2. 可辨识性的数学定义与分类

在病态反问题中，“能不能唯一地把参数反推出来”与“反推出来的结果稳不稳”是两个必须分开讨论的问题。可辨识性回答的是前者：在给定观测模型与噪声假设下，参数是否被数据唯一确定。稳定性回答的是后者：当数据发生微小扰动时，反演结果是否也只发生微小变化。把这两件事混为一谈，是反问题建模中最常见的概念性错误之一。

一、从观测模型出发的严格定义

设反问题的参数为 m ∈ M（M 为参数空间），观测算子为 F: M → D，观测数据为 d = F(m) + η，其中 η 为噪声。可辨识性讨论的是映射 F 的单射性质及其在局部、近似意义下的表现。

全局可辨识性：若对任意 m₁, m₂ ∈ M，由 F(m₁) = F(m₂) 必然推出 m₁ = m₂，则称参数在 M 上全局可辨识。等价地说，F 在 M 上是单射。这是最强的要求，它排除了参数空间中任何“观测等价”的参数对。

局部可辨识性：若对参数真值 m* 的某个邻域 U(m*)，F 在 U 上单射，则称 m* 处局部可辨识。局部可辨识只保证“附近没有别的参数给出同样数据”，允许远处存在等价参数。对于光滑算子，局部可辨识的常用判据是灵敏度矩阵（雅可比矩阵）J = ∂F/∂m 在 m* 处列满秩。

实践可辨识性：严格单射在含噪、有限精度、有限采样条件下往往过于理想。实践可辨识性要求：在给定噪声水平 σ 与参数允许范围下，使残差 ‖F(m) − d‖ ≤ σ 的参数集合直径足够小，即数据能以可接受的置信度把参数约束在一个“有意义的窄带”内。它不追求数学上的唯一性，而追求工程上的可区分性。

二、三类可辨识性的关系

三者构成由强到弱的递进：全局可辨识 ⇒ 局部可辨识 ⇒ 实践可辨识（在合理噪声与范围假设下）。反向一般不成立。全局可辨识被破坏的典型原因是模型存在对称性，例如一维热传导中仅测末端温度时，导热系数与热容的乘积形式可能造成参数补偿；局部可辨识被破坏的典型原因是雅可比矩阵降秩，例如两个参数在真值附近对观测的影响方向线性相关；实践可辨识被破坏则更多源于病态：即使 J 列满秩，若其最小奇异值远小于最大奇异值，噪声会被放大，参数带被拉宽到失去工程意义。

三、与稳定性、条件数的区别与联系

可辨识性与稳定性的区别在于讨论对象不同。可辨识性只关心映射 F 是否单射，即“解是否唯一”；稳定性关心逆映射 F⁻¹ 是否连续，即“解是否连续依赖数据”。一个全局可辨识的问题完全可能不稳定：例如 F(m) = ∫₀¹ e^{mt} φ(t) dt 这类紧算子，单射性可以成立，但其逆算子无界，数据微小高频扰动会导致参数剧烈变化。反过来，稳定性也不能推出可辨识性：一个多对一的映射可以在某种度量下连续，但解不唯一。

条件数是二者之间的量化桥梁。对有限维线性化模型 δd = J δm，条件数 κ(J) = σ_max/σ_min 同时刻画了两件事：σ_min = 0 意味着 J 降秩，局部可辨识性失效；σ_min 很小但非零，意味着局部可辨识成立但实践可辨识性差，且逆问题对噪声的放大倍数约为 κ。因此条件数把“是否可辨识”与“可辨识得多好”连成一条连续谱。

四、一个可操作的判别示例

考虑一维稳态热传导参数反演：杆长 L = 1 m，两端温度固定为 T(0)=0、T(1)=100，内部均匀热源 q，导热系数 k 待反演，观测量为杆中点温度 T(0.5)。解析解为 T(x) = 100x + (q/(2k))x(1−x)，故 T(0.5) = 50 + q/(8k)。若 q 已知，则 k 由观测唯一确定，全局可辨识；若 q 与 k 同时未知，则只有比值 q/k 可辨识，两参数全局不可辨识。此时若把 q 固定为先验值、仅反演 k，则局部可辨识成立，但灵敏度 ∂T(0.5)/∂k = −q/(8k²) 随 k 增大迅速衰减，条件数上升，实践可辨识性变差。

具体数值示例（示例假设，非实测）：取 q = 800 W/m³、真值 k* = 2 W/(m·K)，则 T(0.5) = 50 + 800/16 = 100 °C，灵敏度为 −800/(8×4) = −25 °C·m·K/W。若测温噪声 σ = 0.5 °C，则 k 的标准差约为 0.5/25 = 0.02，相对误差 1%，实践可辨识良好。若真值改为 k* = 20，灵敏度降为 −0.25，同样噪声下 k 的标准差约 2，相对误差 10%，虽仍局部可辨识，但工程上已明显退化。这一对比清楚说明：可辨识性是定性判据，条件数与灵敏度决定其定量品质。

综上，可辨识性刻画“解是否被数据唯一确定”，稳定性刻画“解是否连续依赖数据”，条件数则量化二者之间的过渡地带。工程实践中应先判定可辨识层级，再评估条件数与噪声，最后才选择正则化或实验设计手段，顺序颠倒往往导致对结果的误读。