4. 正则化参数的选择准则
在Tikhonov正则化反演中，目标函数通常写成
J(m) = ‖Gm − d‖² + α‖Lm‖²
其中 α 就是正则化参数。α 过大，解被过度平滑，模型分辨率下降、数据拟合不足；α 过小，解虽然拟合数据，却把噪声放大成虚假结构。因此参数选择不是“调一个数”，而是在数据拟合程度与模型稳定程度之间寻找可辩护的平衡点。本节系统介绍四类常用准则，并用一个直流电阻率反演示例说明选择流程。
一、Morozov偏差原理
偏差原理的核心思想是：如果已知观测数据的噪声水平，那么一个“合理”的解不应把数据拟合得比噪声本身还好。设数据噪声标准差为 σ，数据个数为 N，则期望的残差平方和约为 Nσ²。Morozov准则要求选取最大的 α，使得
‖Gm(α) − d‖² ≈ Nσ²
实际操作中，先计算不同 α 下的残差范数曲线，再找到残差恰好降到 √(Nσ²) 附近的那个 α。例如某反演任务 N=120，估计 σ=0.02（相对误差），则目标残差范数约为 √(120×0.0004)≈0.22。若 α=10 时残差为 0.35，α=1 时为 0.24，α=0.3 时为 0.18，则应取 α≈1 附近。该准则的优点是物理意义明确、可复现；缺点是对 σ 的估计敏感，且当噪声被低估时会选出过小的 α。
二、广义交叉验证（GCV）
当噪声水平未知时，GCV是一种常用替代。它基于“留一法”思想：若去掉一个观测点，用其余数据反演后预测该点，预测误差最小的模型对应最优 α。GCV函数可写为
GCV(α) = ‖Gm(α) − d‖² / [N − tr(H(α))]²
其中 H 为分辨率矩阵（数据影响矩阵），tr(H) 反映有效拟合的自由度。α 越小，tr(H) 越大，分母越小，GCV会惩罚过度拟合。实际计算时，对一组对数分布的 α（如 10⁻³ 到 10³ 取 13 个点）逐点反演，绘制 GCV(α) 曲线，取最小值对应的 α。GCV不需要噪声先验，适合噪声统计特性未知的场合；但当数据相关性较强或 N 较小时，曲线可能平坦或出现多个局部极小，需要结合其他准则复核。
三、L曲线法
L曲线法把不同 α 下的解范数 ‖Lm‖ 与残差范数 ‖Gm−d‖ 分别作为横纵坐标，在双对数坐标中连成曲线。曲线通常呈“L”形：拐角左侧 α 小，残差下降快而解范数急剧增大；拐角右侧 α 大，解范数平缓但残差迅速上升。拐角处兼顾两者，是常用选择。工程上可用曲率公式计算各点的曲率，取曲率最大点对应的 α。L曲线的优点是无需噪声信息、直观；缺点是拐角有时不明显，尤其当数据噪声较大或正演核函数病态严重时，拐角会变得圆滑，需要人工判断。
四、经验试错法
经验试错法并非“随意试”，而是基于对反演目标的先验认识，设定可接受的残差范围与模型光滑度范围，在候选 α 集合中逐一反演并观察结果。例如在电阻率反演中，若已知目标体埋深约 20 m、围岩电阻率约 100 Ω·m，则可检查反演剖面是否出现明显高于背景的异常、异常边界是否合理、是否出现高频振荡。试错法常作为其他准则的交叉验证手段，尤其适合教学演示和快速评估。
五、结合反演任务的选择流程
下面以一个二维直流电阻率反演教学示例说明流程。设测线 40 个电极、数据点数 N=120，观测相对误差估计 σ=0.02，正演算子 G 已离散化，模型参数为 800 个网格电阻率。反演采用对数参数化，正则化矩阵 L 取一阶差分（平滑约束）。
- 构造候选 α 集合：按对数间隔取 α = 10⁻³、10⁻²·⁵、10⁻²、…、10³，共 13 个值。
- 逐点反演：对每个 α 用共轭梯度法求解，记录残差范数 R(α)=‖Gm−d‖ 与解范数 S(α)=‖Lm‖。
- Morozov 判定：计算目标残差 √(Nσ²)≈0.22，找到 R(α) 首次降到 0.22 以下的 α，取该 α 及其前一档中较大者。
- GCV 判定：计算 GCV(α)，取最小值点。若与 Morozov 结果相差不超过一个数量级，视为一致。
- L 曲线判定：在 log R–log S 平面上计算曲率，取最大曲率点。
- 试错复核：对候选 α 的反演剖面检查异常幅值、边界锐度与深部振荡。若出现与已知地质不符的高频伪影，则适当增大 α。
示例中若 Morozov 给出 α≈1、GCV 给出 α≈0.8、L 曲线拐角在 α≈1.2，三者接近，可确定 α=1。若三者分歧较大（例如 GCV 给出 0.05 而 Morozov 给出 5），应优先检查噪声估计是否可靠，并以偏差原理或试错结果为准。
六、适用条件与数值表现对比
| 准则 | 所需先验 | 适用条件 | 数值表现 |
|---|---|---|---|
| Morozov | 噪声 σ | 噪声统计可靠、N 较大 | 残差曲线单调，定位稳定；σ 低估时 α 偏小 |
| GCV | 无 | 噪声未知、数据独立 | 计算量较大；曲线平坦时极小点不稳 |
| L 曲线 | 无 | 病态程度中等、拐角明显 | 直观；强噪声下拐角圆滑，曲率峰值偏移 |
| 经验试错 | 地质先验 | 教学演示、快速评估 | 灵活但主观；适合作为交叉验证 |
需要强调的是，α 的选择与数据加权、正则化算子 L 的形式相互耦合。若对数据做了加权（如按测点误差归一化），则残差范数的量纲改变，Morozov 的目标值需相应调整。因此每次改变加权方式后，应重新计算候选 α 集合，不能沿用旧值。掌握这四类准则的原理与数值特性，才能在具体反演任务中给出有依据、可复现的参数选择。