5.3 确认

5.3.1 确认方法
5.3.1.1 确认的最基本方法是将模型预测值或解析解与可靠的试验数据进行比较。模型是理论概念的表现，试验数据是真实现象的表征，应选择合适的模型和输入数据体现试验内容，这样才能进行有效的对比。模型和试验都具有局限性，因此对其本身的固有误差和不确定性也均应进行比较。如果模型能够产生与输入数据所描述的场景相对应的适宜结果，即可确认该模型是正确的。
5.3.1.2 对于火灾问题，即使最简单的案例通常也不存在解析解，但可以通过两种途径进行检验确认，第一种是利用试验结果确认各个算法；第二种是通过具有渐近结果的简单实验（如热传导和辐射）进行确认。例如，在一个没有火的单室房间中，温度应逐渐趋于一个单值，模型应能够重现这种规律。
5.3.1.3 相关关系也是有效的火灾分析方法，应像计算机模型一样对其采用类似的统计方法进行确认。
5.3.1.4 确认过程还包括对输入数据有效范围的说明。一般情况下，输入数据应满足如下要求：
    ——包含完整的环境数据，例如建筑内的温度梯度，建筑内外的温差、风向、风力等。
    ——使用正确的物性参数，若采用常数，则应进行灵敏度分析并说明其对输出结果的影响；若使用常量代替变量（如随温度变化的量），则应估计模型或计算方法在此近似条件下的适用范围。
5.3.1.5 从文献得到的数据应给出文献出处，文献可以是手册、标准、期刊和研究报告等。如果数据不是来自同行认可的文献，则应对这些数据进行核准。
5.3.2 计算方法与相应结果的比较
5.3.2.1 单值预测与数据的比较
    代数方程通常给出单值预测，计算模型也可用于单值预测。对单值预测结果应采用实验或调查数据进行校验，但这些数据应适用于所考虑的问题，并具有等价的初始条件和边界条件。详细内容见5.3.3。
5.3.2.2 时间-变量预测值与数据的比较
5.3.2.2.1 采用计算模型预测的时间-变量曲线（如上层烟气温度随时间的变化曲线）可与实验数据曲线进行比较，分辨两条曲线相似性和差异性的量化比较方法参见附录D。该方法通过将曲线处理成无量纲向量，再采用向量分析来描述两者之间的差异。这种方法即可用于验证火灾模型，也可用于对实验数据的不确定性进行量化。
5.3.2.2.2 有多种参数可以用来描述两条曲线或者一组曲线之间的差异，本部分主要考虑相对差和余弦函数：
     ——相对差是一个非负的实参函数，用于表征两条曲线的差异；对于相同的两条曲线，相对差取值为0，两条曲线差异越大，则相对差的数值越大；
    ——余弦函数用于描述两条曲线形状的差异，取值从-1～1；对于有相同形状的曲线，取值为1；对于互为镜像的两条曲线，取值为-1如果两条曲线没有任何的共同点，取值为0。
    注：附录D介绍了此方法以及相应的计算公式，并给出了实例。
5.3.2.3 概率模型理论和试验依据的检验
    概率模型作为风险评估的重要工具，采用的方程通常根据基于火灾场景建立的概率函数来计算风险，一般从容易获取的概率值推导出所需的概率值。对这些方程正确性的检查应包含以下内容：
    a）模型是否只使用了具有明确定义的概率变量和参数；
    注1：概率模拟和风险评估通常采用经验数据库或工程判断来为概率变量和参数赋值。对于单变量或参数，可以将其估计值与采用相同计算方法从另一组独立数据获得的估计值相比较，由此判断其准确性，例如将一组专家得到的判断与从另外一组专家得到的判断进行比较。同样，实验获得的概率（如起火概率）可以通过与不同地点或时间获得的实验概率值进行比较，从而获得验证。
    注2：风险评估的输出变量主要基于风险概率和可能导致的后果，而后者由确定性模型获得。确定性模型预测结果的验证方法见附录B。对于风险的组合计算结果，不论是对整个计算方法或者对其中的一个子系统，都可以通过与实际损失记录的对比而获得验证，如果风险概率值根据经验推测获得，用于验证风险概率的损失记录与根据经验获得的风险概率具有相同的地点和时间。
    b）概率变量、参数及其计算是否遵循了概率准则（如：概率值介于0和1之间）；
    c）采用的条件概率公式是否完整；
    d）风险计算是否来自于包含场景发生概率和后果的直观表达式；如果不是，是否有其他潜在表达式；
    e）关于火灾场景的风险表达式是否考虑了所有可能的场景；如果不是，计算中是否考虑了被忽略场景对计算结果的影响；
    f）计算中是否明确阐述了概率变量和参数的不确定性，是否考虑和阐述了随机不确定性和系统偏差的来源；
    g）如果概率模型使用的方程是从原始完整方程简化而来，其精确性是否与原始方程进行了比较。
5.3.3 子系统模型或子模型与相应数据的比较
5.3.3.1 将子系统模型（如烟气填充/开口气流）或子模型（如火羽流模型）的预测结果与采集的实验数据进行比较，是用户确认模型预测能力的基本方法。如果对火灾现象理解和认识不够充分，依据经验数据就是测试程序所用模型（程序）的一条重要途径。利用模型预测结果的过程中不应参考用于对比的实验数据，必要的输入数据可以从小型实验中获得，测量的不确定性应得到系统化和逻辑化的考量，不应为实现测量结果与预测结果的良好吻合，而对测量结果或预测结果做出任何主观的调整。
5.3.3.2 预测结果与实验数据的比较应满足以下要求：
    a）对数据不确定性的来源有全面了解；
    b）对不确定性的来源给予量化；
    c）利用灵敏度分析评价不确定性对预测结果的影响；
    d）能够说明不确定性的数据或计算程序比较方法。
5.3.3.3 对模型预测和实验数据的比较结论多数是定性的，如：“满意”“好”或“合理”。
5.3.3.4 预测结果可以与下列几项结果进行对比：
    a）解析解（相对于验证）；
    b）基准案例（定义完整且精确求解的案例）；
    c）实验结果；
    d）其他计算程序的计算结果；
    e）调查结果。