3. Tikhonov正则化泛函的构造

在反演问题中，我们手里通常只有有限个含噪观测数据 d，却要恢复一个连续或高维的模型 m。数据拟合要求 Gm 尽量接近 d，但满足这一要求的模型往往有无穷多个，且其中大量模型对噪声极其敏感。Tikhonov正则化的核心思想，就是把"拟合数据"和"模型合理"这两个互相拉扯的诉求写进同一个目标函数，用数学形式固定下来。

一、从矛盾到泛函：两项的由来

先看残差项。设正演算子为 G，观测数据为 d，残差 r = Gm − d 衡量预测与观测的偏离程度。用加权二范数表示，残差项为：

φ_d(m) = ‖W_d (Gm − d)‖²₂

其中 W_d 是数据加权矩阵，通常取观测噪声标准差的倒数构成对角阵，噪声大的数据点权重低。残差项越小，说明模型越"贴合"数据；但若只最小化它，反演会放大噪声、产生剧烈振荡的模型。

再看正则项。它不依赖观测数据，只评价模型本身是否"合理"。Tikhonov泛函的标准形式引入线性正则化算子 L 和参考模型 m_ref：

φ_m(m) = ‖W_m L (m − m_ref)‖²₂

把两项按权重相加，得到Tikhonov泛函的标准形式：

φ(m) = ‖W_d (Gm − d)‖²₂ + α ‖W_m L (m − m_ref)‖²₂

反演即求解 m* = argmin φ(m)。对线性正演，令梯度为零可得正规方程：

(GᵀW_dᵀW_dG + α LᵀW_mᵀW_mL) m = GᵀW_dᵀW_d d + α LᵀW_mᵀW_mL m_ref

左端矩阵是数据项贡献的 GᵀW_dᵀW_dG 与正则项贡献的 αLᵀW_mᵀW_mL 之和。前者常病态甚至奇异，后者正是用来"补足"这个病态性的稳定项——这就是两项矛盾的数学落点。

二、正则化参数 α 与正则化算子 L 的物理意义

α 是权衡系数，它控制两项在总目标中的相对话语权。α 很小时，解几乎由数据项决定，残差小但模型振荡、方差大；α 很大时，解被强行拉向 m_ref 或使其 Lm 很小，模型平滑稳定但残差大、分辨率低。因此 α 不是"越大越好"或"越小越好"，而是要在残差与模型范数之间找拐点。工程上常用L曲线法：以 log‖Gm−d‖ 为横轴、log‖Lm‖ 为纵轴，逐点计算不同 α 的解，曲线拐角处对应的 α 即为兼顾两者的折中值；也可用广义交叉验证（GCV）或差异准则（令残差约等于噪声水平）来选取。

L 是正则化算子，它决定"惩罚模型的哪种性质"，是Tikhonov方法中最具物理含义的选择。常见取法如下：

• L = I（零阶）：惩罚模型偏离参考模型的幅度，解被拉向 m_ref，适合已知背景值、只需小幅扰动的场景。
• L = 一阶差分/梯度：惩罚模型的空间变化率，得到平滑解，适合物性连续渐变的介质。
• L = 二阶差分/拉普拉斯：惩罚曲率，得到更光滑、少折角的解，但可能抹掉真实界面。
• L = 深度/距离加权对角阵：抵消核函数随深度衰减造成的浅部偏置，改善深部分辨率。

需要强调：L 的选择等价于对解施加先验假设。选一阶差分，就是假设"真实模型大体平滑"；若真实对象是陡变界面（如层状地层、金属块体），过度平滑会把界面糊成渐变带，此时应改用全变差（L1型）或聚焦型正则项，或采用稀疏约束。这也是"不同范数选择影响反演结果"的直接体现。

三、不同范数选择对结果的影响

范数阶数决定了惩罚的"性格"。二范数（L2）对大残差惩罚剧烈，倾向于把误差均匀摊开，结果平滑、稳定，但对异常边界不敏感；一范数（L1）惩罚绝对值之和，鼓励解的稀疏性，能把小系数压到零，适合突出少数异常体、恢复块状结构；p 范数（0<p<2）介于两者之间，可调节平滑与聚焦的程度。实际应用中还常见数据项用L2、模型项用L1的混合形式，即所谓"稳健反演"：数据项保持二次型便于求导，模型项用L1获得块状或稀疏解，此时需借助迭代重加权最小二乘（IRLS）求解。

四、一个可复现的小例子

设一维模型有 100 个网格，正演为高斯核卷积（核宽 5 格），真实模型是位于第 40–50 格、幅值 1.0 的矩形块，观测加入标准差 0.02 的高斯噪声。取 L 为一阶差分、m_ref = 0，分别用 α = 1e-4、1e-2、1 求解正规方程。可预期：α=1e-4 时残差最小但解出现高频振荡，矩形边缘被噪声毛刺污染；α=1e-2 时振荡被压制，块体轮廓清晰但边缘略钝；α=1 时解被强烈平滑，幅值明显偏低、块体展宽。把三组解的残差范数与模型粗糙度画在双对数坐标上，拐点通常落在 1e-2 附近，这与L曲线的判断一致。该例说明：α 与 L 必须联合调试，单看残差下降会误选过拟合解。

综上，Tikhonov泛函的构造本质是把"信数据"与"信先验"两种信念量化并加权。残差项保证解不脱离观测，正则项保证解不脱离物理合理性，α 调节二者比重，L 规定合理性的具体含义，范数阶数则决定解的形态是平滑、块状还是稀疏。理解这四者的分工，才能在面对具体反演任务时做出有依据的参数选择，而不是盲目试凑。