4. 先验信息的来源与获取

反演问题的本质是“用有限观测去推断无限模型”，其解的非唯一性只能靠先验信息压缩。先验信息不是一句“模型应该平滑”就能打发的口号，它必须落到可量化、可写入目标函数或采样分布的具体形式上。本节按来源把先验信息分为五类：物理约束、地质统计、历史数据、专家知识、观测数据统计建模，并说明每一类“怎么取、取成什么、怎么用”。

物理约束：最硬的先验

物理约束来自支配方程与量纲关系，它不依赖统计假设，属于“必须满足”的硬信息。常见形式有三类：一是等式约束，例如速度场满足无散条件 ∇·v=0、密度与速度满足经验关系；二是不等式约束，例如孔隙度 m∈[0,0.4]、波速 m∈[1500,6000] m/s；三是算子约束，即模型必须能通过正演算子 G 生成与观测同维度的预测数据。实现上，等式约束可用拉格朗日乘子并入目标函数，不等式约束用投影梯度或截断处理，算子约束则直接体现在正演代码中。物理约束的价值在于把明显不合理的解排除在可行域之外，代价是若约束写错（例如把上下界设反），反演会收敛到边界上的伪解，因此约束的物理依据必须逐条记录。

地质统计：把“空间相关性”变成协方差

地质统计先验回答的是“相邻位置的模型参数有多相似”。最常用的是变差函数：给定滞后距离 h，变差函数 γ(h) 描述两点差值的半方差，常用球状或指数模型拟合，得到变程 a、基台值 s、块金值 n。由变差函数可构造先验协方差矩阵 C_m，其元素为 C(h)=s−γ(h)，再按方向角与各向异性比拉伸距离，就能表达“沿层方向相关长度 800 m、垂直层方向 200 m”这类地质认识。工程上不必显式存储 n×n 的 C_m，而用协方差矩阵的平方根（如 Cholesky 因子或 FFT 循环嵌入）作用于随机向量，实现高效采样。若研究区有训练图像，还可用多点地质统计提取模式先验，适合河道、裂缝等具有复杂形态的目标。

历史数据：从测井、岩心到动态生产

历史数据是最容易被忽视却最实用的一类先验。测井曲线提供井点处的高分辨率参数，可用来标定先验均值与直方图；岩心提供岩石物理关系的经验系数；动态生产数据（产量、压力）则通过历史拟合反推储层参数分布。使用要点是区分“硬数据”和“软数据”：井点实测值在井位处应作为硬约束直接赋值，远离井位则退化为趋势或均值。一个常见做法是先由井点插值得到参考模型 m_ref，再以 m_ref 为中心构造先验项，这样反演结果在井附近贴合实测、在井间保持合理外推。需要注意历史数据的采集条件与当前反演目标是否一致，例如老井的测井系列与新区不同，直接混用会引入系统偏差。

专家知识：把定性判断转成可计算的软约束

专家知识往往是定性的：“这个层不可能出现高速体”“断层两侧物性应该突变”“A 区比 B 区更可能富集”。要让它进入反演，必须做量化转换。常用手段包括：区间约束（把“不可能高速”写成上界）、相对排序约束（A 区参数均值大于 B 区，用不等式表达）、模糊隶属度（用 0～1 的可信度给不同区域赋权重）、以及规则化的惩罚项（断层附近允许大梯度，用方向性平滑权重实现）。转换时建议采用“可信度分级 + 权重”的方式，把专家判断分为确定、较确定、推测三档，分别赋 1.0、0.5、0.2 的权重，避免把推测当成硬约束。所有专家知识都应留下文字依据和责任人，便于后续复核与调整。

观测数据统计建模：噪声结构决定权重

观测数据的统计建模针对的是数据侧而非模型侧，但它同样属于先验：它告诉我们“观测有多可信、误差如何相关”。基本做法是估计噪声水平 σ，构造数据协方差 C_d。若各观测独立同分布，C_d=σ²I，此时数据失配项退化为普通最小二乘；若存在相关噪声（如相邻道受同一震源影响），C_d 的非对角元不可忽略，需用协方差函数建模。权重矩阵 W=C_d⁻¹ 直接决定各观测在反演中的话语权：σ 估小了，反演会过度拟合噪声；σ 估大了，有效信号被压制。实用技巧是用重复观测或残差分析估计 σ，并在反演后检查残差是否落在 ±2σ 内，若大量残差超限，说明噪声模型或正演算子需要修正。

需要强调的是，先验信息的质量直接决定反演结果的可信度，而先验本身也可能出错。因此每次反演都应记录五类先验的来源、量化参数和假设条件，并在结果解释时说明哪些结构是由数据支撑的、哪些是由先验“推”出来的。只有把先验当作可审查的输入而非默认背景，反演结论才具备可复现性和可讨论性。