在建築與工廠專案中，流動分析的工況數量增長很快。5種樓棟佈局方案、4種開口條件、16個風向組合起來就是320個工況。若每個工況需要4小時，簡單計算也要53天。設計進度不會等待，因此現實中大多隻挑選少數工況計算，其餘則靠推估。
問題在於“挑選哪些工況”
經驗豐富的工程師通常能選得不錯。但這種選擇的依據很難向第三方解釋，在審議中被問到“為什麼只審查了這些條件”時，往往難以作答。更大的問題是，存在直覺會遺漏的組合。單個變數都沒有問題、卻只在特定組合下效能急劇惡化的區段，實際上經常被發現。
代理模型（Surrogate Model）的作用
代理模型透過學習少量精細分析結果，對其餘條件的結果進行近似預測。這裡的關鍵是，代理模型的預測值不作為結論使用。代理模型始終只是指明哪裡需要精細分析的地圖。
實務應用流程
- 第1步 — 初始取樣 · 選取20~40個均勻覆蓋設計變數空間的工況進行精細CFD分析。採用拉丁超立方等空間填充方法，而非隨機選擇。
- 第2步 — 代理模型訓練 · 用初始結果構建響應面，並透過交叉驗證量化預測誤差。誤差超出允許範圍時追加樣本。
- 第3步 — 全域掃描 · 利用代理模型在數秒內掃描全部組合，識別風險區段與最優候選區段。
- 第4步 — 精選精細分析 · 僅對風險區段邊界和10~20個最優候選工況重新進行精細CFD計算並加以確認。
- 第5步 — 驗證與報告 · 對照精細分析結果與代理模型預測，在報告中明確標註模型的置信區間。
實際效果與侷限
在DINETT完成的一項園區佈局審查中，與全量計算的320個工況相比，精細分析減少到54個工況。審查週期縮短約一半，同時審查的條件數量反而增加了。在此過程中還發現了兩個憑直覺不會選中的風險組合。
但侷限也很明顯。在物理現象不連續變化的區段——例如突然發生流動分離的條件下——代理模型的預測會嚴重偏離。因此，代理模型可信度低的區域必須透過精細分析確認，而且不能把這一判斷交給自動化。
核心原則
AI用於擴大審查範圍，而不用於得出結論。最終判定必須基於精細分析結果和工程師的判斷，報告中須明確區分哪些工況是精細分析、哪些是預測。
AI用於擴大審查範圍，而不用於得出結論。最終判定必須基於精細分析結果和工程師的判斷，報告中須明確區分哪些工況是精細分析、哪些是預測。
從哪裡開始比較好
並非所有專案都需要這種方法。工況數少於50個時，全量計算更簡單也更安全。這種方法真正有意義的條件是變數在3個以上、組合超過100個工況，且設計進度緊迫。
此外，要在組織內部落實這一工作流程，還需同時具備分析自動化指令碼和結果管理體系。DINETT支援將流程與模板移交給客戶，幫助客戶以自身能力執行。
本文基於DINETT工程模擬部門的實務經驗撰寫。如需具體應用方法或專案諮詢，請透過服務諮詢與我們聯絡。
