統計校準工作流程
模型校準的參數通常無法直接從物理測試中測量,例如材料與土壤性質、製造尺寸或引擎運行點等物理屬性,甚至是模型的非物理屬性。以下為一些常見的校準應用場景:
- 熱模型校準:例如衛星或建築的熱模型,涉及輸入參數如材料屬性、元件熱容、制冷劑性質、對流換熱係數及設備性能。輸出可能包括溫度、能耗、熱膨脹、加熱速率、舒適水平及設備故障預測。
- 高維模型校準:現代模擬工具包括更複雜的物理詳細參數,而物理測試則產生更大的數據集,對於大數據分析的需求不斷增長。
統計校準的流程圖(如圖所示)展示了如何有效應對這些挑戰並提升模型的準確性。
統計校準的優勢
1.
處理全方位的不確定性
統計校準可處理模型中所有層面的不確定性,包括校準參數的不確定性。
2.
量化模型差異
校準後,統計校準方法能量化模型與觀測數據之間的差異,幫助辨識模型的不足之處並進行驗證。
3.
高效性與精確性
SmartUQ 的統計校準工具,能同時計算物理與模擬數據的差異,以及精確的校準參數。