統計校準

統計校準概覽（Statistical Calibration Overview）

利用模擬（Simulations）取代實體測試（Physical Tests）已成為加速分析和降低研究與設計成本的關鍵。然而，模擬結果可能與實際情況有所不同，使用統計校準（Statistical Calibration）和模型驗證（Model Validation）來最佳利用有限的測試數據以確立模型是至關重要的。通過確保模擬與實際情況盡可能接近，減少設計週期時間（Design Cycle Time）和成本節省（Cost Savings）的潛力從未如此之大。

什麼是統計校準？（What is Statistical Calibration?）

統計校準是調整模型校準參數的過程，使模型與一組實驗結果更加吻合。如果沒有適當的校準，模型的結果可能毫無意義，甚至提供關於其現實世界對應物的錯誤信息。因此，準確的模型校準被廣泛認為是建立具有足夠可靠性的模擬模型的關鍵步驟，並且在進行任何進一步的研究或分析之前，經常需要校準模型。

圖1：統計校準工作流程

上述圖中顯示了統計校準的工作流程。校準參數通常不會在實體測試中直接測量。這些參數可能是物理屬性，如材料和土壤性質、製造尺寸以及引擎運行點，這些都是難以測量或完全是模型的非物理性質。

在如衛星整體結構等系統的熱模型中，通常需要校準多種輸入參數，例如材料性質、組件的熱容量、制冷劑性質、對流熱傳遞係數，以及設備或系統性能。需要匹配的輸出可以包括溫度、能源消耗、熱膨脹、加熱率、舒適度水平以及設備故障預測。考慮到這麼多可能性，不難看出為什麼一個簡單、易用、有效的校準工具是必需的。

最新一代的模擬工具包括更細緻的物理細節、更大的複雜性和更多的參數。實體測試也產生越來越複雜的數據集。詳細的儀器遙測數據常見，處理這些數據已成為大數據分析的問題。模擬與測試結果之間的差異是不確定性量化分析中的一個重要組成部分，這些趨勢朝著更複雜的模型和大型實體測試數據集發展，為不確定性量化和統計校準提出了新的挑戰和機會。