1. 课程导入与可信度框架

在工程实践中，CFD仿真结果经常被直接用于设计决策、安全评估或性能优化。然而，一个看似收敛、残差下降、云图漂亮的仿真结果，未必是可信的。CFD的可信度（Credibility）并不是对软件品牌的信任，也不是对网格数量的简单堆砌，而是对“该仿真在特定应用场景下，其预测误差和不确定度是否被充分量化并控制在可接受范围内”的系统性判断。

本课程的核心任务，是建立一套从建模到结果判读的误差控制与可信度评估方法。要理解这套方法，首先需要厘清三个基础概念：验证与确认（V&V）、不确定度量化（UQ），以及误差与不确定度的分类。

1.1 可信度的定义与V&V、UQ的关系

CFD可信度可定义为：在给定的应用场景和精度要求下，仿真结果被信任的程度。它由两个维度共同支撑——验证（Verification）回答“方程解得对不对”，确认（Validation）回答“方程建得对不对”。

验证分为代码验证和计算验证。代码验证检查程序是否忠实实现了数学模型，常用方法包括网格收敛指数（GCI）和制造解方法（MMS）。计算验证则关注离散误差、迭代误差和舍入误差是否被控制在合理水平。确认则是将仿真结果与实验数据对比，判断物理模型（如湍流模型、燃烧模型、多相流模型）在特定工况下的适用性。

UQ则贯穿V&V全过程。它不满足于给出一个“对”或“错”的结论，而是量化输入参数、模型形式和数值离散中的不确定性如何传播到输出结果。例如，入口速度存在±5%的测量不确定度，那么出口温度的不确定度带是多少？UQ给出的不是一个单点值，而是一个置信区间。

三者关系可以概括为：验证是确认的前提，确认是可信度的证据，UQ是贯穿两者的量化标尺。没有验证的确认可能建立在错误的离散解上；没有UQ的V&V只能给出定性判断，无法支撑工程决策。

1.2 误差与不确定度的分类

在CFD中，误差（Error）和不确定度（Uncertainty）是两个不同概念。误差是仿真值与真值之间的差值，通常是未知的；不确定度是对误差可能范围的量化估计。按来源划分，主要包括以下几类：

• 建模误差：物理模型对真实物理过程的简化，如湍流模型假设、忽略辐射换热、边界条件理想化。
• 离散误差：偏微分方程离散为代数方程组时产生的截断误差，与网格尺寸、格式精度相关。
• 迭代误差：求解器未完全收敛时残差不为零导致的误差。
• 舍入误差：计算机浮点运算的有限精度引入的误差，通常较小但不可忽略。
• 输入不确定度：边界条件、物性参数、几何尺寸等输入量的测量或估计不确定度。

其中，离散误差和建模误差通常是主导项。以典型的湍流管道流动为例，若使用k-ε模型，在近壁面区域可能引入较大建模误差；若网格在壁面法向分辨率不足（y+>30且未使用壁面函数），离散误差会进一步放大。因此，误差控制必须从网格、模型、边界条件三个方向同时入手。

1.3 课程整体路线图

本课程共30章，按照“基础概念→验证方法→确认方法→不确定度量化→工程应用”的逻辑展开。前5章建立可信度框架和误差分类体系；第6至12章深入代码验证与计算验证，包括GCI计算、MMS构造、迭代收敛判据；第13至20章聚焦确认方法，涵盖实验对比、模型形式不确定度、边界条件确认；第21至27章系统讲解UQ方法，包括蒙特卡洛、多项式混沌、敏感性分析；最后3章通过完整工程案例，串联从网格设计到可信度报告的全流程。

下图展示了本课程的核心知识结构：以V&V与UQ为两大支柱，误差分类为底层基础，最终汇聚为可信度评估与工程决策。

从图中可以清晰看到，可信度不是单一维度的判断，而是“数值可信”与“物理可信”的交集，并由UQ提供量化支撑。底层误差分类决定了我们在每个环节需要关注哪些误差源。

1.4 学习本课程的基本约定

在后续章节中，所有误差和不确定度的讨论都遵循以下约定：误差定义为“仿真值减真值”，正号表示高估，负号表示低估；不确定度以标准不确定度或95%置信区间表示，并明确标注覆盖因子。网格收敛性分析中，网格尺寸以特征长度h表示，细化比r通常取1.3至2.0之间。所有教学示例中的参数和结果均为合理假设的演示数据，用于说明方法流程，不代表特定软件或实验的实测结果。

掌握这套框架后，读者将能够在实际项目中回答三个关键问题：我的仿真结果误差主要来自哪里？这个误差范围是否满足工程决策需求？我需要补充哪些验证或确认工作来提升可信度？这正是本课程要培养的核心能力。