边际和不确定性的量化
编辑边际和不确定性的量化(QMU)是一种用于复杂技术决策的决策支持方法。QMU的重点是识别、描述和分析在不确定条件下评估的工程系统的性能阈值及其相关的边际,特别是当这些结果的一部分是通过计算建模和模拟产生的。QMU传统上被应用于复杂的系统,在这些系统中,全面的实验测试数据不是现成的,也不容易产生端到端的系统执行或感兴趣的特定子系统。应用QMU的系统的例子包括核武器性能、鉴定和库存评估。QMU的重点是详细描述模型中存在的各种不确定性来源,从而使系统响应输出变量的不确定性得到很好的量化。这些来源经常用概率分布来描述,以说明复杂工程系统的随机性质。对不确定性的描述支持对关键系统性能指标的设计余量与模型计算的不确定性进行比较。QMU支持风险知情的决策过程,计算仿真结果为决策机构提供了若干输入之一。目前,整个仿真界还没有标准化的方法来进行QMU;该术语适用于各种不同的建模和仿真技术,重点是严格量化模型的不确定性,以支持与设计余量的比较。
边际和不确定性的量化的概述
编辑QMU的重点是设计余量与模型输出不确定性的比率的量化。这个过程从确定系统的关键性能阈值开始,这些阈值经常可以在系统需求文件中找到。这些阈值(也被称为性能门)可以指定性能的上限,性能的下限,或者在指标必须保持在指定范围内的情况下,两者都是。对于这些性能阈值中的每一个,都必须确定相关的性能保证金。该余量代表了系统被设计为在安全地避免性能上限和下限的情况下运行的目标范围。这些余量考虑了一些方面,如系统的设计安全系数,以及对该安全系数的信心水平。QMU的重点是确定仿真结果的量化不确定性,因为它们与性能阈值范围有关。这个总的不确定性包括与计算模型有关的所有形式的不确定性,以及阈值和裕度值的不确定性。这些值的识别和特征化允许计算系统的余量与不确定性的比率(M/U)。
这些M/U值可以作为量化的输入,帮助当局就如何解释基于模拟的结果并对其采取行动做出风险知情的决定。QMU认识到,有多种类型的不确定性通过复杂系统的模型传播。QMU过程中的模拟产生关键性能阈值的输出结果,被称为最佳估计加不确定度(BE+U)。BE+U的最佳估计部分代表了关于模型响应变量的已知和理解的核心信息。使得这些估计值具有高可信度的基础通常是关于感兴趣的过程的充足的实验测试数据,这使得模拟模型得到了彻底的验证。导致BE+U值的不确定性类型可分为几类。徒劳的不确定性。这种类型的不确定性自然存在于被建模的系统中,有时被称为"不确定性"。
内容由匿名用户提供,本内容不代表vibaike.com立场,内容投诉举报请联系vibaike.com客服。如若转载,请注明出处:https://vibaike.com/168581/