2. ROM误差来源分类

降阶模型（ROM）的误差很少来自单一环节，它更像一条“误差链”：从高保真解流形被采样、被投影、被插值、被积分，每一环都会引入偏差，并在后续环节被放大或掩盖。若只盯着最终相对误差曲线，往往无法判断问题出在“基不够”还是“采样点没覆盖关键区域”。因此，本节按误差产生的物理与数值位置，把ROM误差来源分为六类：投影截断、基模态缺失、采样不足、参数插值、非线性处理、数值求解。理解这六类的区别与耦合关系，是后续误差评估与定位的基础。

一、投影截断误差：表示能力的“硬上限”

投影截断误差来自降维投影本身。以POD为例，快照矩阵的奇异值 σ₁ ≥ σ₂ ≥ … 衰减越快，说明低维子空间能捕捉的能量越多。若保留前 r 个模态，截断误差的能量上界为 ε² = Σ_i>r σ_i²。这个误差是“表示能力”的硬上限：无论后续采样多密、积分多准，都无法恢复被丢弃模态所携带的信息。

实际判断时，不应只看累计能量占比（如99.9%），还要看被丢弃模态的空间形态。若尾部模态集中在某个局部区域（如壁面附近、激波下游），即使能量占比很小，也可能对关注量（如壁面热流、局部应力）产生显著影响。此时应针对关注量单独评估截断误差，而不是用全局能量指标代替。

二、基模态缺失：快照没“看见”的物理

基模态缺失与投影截断不同：截断是“有模态但没保留”，缺失是“快照里根本没有”。常见情形包括：参数采样点未覆盖分岔区间，导致某个失稳模态从未出现在快照中；瞬态快照只取了稳态段，遗漏了启动阶段的低频模态；或者高保真求解本身分辨率不足，无法解析小尺度结构。

识别基模态缺失的实用方法是留出验证：用未参与训练的“新参数点”高保真解投影到已有基上，若投影残差远大于训练集内的截断误差，说明基的覆盖范围不足。此时增加模态数无效，必须补充采样点或更换采样策略（如贪心采样、自适应采样）。

三、采样不足：参数空间的信息盲区

采样不足有两层含义：一是快照数量不足，导致基向量估计不准；二是参数点分布不合理，导致某些区域“过采样”、某些区域“欠采样”。对于参数化ROM，后者往往更致命。例如参数 μ 在 [0,1] 内变化，若只在 μ=0.1,0.2,…,0.9 均匀采样，而系统在 μ≈0.95 附近发生模态切换，则ROM在该区域必然失效。

工程上可用参数敏感度指导采样：先以少量高保真解估计关注量对 μ 的梯度，在梯度大的区域加密采样。采样数 N 的经验下界可参考 N ≥ r·ln(r) 量级，但更可靠的判据是：当继续增加采样点后，基的投影残差不再显著下降，说明采样已趋于充分。

四、参数插值误差：基与系数的“中间态”

许多ROM在离线阶段只计算若干参数点上的基和系数，在线阶段通过插值获得任意 μ 的近似。插值误差来自两方面：一是插值阶次与节点密度不匹配，例如用线性插值处理强非线性依赖；二是插值对象选择不当，直接插值基向量可能破坏正交性，而插值系数或插值矩阵更稳定。

一个常见误区是：训练点处误差很小，就认为插值误差可控。实际上插值误差在节点之间最大，尤其在参数区间边界外推时急剧增大。评估时应专门在节点中点和区间边界设置验证点，观察误差是否出现峰值。

五、非线性处理误差：超缩减的代价

非线性ROM为降低计算量，通常采用超缩减或DEIM类方法，只在一小部分采样点上计算非线性项。这引入两类误差：一是采样点数量不足，无法准确重构非线性项的全场分布；二是采样点位置由训练快照确定，当参数变化导致非线性活跃区域迁移时，原采样点可能失效。

判断非线性处理误差是否主导，可做消融对比：分别用全阶非线性项和缩减非线性项计算同一降阶系统，若两者输出差异显著，则误差主要来自非线性处理，而非投影截断。此时应增加采样点或采用自适应采样点更新策略。

六、数值求解误差：被忽视的“最后一公里”

降阶系统虽然规模小，但可能继承原系统的刚性，或因投影导致条件数变差。时间步长过大、隐式求解迭代不收敛、浮点舍入累积，都会在长时间积分中显现。这类误差的典型特征是：短时间仿真结果正常，长时间后出现漂移或能量不守恒。

排查时建议固定降阶模型，仅改变时间步长或求解器容差，观察输出变化。若误差随步长减小而显著下降，说明数值求解误差主导；若几乎不变，则应回到投影截断或采样环节查找原因。

误差来源速查表