数据驱动的仿真

数字孪生体之所以与传统仿真不同，是因为它产生之初就是数据驱动的。早在1979年，通杰尔·奥伦（Tuncer Oren）和伯纳德·齐格勒（Bernard Zeigler）在《高级仿真方法的概念》一文中就指出，数据在建模和仿真中非常重要，但直到最近十年，数据驱动才开始成为仿真的一种选择。在数字孪生体中，仿真当然是数据驱动的。

通杰尔·奥伦在2001年《数据对仿真的影响：从早期实践到联邦和面向代理的仿真》一文中提出：“在建模时，需要数据来做参数匹配和参数校正。无论如何，我们需要数据来验证模型和试验环境。”在同一篇文章中，通杰尔·奥伦还提出仿真分为独立的仿真和在线仿真，后者与一个实时系统同步更新。

一言以蔽之，传统的仿真是离线方式，想要实现动态孪生等级，如果仅仅采用静态或历史数据来做仿真，其价值会大打折扣。乔治亚州立大学的Hu Xiaolin在《建模与仿真概念和方法》一书中撰写了“动态数据驱动仿真：连接实时数据到仿真”，采用连续蒙特卡罗方法（Sequential Monte Carlo Methods）设计了动态数据驱动仿真工程方法，并通过山火监测做了验证。
Hu Xiaolin为此得出结论——因为有了实时数据的参与，仿真呈现出了与传统方法不同的范式，它使实时决策成为可能。动态数据驱动仿真改变了传统仿真的不少技术应用。

（1）动态状态估算。

在动态数据驱动仿真中，利用观察数据对动态改变的系统状态进行估算是基本功能。这种功能促使仿真可以从更接近真实状态开始，从而可以获得更准确的仿真效果。

（2）在线模型调整。

除了对系统状态进行估算外，动态数据驱动仿真还可以动态调整模型参数，这对于未知问题的估算更加有效。

（3）动态事件重构。

对于动态数据驱动仿真系统来说，由于获得了实时数据，可以对关注事件实施动态观察。从列举的山火案例中可以看出，动态事件重构对于预测山火扩散态势具有较好的效果。

作为数字孪生体研究的主力军之一，美国空军研究实验室的科学家也对动态数据驱动应用系统做了详细的研究，并于2018年出版了一本名为《动态数据驱动应用系统手册》（Handbook of Dynamic Data Driven Applications Systems）的书，该书由美国空军研究实验室的埃里克·布拉舍（Erik Blasch）、亚历克斯·阿韦德（Alex Aved）和麻省理工学院的萨伊·拉韦拉（Sai Ravela）等主编，第一章即为“动态数据驱动应用系统简介”。动态数据驱动应用系统如图
埃里克·布拉舍等人指出，动态数据驱动应用系统范式早在1998年就被提出来了，当时是美国国家科学基金会Frederica Darema提出了“下一代软件项目”，从2000年开始，美国国家科学基金会持续对该项目提供了资助。目前动态数据驱动应用系统协会每年都会举办相关的主题大会，召集全球顶级的数据科学专家参与，讨论动态数据驱动应用系统的最新进展。
通过动态数据驱动应用系统模型，模型和数据有机地结合起来了，可以有效分析和预测物理世界的各种物体。采用传感器再配置闭环（Sensor Reconfiguration Loop），实现测量数据的实时更新，因此才可以称整个系统是数据驱动的。动态数据驱动应用系统的应用领域见
考虑到动态数据驱动应用系统在数据科学、自动化和智能设计三大未来领域有潜在突破的可能，美国空军研究实验室关注它也就不足为奇，主要在无人驾驶车辆上加快应用该技术。翼络数字公司数字孪生体技术研究院（DTTI，Digital Twin Technology Institute）目前正围绕动态数据驱动应用系统协会的最新进展，在一些工程项目上开始采用相关成果。

针对以上提及的动态数据驱动仿真或应用系统，数字孪生体联盟维护了一个开源项目OpenCAE，该项目基于业内已有的各种开源项目，实现增量集成的计算机辅助工程开源软件方法。

在全球产业格局发生较大变化的背景下，数字孪生体为企业提供了改变市场地位的机会。除了已经在仿真领域具有地位的传统大企业，进入数字孪生体领域的企业很多都缺乏仿真技术生态，在推进数字孪生化的时候难免受限，OpenCAE开源数字孪生体项目正好提供了这样的机会。通过研究数据驱动的设计参数智能优化理论，研制仿真计算规模自适应的异构可扩展算法，从而设计计算机辅助工程软件中的关键核心模块，为数据驱动的仿真能力提供了可能。

仿真通常涉及计算物理学，这需要非常专业的科学家设计算法，通过算法来对物理现象进行模拟，这种模拟的代价通常比较高，不仅仿真工具成本较高，而且需要专业人员来操作和使用，毕竟如果不了解物理原理是难以在具体的工程需求下使用该工具并给出解释的。