3. 验证与确认的数学基础
多物理场模型的验证与确认（V&V）不是一套流程口号，而是建立在偏微分方程数值分析、误差估计和概率统计之上的技术体系。若不了解适定性、稳定性与收敛性的含义，就无法判断一个模型是否值得求解；若不能区分误差来源，就无法定位偏差究竟来自物理假设还是离散格式；若不能区分偶然不确定性与认知不确定性，就无法正确设计确认实验和量化置信区间。本节围绕这五个数学基础展开，并给出可操作的判断方法。
一、适定性：问题本身是否“值得解”
Hadamard 意义下，一个定解问题适定（well-posed）需同时满足三个条件：解存在、解唯一、解连续依赖于定解条件（即数据有微小扰动时解只有微小变化）。第三条常被忽略，却直接决定数值求解是否可靠。例如稳态热传导问题中，若边界同时给定温度和热流且相互矛盾，解可能不存在；若只给 Neumann 边界而无任何温度参考点，解可相差任意常数，不唯一；若材料导热系数在空间中存在强间断且网格未对齐，解对界面位置可能极度敏感，连续性条件被破坏。
判断适定性的实用做法是：先检查边界条件类型与数量是否与方程阶数匹配（二阶椭圆方程每个边界点通常需一个条件），再检查是否存在纯 Neumann 边界导致常数零空间，最后检查系数是否满足椭圆性条件（如导热系数为正且有界）。对瞬态问题，还需检查初始条件与边界条件的相容性，例如初始温度场在边界处是否与给定边界温度一致，否则解在初始时刻会出现跳跃。
二、稳定性与收敛性：离散格式是否可信
稳定性描述数值解对扰动（初始条件、边界条件、舍入误差）是否保持有界；收敛性描述当网格尺寸 h→0、时间步长 Δt→0 时，数值解是否趋近于真解。Lax 等价定理指出：对线性适定初值问题，若格式相容（截断误差随 h、Δt 趋于零），则稳定性与收敛性等价。因此工程中常把“稳定性分析”作为核心检查项。
以显式有限差分解一维热传导方程为例，稳定性条件为 Fo = αΔt/Δx² ≤ 1/2。若 α = 1×10⁻⁶ m²/s，Δx = 1 mm，则 Δt ≤ 0.5 s；若把 Δx 减半到 0.5 mm，Δt 必须降到 0.125 s，计算量增加 8 倍。这说明稳定性条件直接约束了网格与时间步的搭配，不能随意加密网格而不调整时间步。对对流主导问题，还需满足 CFL 条件，即库朗数 C = uΔt/Δx ≤ 1（显式格式）。
收敛性验证的实操方法是网格收敛性研究：在保持时间步与网格比不变的前提下，依次加密网格，计算相邻网格解之间的范数差，观察其是否按理论阶数下降。例如二阶格式，网格加密一倍，误差应约降为 1/4。若误差下降明显慢于理论阶数，说明存在非光滑解、边界处理不当或格式退化。
三、误差来源分类：定位偏差的四个层次
数值仿真总误差可分解为四类，按可控性从低到高排列：
- 模型误差：物理模型本身与真实物理的偏差，如用层流模型模拟湍流、忽略辐射换热、本构关系简化。这类误差不能通过加密网格消除，只能通过确认（validation）实验识别。
- 离散误差：连续方程被离散为代数方程引入的截断误差，量级为 O(h^p) + O(Δt^q)。可通过网格收敛性研究估计，是验证（verification）的核心对象。
- 迭代误差：线性方程组或非线性迭代未完全收敛留下的残差。例如设置线性求解器相对容差 1×10⁻⁶，实际残差下降 5 个数量级就停止，剩余误差可能污染解。应检查残差是否达到与离散误差同量级或更低。
- 舍入误差：浮点运算的有限精度，双精度约 2.2×10⁻¹⁶。通常可忽略，但当矩阵条件数极大（如 1×10¹²）时会被放大，需使用双精度甚至四精度、或改进预处理。
实操中建议按“先验证、后确认”的顺序：先用网格收敛性研究把离散误差压到可接受水平，再检查迭代残差是否足够小，最后通过实验数据评估模型误差。若跳过验证直接对比实验，可能把离散误差误判为模型误差。
四、不确定性来源与分类
不确定性分为偶然（aleatory）与认知（epistemic）两类。偶然不确定性源于系统固有随机性，如材料属性的批次分散、边界条件的随机波动、湍流脉动，不能通过增加测量次数消除，只能用概率分布描述。认知不确定性源于知识不足，如模型形式选择、参数标定不充分、数值误差，可通过更多实验或更高精度计算减少。
区分二者的实际意义在于：若把认知不确定性误当偶然不确定性，会给出过宽的置信区间且无法通过研究收窄；若把偶然不确定性误当认知不确定性，会错误地认为增加实验就能消除，导致资源浪费。例如某换热系数标定值 ±10%，若来自测量仪器精度不足，属认知不确定性，改进标定可缩小；若来自工况本身波动，属偶然不确定性，只能统计分布。
五、V&V与UQ的关系
验证（Verification）回答“方程解得对不对”，确认（Validation）回答“方程建得对不对”，不确定性量化（UQ）回答“结果有多可信”。三者关系为：验证为确认提供数值误差可控的解；确认通过实验对比评估模型误差；UQ 把数值误差、模型误差、参数不确定性统一传播到预测结果，给出置信区间。
一个完整的 V&V+UQ 工作流示例：对某散热器稳态热仿真，先做网格收敛性研究（3 套网格，误差从 8% 降到 2%），确认离散误差可接受；再检查能量守恒残差小于 0.1%；然后用红外测温实验对比，发现最大偏差 6 K，超出测量不确定度 ±1 K，判定存在模型误差（忽略接触热阻）；最后把接触热阻作为认知不确定性参数，用贝叶斯标定更新其分布，再通过蒙特卡洛传播得到预测温度 95% 置信区间。这一流程把数学基础转化为可执行的工程判断。