3. 仿真模型可信度的基本概念

在工业仿真中，“模型算得出来”与“模型算得可信”是两件完全不同的事。可信度（credibility）指的是：在明确的用途（intended use）和明确的精度要求下，模型输出能够被决策者接受的程度。它不是一个二值属性，而是一个随用途、工况、精度阈值变化的连续判断。要建立这种判断，工程上通常围绕四个概念展开：验证（verification）、确认（validation）、校准（calibration）和不确定度量化（UQ, uncertainty quantification）。它们回答的问题不同，顺序也不能随意颠倒。

四个概念各自回答什么问题

验证回答“方程解对了吗”。它关注数值实现是否正确：离散格式是否稳定、网格是否收敛、时间步是否足够小、求解器容差是否合理。验证通常不依赖现场实测，而是依赖解析解、网格收敛性研究（如 Richardson 外推）、守恒量检查（质量、能量、动量残差）和代码对比。若验证不通过，后续任何与实测的对比都失去意义——因为偏差可能来自数值误差而非物理模型。

确认回答“模型对物理世界的描述对吗”。它把仿真结果与独立于建模过程的实验或现场数据对比，判断在给定工况范围内模型是否具备预测能力。确认的关键是“独立”：用于确认的数据不应参与过参数调整，否则会高估可信度。

校准回答“哪些参数需要调整、调到什么值”。校准是在确认之前或迭代过程中，利用观测数据反推模型中的不确定参数（如换热系数、摩擦系数、边界条件、材料属性）。校准不是“把曲线调好看”，而是要在参数物理可解释范围内寻找最优估计，并记录参数的后验分布。

不确定度量化回答“结果有多不确定、来源是什么”。它把输入参数、边界条件、模型形式、数值离散等各类不确定性传播到输出，给出置信区间或概率分布。没有 UQ 的仿真结果只是一个点估计，无法支撑风险决策。

为什么顺序不能颠倒

一个常见的错误是：现场数据与仿真对不上，立刻去调参数。如果数值误差尚未排除，调参只是在补偿数值误差，会把物理参数拉到错误的值上，模型在其它工况下反而更差。正确的顺序是：先验证，确保数值解可信；再校准，在物理合理范围内估计参数；再确认，用独立数据检验预测能力；最后做 UQ，给出结果的置信范围。现场差异诊断则贯穿其中，它的作用是定位偏差来源，而不是直接给出修正值。

现场差异诊断在模型修正中的定位

现场差异诊断位于“发现偏差”与“执行修正”之间，是一个归因环节。它要回答的不是“差多少”，而是“为什么差”。典型偏差来源可分为四类：

• 数值误差：网格过粗、时间步过大、收敛容差过松、离散格式耗散过强。表现为偏差随网格/时间步变化而显著改变。
• 参数失配：换热系数、摩擦系数、效率、阻力系数等与现场实际不符。表现为偏差在特定工况下系统性偏大或偏小。
• 边界条件偏差：入口温度、流量、环境温度、风速、负荷曲线与仿真设定不一致。表现为偏差与外部条件变化强相关。
• 模型形式缺陷：缺失某段管路、忽略某股漏热、简化了某类化学反应。表现为偏差无法通过任何参数调整消除，且在不同工况下呈现不同符号。

诊断的实用做法是设计“分层对比”：先对比整体能量/质量平衡，再对比关键测点的时间序列，再对比稳态工况下的空间分布。例如某换热系统仿真出口温度比现场低 4.2 ℃，若整体热平衡偏差仅 1.5%，而局部测点偏差达 6%，则更可能是局部模型形式问题而非全局参数问题。此时应优先检查是否遗漏了旁路流或壁面散热，而不是直接调总换热系数。

不确定度量化：让修正有边界

UQ 的价值在于告诉决策者：修正后的模型输出仍然有一个范围。假设某模型经过校准后，关键参数的后验分布为标准差 3% 的正态分布，边界条件波动为 ±2 ℃，则输出温度的 95% 置信区间可能达到 ±1.8 ℃。如果现场偏差是 4.2 ℃，明显落在置信区间之外，说明模型形式或边界条件仍有系统性问题，不能仅靠参数校准解决。反之，若偏差为 1.2 ℃，则可能落在不确定度带内，此时继续调参的收益有限，应优先补充测量或细化模型结构。

一个可操作的诊断记录表示例

为了让诊断过程可追溯，建议为每次偏差分析建立如下记录。表中数据为示例，用于说明字段结构，实际使用时替换为项目真实数据。

这张表的核心作用是把“偏差大小”与“不确定度边界”放在一起看。偏差本身不说明问题，偏差相对于 UQ 的位置才说明问题。现场差异诊断的最终输出，应当是一份带有归因结论和修正优先级的清单，而不是一组新的参数值。参数修正只是诊断结论落地的一种方式，且必须在验证和 UQ 的约束下进行。