7.4 验证与确认

7.4 验证与确认

交付的最后一道闸门是举证。仿真的两类根本错误必须分开问：代码解对方程了吗（验证，verification）与方程刻画物理了吗（确认，validation）。两者方法不同、证据不同、责任不同，混淆是仿真事故的头号来源——网格收敛做得很漂亮的代码可能解的是一条错的方程，与实验勉强吻合的结果可能掩盖两处错误的相消。本节把验证与确认写成三级举证结构，并用一次完整的对账实验示范"解对了方程"如何被证明。

两种错误，分开背锅

验证回答代码问题，不需要任何实验数据。它的武器库全部来自前六章：与解析解对表（第三章的全部产出都是现成标尺）、网格收敛阶核实（4.1 的实验制度化为生产流程）、守恒量审计（4.4 的总量账本）、与基准算例库对表（行业公认的标准问题集）。验证合格意味着：你的程序忠实解出了它声称解的那条方程。确认回答物理问题，必须引入实验数据：边界条件是否真实、材料参数是否准确、物理模型（比如湍流模型）是否涵盖了实际机制。确认的结果天然带不确定度——测量有误差、实验条件无法完全复现，所以确认报告的输出不是"对上了"三个字，而是偏差区间及其解释。

分立的意义在于责任清晰：验证不合格是程序员与算法的问题（修代码），确认不合格是建模者与物理假设的问题（换模型）。两者混查时，一处数值 bug 与一处模型缺陷可能恰好相消，产出一个"看起来很准"的错误结果——这类事故在行业复盘报告里从不缺席。

三级举证结构

一份能签字放行的仿真报告，举证分三级，强度递增：

第一级：网格收敛核实。三套网格加理查森外推（7.2 的完整流程），报告实测收敛阶与外推不确定度。这是最低门槛——没有它，数值结果连"解"的资格都存疑。

第二级：解析与基准对表。对简化到有解析解的变体问题（降维、常系数、规则几何），与第三章手推的解逐点对表；复杂问题则对行业基准算例。这一级验证的是"求解链路"在全流程中的忠实性。

第三级：实验确认。与实测数据对比，输出偏差区间，并区分偏差来源：数值误差（第一级已量化）、输入不确定度（材料参数、边界条件的区间扫描）、模型缺陷（剩下的不可解释部分）。第三级产出的不是"模型正确"，而是"模型在什么适用域内、带多大不确定度地可用"——适用域与不确定度是确认报告的两大必备栏目，只报一条误差百分比的确认报告在制度上不合格。

图解：验证与确认的举证金字塔

验证与确认三级举证示意

数值实验：一份完整的三级对账

用 6.3 的 Black-Scholes 定价做一次浓缩的三级对账，把制度跑一遍：一级，三套网格的收敛阶；二级，与闭式公式对表；三级（演示性），与另一组市场参数的"准实验"对比并给出偏差解释。

import numpy as np
from math import erf

S0, K, r, sig, T = 100.0, 100.0, 0.05, 0.2, 1.0

def bs_call(S, sig_=sig):
    tau = T
    d1 = (np.log(S/K) + (r + 0.5*sig_**2)*tau)/(sig_*np.sqrt(tau))
    d2 = d1 - sig_*np.sqrt(tau)
    N = lambda z: 0.5*(1 + np.vectorize(erf)(z/np.sqrt(2)))
    return S*N(d1) - K*np.exp(-r*tau)*N(d2)

# 一级：三套网格（复用 6.3 的 CN 定价函数骨架，此处演示账目结构）
# 价格_40格, 价格_80格, 价格_160格 -> 实测阶 p = log2(差1/差2)
# 期望输出: p 约等于 2, 外推值与闭式差在万分之一以内

# 二级：与闭式对表
# CN(400x100) 与 bs_call(100) 的差 已在 6.3 验证 约千分之一

# 三级：输入不确定度扫描（确认的演示形态）
for sig_lo_hi in [0.18, 0.22]:
    print(f"波动率 {sig_lo_hi}: 价格 {float(bs_call(S0, sig_lo_hi)):.4f}")
​

三级各司其职：一级证明数值解在收敛轨道上，二级证明链路忠实（千分之一内），三级展示输入不确定度的传导——波动率各偏零点零二，价格各偏约一元一角，这组数字写进报告比一句"结果可信"有分量得多。真实项目里，三级会各自展开成 7.2 的网格研究、本章的基准算例、以及与实测数据的偏差表——报告的每一句结论都能向上指到一张表，这就是"互证长大成制度"的最终形态。

制造解方法：没有解析解也要验证

复杂工程问题连简化变体都没有解析解，一级验证怎么办？制造解方法是行业标准答案：反着来——先任意指定一个足够光滑的函数当作"解"，把它代回方程算出对应的源项、边界条件与初始条件，然后用代码解这条"被定制出来的问题"。因为解是事先指定的，误差可以逐点核对，收敛阶可以逐级核实——解析解没有的场合，就自己制造一个。它的妙处在于对代码的覆盖极其彻底：可以把边界条件、源项、非线性项全部激活，让验证深入到真实工况的每个部件，而不是只在理想化的角落里打转。

import numpy as np

# 制造解方法最小演示：给一条有已知"制造解"的问题做收敛阶核实
# 约定：u_mfg = sin(pi*x)，代回 -u'' + k*u = f 得 f = pi^2 sin(pi x) + k sin(pi x)
k = 3.0
f = lambda x: (np.pi**2 + k) * np.sin(np.pi*x)
u_mfg = lambda x: np.sin(np.pi*x)

def solve(n):
    x = np.linspace(0, 1, n+1); dx = x[1]-x[0]
    A = (2*np.eye(n-1) - np.eye(n-1,1) - np.eye(n-1,-1))/dx**2 + k*np.eye(n-1)
    u = np.r_[0.0, np.linalg.solve(A, f(x[1:-1])), 0.0]
    return np.abs(u - u_mfg(x)).max()

e1, e2, e3 = solve(20), solve(40), solve(80)
print(f"误差 {e1:.2e} -> {e2:.2e} -> {e3:.2e}  实测阶 {np.log2(e1/e3)/2:.2f}")
​

实测阶回到 2，验证即告完成——整个过程不需要任何实验数据，也不需要问题本身有任何物理意义。工业代码的回归测试体系里，制造解算例是常驻嘉宾：每次改代码就跑一遍，收敛阶一变就立刻报警。把这套算例库与 7.1 的选型验收、7.2 的网格研究串起来，就是验证活动的全部骨架。

不确定度的三份户口

确认报告里的"不确定度"不是一个数而是三个，来源与处置各不相同。数值不确定度：离散与迭代误差，一级举证（网格收敛）已经量化，可控可减。输入不确定度：材料参数、边界条件的测量误差向解的传播——第六章换热系数的区间扫描是标准处置，蒙特卡洛（5.2）是精细处置。模型不确定度：方程本身与现实的结构性差异（湍流模型的近似、本构关系的经验性）——它无法靠加密网格或加采样消除，只能靠与实验的偏差区间来刻画，也是适用域声明的真正依据。三类误差混在一句"误差约百分之五"里，是确认报告最常见的失格形态；分开报，才能回答"这百分之五里，哪部分还能救、哪部分认了"。

全书收束

七章到此走完一根完整的链条：从弦振动的历史现场出发，经过分类画像、手推解析、数值复盘、非线性前沿与应用现场，最终落进一份能签字放行的仿真报告。回头看，贯穿全册的只有一个习惯——每说一句"解对了"，都拿出另一条独立路径的结果来对表。推导对表数值，网格对表网格，方程对表物理。两百年前，傅里叶的热理论正是这样在被审稿人反复质疑中站稳的；两百年后，这份纪律仍是这门学科最贵的资产。

本节要点

• 分立原则：验证问代码（不需实验）、确认问物理（必须实验），责任与修法完全不同；
• 错误相消：数值 bug 与模型缺陷可能互相掩盖，混查是事故温床；
• 三级举证：网格收敛、解析对表、实验确认，强度递增，结论必须能指到表；
• 必备栏目：适用域与不确定度——只报一个误差百分比的确认在制度上不合格；
• 全书闭环：互证习惯长成举证制度，是这门学科留给每个实践者的最贵资产。