3. 反问题模型评估指标设计

反问题模型与常规预测模型最大的差别在于：它的输出不是一个标签或一个数值，而是一个“场”——图像、参数分布、介质结构或源项分布。因此，单一指标几乎不可能刻画模型好坏。评估指标必须覆盖四个维度：重建误差回答“输出像不像真值”，参数误差回答“反演出的物理量准不准”，结构相似性回答“形状、边界、拓扑对不对”，分辨率与不确定性回答“模型知不知道自己哪里不确定”。本节围绕这四类指标展开，并给出与业务目标对齐的选择方法。

一、重建误差：最直接但最容易误导

重建误差衡量模型输出与参考解在观测空间或解空间中的逐点差异，常用均方误差（MSE）、相对 L2 误差和峰值信噪比（PSNR）。设参考解为 x、预测解为 x̂，相对 L2 误差定义为：

rel_L2 = ||x̂ - x||₂ / ||x||₂
MSE    = (1/N) Σ (x̂ᵢ - xᵢ)²
PSNR   = 10 · log₁₀(MAX² / MSE)   （MAX 为像素/场值动态范围）

以二维热源反演为例：真实热源为半径 8 像素的圆形高斯分布，峰值强度 1.0；模型 A 输出的峰值位置正确但幅值偏低 15%，相对 L2 误差约 0.18；模型 B 幅值准确但边缘出现明显振铃，相对 L2 误差约 0.12。若只看 L2，会误判 B 更优，但 B 的振铃在工程上意味着虚假热源，可能引发误报警。这说明重建误差对“误差分布形态”不敏感，必须配合结构指标使用。此外，L2 对大幅值区域更敏感，若关注弱信号区域，应改用加权 L2 或对数域误差。

二、参数误差：回到物理量本身

很多反问题的最终交付物是若干物理参数，如热导率、源强、缺陷深度、波速。此时应直接在参数空间评估，而不是停留在场层面。常用指标包括绝对误差、相对误差、参数置信区间覆盖率。例如反演三个区域的热导率，真值为 (0.8, 1.2, 2.0) W/(m·K)，预测为 (0.83, 1.15, 2.31)，则相对误差分别为 3.8%、4.2%、15.5%。第三个区域误差显著偏大，提示该区域观测覆盖不足或先验过强。参数误差的优点是业务可解释性强——工程师关心的是“缺陷深度差了几毫米”，而不是“场误差是 0.1 还是 0.12”。

三、结构相似性：形状与边界是否可信

对于成像类反问题（如电阻抗成像、超声层析、地震偏移），目标体的形状、边界和连通性比逐点灰度更重要。结构相似性指数（SSIM）从亮度、对比度、结构三方面比较图像；交并比（IoU）和 Dice 系数用于分割式输出；豪斯多夫距离衡量边界偏差。示例：缺陷区域真值面积 120 像素，预测面积 105 像素，交集 96 像素，则 IoU = 96/(120+105−96) ≈ 0.744，Dice ≈ 0.853。若业务是“缺陷检出”，IoU 比 L2 更贴近验收标准；若业务是“边界定位精度”，则应补充豪斯多夫距离。

四、分辨率与不确定性指标

反问题普遍存在病态性，模型必须能表达“哪里可信、哪里不可信”。分辨率指标包括点扩散函数半高宽、空间分辨率极限；不确定性指标包括预测方差图、置信区间覆盖率、以及基于后验采样的可信区间宽度。实践中可要求：在 90% 置信水平下，参数真值落入区间的比例应接近 90%（覆盖率校准）。若覆盖率仅 60%，说明模型过度自信；若达 99% 但区间极宽，说明模型“什么都不敢确定”，实用性同样不足。分辨率与不确定性应联合看：高分辨率但高方差，意味着细节不可信。

五、指标选择与业务对齐案例

指标不是越多越好，而是要与验收口径一致。下面给出一个可执行的指标选择表，字段直接对应工程验收：

以一个管道缺陷反演项目为例：业务方要求“不漏检、少误报、给出可信度”。团队最初只报告相对 L2 误差 0.09，看似优秀，但上线后误报频发。复盘发现，模型在低对比度区域产生了大量小幅虚假结构，L2 因幅值小而几乎不敏感。改进方案是：主指标改为 IoU 与虚警率，辅以不确定性方差图，并规定“方差高于阈值的区域不自动报警，转人工复核”。调整后误报率下降约四成（示例数据，用于说明方法），同时漏检率保持在可接受范围。这个案例说明：指标选择本质上是把业务风险翻译成可计算的量。

最后强调一致性：所有指标必须在同一参考解、同一坐标系、同一归一化约定下计算。若参考解本身来自仿真，应说明其离散误差；若来自实测，应说明标定精度。指标数值只有配上这些前提，才具备可比性和工程意义。