利用贝叶斯反演量化墙体热物性的不确定性
应用统计
2018-08-16 v2
摘要
我们引入一个计算框架，从任意墙体的空气温度和表面热通量现场测量中统计推断其热物性。该框架利用这些测量，在贝叶斯校准方法内，序贯推断描述墙体热性能的一维热扩散模型的输入参数。这些输入包括表征墙体导热系数和体积热容的空间变化函数。我们将计算框架编码为一个算法，该算法在新测量可用时序贯更新我们对热物性的概率知识，从而实现对物性的即时不确定性量化。此外，所提算法使我们能够研究底层热扩散模型的离散化对热物性估计精度及相应热通量预测分布的影响。通过虚拟/合成实验和真实实验，我们展示了所提方法的能力：(i) 表征与例如未知空腔和绝缘体相关的非均匀热物性；(ii) 获得有效热物性（如热透射率）的快速且准确的不确定性估计；(iii) 精确计算墙体热性能的统计描述，这对评估可能的改造措施至关重要。
引用
@article{arxiv.1710.02976,
title = {Quantifying uncertainty in thermal properties of walls by means of Bayesian inversion},
author = {Lia De Simon and Marco Iglesias and Benjamin Jones and Christopher Wood},
journal= {arXiv preprint arXiv:1710.02976},
year = {2018}
}