Верификация и валидация моделей

2026-04-30 · 3 мин. для прочтения
blog science

Верификация и валидация моделей

Содержание

1 Общая информация

  • Верификация модели (Verification)

    • Процесс, подтверждающий, что вычислительная модель правильно решает математические уравнения, заложенные в её основу.
    • Вопрос: «Правильно ли мы решили уравнения?»
  • Валидация модели (Validation)

    • Процесс, подтверждающий, что математическая модель (и её решение) с достаточной точностью описывает реальное физическое явление для заданной области применения.
    • Вопрос: «Правильные ли уравнения мы решили?»
  • Нельзя валидировать модель, если она не верифицирована.

    • Сначала нужно убедиться, что код считает верно, и только потом проверять физический смысл результата.
Таблица 1: Сравнение верификации и валидации
ПараметрВерификацияВалидация
Объект проверкиВычислительный код, численный метод, шаг сеткиКонцептуальная модель, допущения, соответствие реальности
ЦельНайти и устранить программные ошибки, ошибки дискретизации, ошибки округленияОценить пригодность модели для описания реального мира
С чем сравниваемЭталонные математические решенияЭкспериментальные данные, натурный эксперимент
Типичный инструментТесты на сходимость, сравнение с проверенным кодомКалибровка, анализ чувствительности, сравнение с независимыми наборами экспериментальных данных
Характер ошибкиОшибка в коде, недостаточный порядок аппроксимации, плохая сходимостьНеучтённая физика, неверные граничные условия, узкий диапазон применимости

2 Ключевое различие

  • Представим, что решаем уравнение x^2 = 4 с помощью кода.

  • Верификация

    • Проверяем, что метод (например, итерационный) действительно находит корень 2 без ошибок при полной точности вычислений.
    • Мы сравниваем код с математическим алгоритмом.
  • Валидация

    • Проверяем, правильное ли уравнение мы выбрали.
    • Допустим, мы моделируем высоту полёта камня.
    • Уравнение x^2 = 4 — это модель.
    • Валидация покажет, что настоящий камень летит не по параболе x^2, а гораздо сложнее из-за сопротивления воздуха.
    • Значит, наша математическая модель (уравнение) невалидна, несмотря на идеально верифицированное решение.

3 Процесс работы

  • Рассмотрим структуру процесса работы с моделью [1; 2].

  • Реальность → (абстракция) → Концептуальная модель (уравнения, допущения) → (программирование) → Компьютерная модель (код) → (расчёт) → Результаты моделирования.

  • Валидация концептуальной модели — проверка, верны ли наши допущения и уравнения. (Связь Реальность–Концептуальная модель).

  • Верификация кода — проверка, что код точно решает концептуальную модель. (Связь Концептуальная модель–Компьютерная модель).

  • Валидация результатов — сравнение готовых цифр с экспериментами. (Связь Компьютерная модель–Реальность).

4 Примеры

4.1 Моделирование обтекания крыла самолёта

  • Верификация

    • Тест на сходимость
      • Расчёт аэродинамического сопротивления на нескольких сетках.
      • Если разница результатов между сетками мала (< 1%), то решение сходится.
    • Сравнение с аналитикой
      • Для модели плоской пластины существует точное решение уравнений Навье-Стокса.
      • Проводим моделирование плоской пластины и сравниваем с точным решением.
  • Валидация

    • Сравнение с продувкой в аэродинамической трубе (физическое моделирование)
    • Лётные испытания

4.2 Эпидемиологическая модель (типа SIR)

  • Верификация

    • Закон сохранения
      • В модели без рождаемости и смертности сумма популяций S + I + R должна быть постоянной на каждом шаге.
    • Тест на уменьшение шага
      • Решаем систему дифференциальных уравнений с разным шагом.
      • Если решение смещается незначительно, численная схема реализована верно.
  • Валидация

    • Сравнение с историческими данными совпадают в пределах доверительного интервала.
    • Проверка адекватности структуры
      • Если модель предсказывает, что 150% населения переболеет, она невалидна концептуально.

5 Библиография

Литература

1. Sargent, R.G. Verification and validation of simulation models / R.G. Sargent // 2007 Winter Simulation Conference. – IEEE, 2007. – Сс. 124–137.
2. Sargent, R.G. Verification And Validation Of Simulation Models: An Advanced Tutorial / R.G. Sargent // 2020 Winter Simulation Conference (WSC). – IEEE, 2020. – Verification And Validation Of Simulation Models. – Сс. 16–29.
Дмитрий Сергеевич Кулябов
Authors
Профессор кафедры теории вероятностей и кибербезопасности
Работаю профессором на кафедре теории вероятностей и кибербезопасности Российского университета дружбы народов им. Патриса Лумумбы. Научные интересы относятся к области теоретической физики и математического моделирования.