基于贝叶斯因子和二阶概率方法的圣地亚热传导模型确认挑战问题

针对美国圣地亚国家实验室为促进模型确认方法的发展所提出的热传导挑战问题,根据现代模型确认思想总结了该挑战问题解答中应包含的核心内容。在确认度量环节采用贝叶斯因子考察了实验数据是否支持所给模型,在此基础上通过二阶概率方法得到了模型预测的分布,以此计算出模型预测结论的置信度。该过程中考虑了模型参数的随机不确定性和认知不确定性,最后通过灵敏度分析辨识了模型参数的不确定性对模型预测的影响。研究表明该挑战问题中的实验数据支持所给模型,模型预测受导热系数的不确定性影响最大,模型预测材料在调控条件下的失效概率不满足调控要求,该结论的置信度为99.97%。

考虑认知不确定性的模型确认贝叶斯因子法

针对认知不确定性条件下计算机建模仿真所面临的模型确认问题,提出一种结合了二阶概率法与区间数排序的改进贝叶斯模型确认方法。该方法首先采用二阶概率法对模型的不确定性进行量化,量化结果被作为先验模型输出,再基于实验数据对模型输出的先验概率密度进行贝叶斯更新,最后通过区间数排序的方式对比模型输出的后验和先验概率密度。由此所得的贝叶斯因子能够在模型存在认知不确定性的情况下为模型确认提供可信的结果。算例分析结果显示了该方法的合理性。