《地球物理反演理论》解非线性反演问题和非线性偏置估计.pptVIP

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：，k=1，……，10和分别为的最小奇异值和最大奇异值乘以0.1和10；（b）让：（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主要内容一、应用先验信息的非线性反演：二、非线性反演问题解的评估：线性反演中先验信息的使用总是比较直观的，但在非线性反演中比较复杂。目前尚无可靠的技术以减少非唯一性。比较质朴的分法是在每次迭代反演过程中将一些搜寻参数值设为常数。但正规方法应该是在问题公式化时直接结合先验信息。这里说明一下：先验信息与初始模型的区别：初始模型中可以含有可靠的先验估计，但非必须。此外重复一下，实际观测数据的统计性质：n个观测数据d，其误差满足统计规律，为其标准信息，d是统计独立的，可定义对角线加权矩阵来加权数据方程。一应用先验信息的非线性反演：1、先验信息的表示：（*）或（**）――Twomey-Tikhonov平滑措施一应用先验信息的非线性反演：2、问题求解：问题的描述：给定一组有限的不准确的观测参数数据，在所有等效解中求其真解，使之与观测数据相吻合（考虑误差），并满足模型参数的可靠估计（约束条件）。数学上的表述：预测误差和最终解与特定约束的偏差大到极小，即式中为Lagrange乘子的对角矩阵，阵中与先验数据相应的对角线元素为一大于零的常数，与自由参数相应的元素设为“0”。若是连续并且可微，则可用Taylor定理在初始模型处展开，给出上面方程的近似：式中，，对上式求x的微分，并令为零：（展开,先不考虑W，并令）(先略去W)的参数校正量X的偏置解为（恢复W项）[若D=I，第一种解]：因而非线性可用下面公式的形式：上式被Meju(1994)称为最大偏置算法。若先验信息有质疑，则需要约束置为零，即，同时的元素为相等的常数[这与线性反演中假设是类似的（DM=0）]。可用一未定乘子来代替：（参数矫正量）（使用了）称为滑度约束反演或最小偏置算法。若先验信息为（**）式，不妨令，则有下面的极值表达式：所建模型是与给定试验数据相一致的最平滑的模型。可求得校正项：式中评述：事实上，非线性问题在利用Taylor展开式线性后后，其模型的修改量完全可用以前线性反演中的多种方法来计算。二非线性反演问题解的评估：1拟合优度：l?对非线性问题，假设数据围绕期望值是正态分布，且为对应的方差，则拟合优度定义为：对n个独立观测值和p个独立参数，q是具有（n-p）自由度的分布。的期望值是n，的模型是可以收敛的。l?若不可知，则可由下式给出：=均方根平均误差由下面式子给出：或对加权解简单的表示为：其极值为“1”。2可以像分析线性反演问题那样讨论非线性问题的参数解析矩阵以及最大平方反演特性。3剩余值趋势分析：观测数据和最佳数据之间不吻合度的分布可能揭示存在一个趋势（如剩余值从正到负）或不存在趋势。（1）剩余值----试验变量图（2）剩余值----观测数据图用途识别标准：（Ⅰ）正确模型：剩余值分布有随机性；不正确模型:分布缺乏随机性,表明模型的某些部分比其他部分拟合得好。例（Ⅱ）用以修改模型：例如对于剩余值与d成比例增长的趋势，用下面的归一化数据：