，A为偏微分距阵，第j列含有第j个参数的偏微

分，n个试验数据，p个模型参数。则A为n行p列

（n*p）,称为Jacobian距阵。矢量为使e最小并对进

行校正的未知量。

;三、无约束非线性反演;2Guass-Newton解：;新模型可能仍不能很好地与数据相吻合，需以

为新的起始模型，并重复上面的过程：该方法的逐次使用称为无约束迭代最小平方法（G-N法）

G-N法的主要缺点：

1要使算法收敛，需要对实际模型有较好的近似

（初始估计）；

2若距阵奇异，则产生非期望结果；

3即使非奇异解仍可能发散或收敛非常缓慢。;最速下降（梯度）法：初始模型仅在目标函数q的负梯度方向校正。即：

其中k为适当的常数。

所以：

与G-N相比，可知2k因子相当于的作用。但这里不需要逆矩阵，只要k值足够小，这种方法不会发散。

优点是有较好的起始收敛特征；

缺点是收敛速度会下降，效率低下。

;四、约束反演：岭回归或称Marquar-Levenberg法:;与的插值。

1目标函数：

原理：预测误差和解的长度综合考虑，设定为

参数变化范围，为Lagrange乘子,是这里的阻尼因子。

本质上讲岭回归法是约束非线性反演（对的约

束）。当时，法法

;;用SVD法表示：

将对角阵的每个对角元素附加上阻尼因子：

;3因子的确定：

方法一：首先对赋予大的正值，以便充分利用最速

下降法。每次迭代将乘以一个小于1的因子，以便

在接近最终值时充分利用最小平方法。

方法二：先假设为矩阵的最大本征值，若发散

则取次最大本征值而代之，直到得到满意解为止；

方法三：相当于前两者的结合，阻尼因子由经验确

定：问题的最大和最小本征值分别乘以10或0.1，得

到和,用下式计算：;;岭回归算法的流程：（假设野外观测数据有误差，

采用加权矩阵W）

第一步：选择初始模型；

第二步：计算和；

第三步：若计算的响应与实验数据相吻合，或满

足其它终止标准，则停止；

第四步：求取加权偏微分（为对角阵）；

第五步：计算的SVD，；

第六步：搜寻最可能的解：;（a）计算阻尼因子：;（c）搜录最佳解：

j=1，…11，k=11-j

求取I=1,…p

计算

计算

如果，则最佳解为,退出。

循环结束（即C是一个循环）

第七步：用第六步的最佳解代替，重新开始计算，

即转到第二步。;第七章非线性偏置估计;;一应用先验信息的非线性反演：

1、先验信息的表示：;一应用先验信息的非线性反演：

2、问题求解：

问题的描述：给