2. 反演问题的不适定性分析

在反演问题中，我们通常把“观测数据”记为 d，把“模型参数”记为 m，二者通过正演算子 G 联系：d = G(m) + n，其中 n 为观测噪声。反演的任务就是由 d 求 m。看似只是解一个方程，但反演之所以困难，根源在于大多数地球物理、医学成像、无损检测等反演问题都是不适定的。理解不适定性，是设计先验信息的前提。

一、适定与不适定的概念

法国数学家 Hadamard 给出了“适定”（well-posed）的三条判据。一个反演问题若同时满足以下三点，才称为适定问题：

• 存在性：对任意允许的观测数据 d，至少存在一个模型 m 使 G(m) = d；
• 唯一性：满足方程的模型 m 只有一个；
• 稳定性：解连续依赖于数据，即数据 d 的微小扰动只引起解 m 的微小变化。

只要有一条不满足，问题就是“不适定”（ill-posed）的。实际反演中，三条判据往往同时被破坏，其中稳定性缺失最为普遍，也最致命。

二、三条判据在反演中的具体表现

存在性失效：由于噪声 n 的存在，实测数据 d 一般并不落在正演算子 G 的值域内，严格意义上“无解”。工程上我们并不追求精确满足 G(m)=d，而是求残差 ‖G(m)−d‖ 足够小的近似解，这就把存在性问题转化为一个优化问题。

唯一性失效：这是反演最典型的困境。以地震走时反演为例，若射线覆盖稀疏，深部与浅部的速度异常可能产生几乎相同的走时数据，即“零空间”（null space）非空。此时存在一族模型 m = m₀ + δm，其中 δm 位于 G 的零空间中，满足 G(δm)=0，数据完全无法区分它们。唯一性缺失意味着“数据本身不足以定解”。

稳定性失效：即使解唯一，若 G 的奇异值衰减很快，微小数据误差会被 1/σᵢ 放大。设数据扰动为 δd，则模型扰动可达 δm ≈ Σ (uᵢᵀδd / σᵢ) vᵢ。当最小奇异值 σ_min 极小，噪声被剧烈放大，解面目全非。这就是“病态”（ill-conditioned）的数学本质。

三、先验信息如何缓解不适定性

既然数据本身不足以定解，就必须引入独立于观测数据的额外信息，即先验信息。先验信息的作用可从三个判据分别理解：

缓解唯一性缺失：先验把解空间从“所有满足数据的模型”收缩到“符合物理或地质常识的模型”。例如规定模型光滑、有界、稀疏或分段常数，就在零空间方向上施加了选择准则，使解从一族变为一个。数学上表现为在目标函数中加入正则项 αR(m)，求解 min ‖G(m)−d‖² + αR(m)。

缓解稳定性缺失：正则化通过惩罚解的“不合理剧烈变化”抑制噪声放大。Tikhonov 正则 R(m)=‖Lm‖² 相当于给奇异值谱“加一个下限”，把小奇异值方向的放大倍数压住。正则参数 α 控制数据拟合与先验约束的权衡：α 过大则解过度平滑、分辨率下降；α 过小则噪声放大、解震荡。

缓解存在性失效：把精确等式放宽为残差最小化，本身即是一种“软约束”，配合先验使优化问题有唯一稳定解。

四、一个可操作的示例：一维走时反演的奇异值诊断

下面给出一个教学示例（参数为合理假设，非实测）。设一条剖面有 5 个网格单元，射线路径矩阵 G 为 5×5，其奇异值经 SVD 计算为 [2.31, 1.05, 0.42, 0.08, 0.003]。条件数 κ ≈ 770，最小奇异值仅 0.003，说明第 5 个方向极不稳定。若数据噪声标准差为 0.01，则该方向模型误差可达 0.01/0.003 ≈ 3.3，远超合理速度扰动范围，解不可用。

# 示例：SVD 诊断与 Tikhonov 正则（伪代码）
U, s, Vt = svd(G)
kappa = s[0] / s[-1]          # 条件数，示例约 770
# 截断小奇异值方向
s_reg = s / (s**2 + alpha**2) # Tikhonov 滤波因子
m_reg = Vt.T @ diag(s_reg) @ U.T @ d
# alpha 取 0.05 时，第5方向放大倍数由 333 降至约 20

可以看到，正则化并未“消灭”小奇异值方向，而是把它的放大倍数从 1/σ 压到 σ/(σ²+α²)。这正是先验信息缓解稳定性的定量机制。实际选择 α 时，常用 L 曲线法：以 ‖G(m)−d‖ 为横轴、‖Lm‖ 为纵轴，取曲线拐点处的 α，兼顾拟合与平滑。

综上，适定三判据为诊断反演问题提供了清晰框架：存在性靠软约束转化，唯一性靠先验收缩解空间，稳定性靠正则化压制噪声放大。先验信息设计的本质，就是在数据信息不足的方向上，用可信的额外知识补足定解条件，并在偏差与方差之间取得平衡。