从影响模型有效性的因素、模型数据验证工作的难点这两个方面，对模型数据验证工作进行概述。

影响模型有效性的因素分析

模型与实际系统无法完全吻合的主要因素总结如下：

建模过程中忽略了部分次要因素

一些因素因为对所研究的系统（建模对象），或对研究的目标相关性较小，因此在建模中可以忽略。这种忽略在一定程度上具有潜在的危险。

目前尚无一套完整评价方法来检验哪些约束可忽略

在建模过程中，常常是凭经验取舍，这不可避免地造成了模型与现实系统的差异。

模型仿真实验时间过短

模型所描述的系统通常是复杂、慢变过程，该类模型的实验、测试等往往需要许多时间。因各种条件限制，无法获取足够大的统计样本，导致输出数据严重不足，进而导致模型输出结果不可信。

模型初始数据确定失误

模型的初始状态对其输出结果有着直接影响，特别是在运行时间较短的情况下，模型输出结果将具有较大的偏差。

输入随机数据分布的确定

模型中多含有一定数量的随机变量，它们分布确定的正确与否直接影响模型的质量。

模型输出结果的统计误差

对特定测试条件下模型输出结果的收集和统计有严格的要求。实际中，许多模型很难得到大量输出数据，因此导致其统计结果失效。

模型数据验证工作的难点

总体上看，模型数据校验工作的难点体现在以下方面：

模型的验证是一个逐步迭代的过程

模型是建模者依据特定目的，按照相似原理对实际系统的科学抽象与简化描述，它反映了建模者对实际系统由感性到理性人事的阶段，这种认识的正确、精确与否，需要经过实践检验。因此，模型验证工作实际上是“实践——理论——实践”的循环过程。

模型数据验证工作具有模糊性

模型是原型的相似系统，这种相似具有一定的不确定性。这种不确定性不仅与建模者对原型认识的深刻程度有关，而且与他采用的方法、技巧等有关。

模型验证工作受到多种因素影响

首先是模型本身的因素。一个完整的模型包含两个方面的内容：一方面是它的结构，另一方面是它的参数。结构往往可以代表某一类模型的共性，而参数的加入，体现的是模型的个性。这两方面是模型能否代表原型的决定因素，是内因。

其次是模型运行的环境即外因，其中最基本的是给模型系统施加的输入作用。这种作用应与给实际系统施加的作用相似，只有这样，才能为分析判断模型的有效性创造条件。

模型验证过程中往往存在大量的统计分析与计算

假设检验、统计判断、置信区间估计等都要涉及到复杂的计算。因此，模型验证工作需要付出很高的代价，特别是对于复杂的大型军用软件更是如此，以致模型的全面验证实际上成为不可能。

难以得到或者得不到实际系统输出行为的可靠结果

比如导弹武器系统，尽管可以通过打靶试验获得有关真实系统的一些行为特征数据，但这些参考数据是极其有限的，对进行全面的验证来说是不充分的。