部分成文

temp.md

@@ -0,0 +1,256 @@
+你这个问题问得很“论文落地导向”：MCM/ICM 评委最在意的不是你有没有真实手机数据，而是——**你说的参数怎么来、仿真怎么跑、结果怎么验证**。下面我按你现在的论文结构，把「哪些地方需要数据 / 需要什么字段 / 代码和图片放哪 / 怎么检验模型」一次讲清楚（不需要你改模型）。
+
+---
+
+## 1）模型建立（Model Formulation）需要提供数据吗？
+
+**严格来说：不必。**
+模型建立那一章的任务是：给出变量、假设、方程、机理闭环（功耗映射 + ECM + CPL + 热 + 老化 + 停机判据）。这些可以不靠数据完成。
+
+但有一个例外：
+如果你在模型建立里写了“我们选取 (z_{\min}=0.02)、(\gamma=1.6)、(\kappa=1.2)”这类**具体数值**，那评委会自然追问“这些数怎么来的”。
+所以建议做法是：
+
+* **模型建立**：只写“参数待识别/可由实验/日志获得”，不在这一节塞一堆数值；
+* **参数辨识（第6节）**：再用数据主题/字段说明这些参数怎样拟合；
+* **结果（第8节）**：才给“最终一套参数表 + 范围”。
+
+---
+
+## 2）哪些模块“需要数据”？
+
+你们现在的整篇，真正需要“数据支撑”的地方主要有四块（按重要性）：
+
+### A. 参数辨识（第6节）——最需要数据
+
+你要证明：参数不是拍脑袋，是可以从可复现数据得到。
+
+### B. 结果与验证（第8节/第9节）——需要“对比数据”或“合理性检验”
+
+不一定要真实手机数据，但至少要有：
+
+* 典型输入曲线（场景化）；
+* 对比：仿真输出 vs 常识/基准（比如同类手机续航范围、温升范围）。
+
+### C. 不确定性/MC/Sobol（第7节）——需要“分布假设”的依据
+
+如果你说“亮度是 OU 过程”，那 OU 的均值/方差/相关时间最好来自：
+
+* 历史使用日志统计（最好），或
+* 你给出合理范围并做敏感性（也能过）。
+
+### D. 策略建议（降频/限流）——需要阈值/触发条件（可用假设范围）
+
+比如 (I_{\max}(T_b)) 的阈值、降频比例，可用行业常识范围/简化设定，再做敏感性说明其影响。
+
+---
+
+## 3）如果要提供数据：分别需要哪些“数据主题”？每个主题要哪些字段？
+
+下面给你一套“最小可用数据清单”（MCM 很吃这一套：字段明确、可复现、不会让你真去做重实验也能写得像真的）。
+
+> 你不一定全都有。没有真实数据时，用**合成数据 + 合理范围 + 可复现生成规则**也可以，但字段设计要完整。
+
+---
+
+### 主题 1：系统使用日志（最关键，驱动输入 (\mathbf{u}(t))）
+
+**用途：** 给 (L(t),C(t),N(t),\Psi(t),T_a(t)) 的统计/场景；也可给功耗映射拟合。
+
+**字段建议：**
+
+* `timestamp`（秒或毫秒）
+* `L`（归一化亮度 0–1）
+* `C`（CPU 负载 0–1，或 CPU utilization）
+* `N`（网络活动 0–1：可用吞吐/包率归一化）
+* `Psi`（信号质量：RSRP/RSRQ/SINR 或 0–1 归一化指标）
+* `Ta`（环境温度，℃或 K）
+* 可选：`screen_on`（0/1，用于工况识别）、`app_category`（视频/游戏/社交）
+
+---
+
+### 主题 2：电池测量数据（输出验证 + ECM 拟合）
+
+**用途：** 验证 (V_{\text{term}}(t))、SOC、温度；或拟合 (R_0,R_1,C_1)。
+
+**字段建议：**
+
+* `timestamp`
+* `V_term`（端电压）
+* `I_meas`（电流，若能拿到最好；拿不到也可用功耗+电压反推）
+* `z_meas`（SOC/电量百分比）
+* `Tb_meas`（电池温度）
+* `device_state`（充/放电、是否插电）
+
+---
+
+### 主题 3：OCV–SOC 曲线（拟合 (E_0,K,A,B)）
+
+**用途：** 识别 modified Shepherd 参数。
+
+**字段建议：**
+
+* `z`（0–1）
+* `V_oc`（开路电压）
+* 可选：`temperature`（因为 OCV 也会随温度略变）
+
+---
+
+### 主题 4：脉冲测试数据（拟合 (R_0,R_1,C_1)）
+
+**用途：** 用“瞬时压降 + 指数松弛”分离欧姆/极化。
+
+**字段建议：**
+
+* `timestamp`
+* `I_step`（施加电流）
+* `V_term`（高采样电压）
+* `z`（测试 SOC）
+* `Tb`（测试温度）
+
+---
+
+### 主题 5：网络尾耗数据（拟合 (k_{\text{tail}},\tau_\uparrow,\tau_\downarrow)）
+
+**用途：** 验证你们的 (w(t)) 连续尾耗机制。
+
+**字段建议：**
+
+* `timestamp`
+* `N`（网络活动）
+* `P_net` 或 `P_tot`（网络功耗或整机功耗）
+* `Psi`（信号质量，便于把惩罚项分离）
+* `w`（不需要测，仿真内部；但实验功耗曲线用于拟合）
+
+---
+
+### 主题 6：老化数据（拟合 (\lambda_{\rm sei},m,E_{\rm sei})）
+
+**用途：** 给 SOH 退化方程参数。
+
+**字段建议：**
+
+* `time_or_cycles`
+* `S`（SOH/容量保持率）
+* `I_profile`（平均电流或 C-rate）
+* `Tb`（温度）
+* 可选：`calendar_time`（日历老化）
+
+---
+
+### 主题 7：策略阈值数据（限流/降频）
+
+**用途：** 给 (I_{\max}(T_b)) 或 (P_{\cap}(T_b)) 的形状/阈值。
+
+**字段建议：**
+
+* `Tb`
+* `I_limit` 或 `P_cap`
+* `throttle_flag`（是否触发降频）
+
+> 没有也没关系：用“典型阈值范围 + 敏感性分析”就能写得很合理。
+
+---
+
+## 4）代码应该出现在论文哪个模块？
+
+MCM 论文一般不贴大段代码。推荐结构：
+
+* **第6节 数值求解与参数辨识：** 放“算法伪代码”（Algorithm 3/4）+ 关键实现要点（RK4 子步嵌套求 (I)、步长对半、事件检测）。
+* **附录 Appendix：** 放简化代码框架（比如 Python/Matlab 伪代码），例如：
+
+  * `simulate_one_path(u(t), params)`
+  * `solve_current_CPL()`
+  * `step_RK4_with_nested_I()`
+  * `estimate_params_pulse()`
+  * `MC_TTE()`
+  * `Sobol_Saltelli()`
+
+正文里只要“算法”就够，附录放代码能加分且不抢篇幅。
+
+---
+
+## 5）图片应该出现在哪个模块？
+
+按你们的叙事链条放：
+
+* **第5节 模型建立**：
+
+  * 模型结构框图（输入→功耗→CPL→电流→ODE→输出）
+  * 子系统示意（网络尾耗 (w) 机制图也行）
+
+* **第8节 结果与讨论**（最核心）：
+
+  * 输入样例（(L,C,N,\Psi,T_a)）
+  * SOC/电压/温度轨迹束（MC）
+  * TTE 分布（直方图/CDF/生存曲线）
+  * Sobol 指数条形图
+    -（可选）策略前后对比图（有限流 vs 无）
+
+* **附录**：
+
+  * 参数拟合曲线（OCV 拟合、脉冲松弛拟合、尾耗指数拟合）
+  * 误差收敛图（步长对半、MC 采样收敛）
+
+---
+
+## 6）你的模型如何检验（Validation / Verification）？
+
+这部分你要写得“像工程论文”，我给你一套评委很买账的四层检验法：**V&V（verification & validation）**。
+
+### 6.1 数值正确性（Verification）
+
+证明“代码没算错”：
+
+1. **步长对半收敛**：你们已有
+   (|z_{\Delta t}-z_{\Delta t/2}|_\infty<10^{-4})，TTE 变化 <1%
+2. **物理约束检验**：
+
+   * (z(t)) 单调下降（放电时）
+   * (S(t)) 单调不增
+   * (w(t)\in[0,1])
+3. **能量一致性检查（推荐加分项）**：定义交付能量
+   [
+   E_{\rm del}(t)=\int_0^t V_{\rm term}(\tau)I(\tau),d\tau
+   ]
+   与 SOC 下降对应的可用能量规模一致（不要求完全相等，但量级要对得上）。
+
+### 6.2 参数合理性（Calibration sanity）
+
+证明“参数不离谱”：
+
+* (R_0) 随温度降低增大（Arrhenius）
+* (\gamma,\eta>1) 体现超线性负载
+* (\kappa>0) 表明信号差更耗电
+* (hA/C_{\rm th}) 给出合理热时间常数（几十分钟量级通常合理）
+
+### 6.3 行为有效性（Behavioral validation）
+
+不一定要真实数据，也能做：
+
+* 场景测试：视频/游戏/待机输入，得到 TTE 排序符合常识（游戏 < 视频 < 浏览 < 待机）
+* 低温测试：同样输入下 TTE 明显下降（因为 (R_0\uparrow, Q_{\rm eff}\downarrow)）
+* 老化测试：(S) 下降时 TTE 下降、且更易触发低电压关机
+
+### 6.4 对比验证（External validation）
+
+如果有一点点真实数据最好（哪怕公开数据/文献图）：
+
+* 用文献中“某负载功耗范围、温升范围、续航区间”做对比，证明你输出落在合理区间
+* 或者用手机系统导出的 battery log 做一段短时对比（10–30 分钟也足够）
+
+---
+
+## 你现在应该怎么做（最省力的落地路线）
+
+如果你不想真的去找很多实验数据，我建议“最小闭环”是：
+
+1. **合成/场景化输入数据**（主题1）：自己生成 (L,C,N,\Psi,T_a) 的典型曲线（每个场景 2–4 小时）。
+2. **给一套参数表 + 合理范围**：参数辨识写“可按以下数据拟合”，再给出“采用文献/经验的标称值+范围”，并在敏感性里证明结论稳健。
+3. **结果章用 MC + Sobol + 策略对比**，会非常像 O 奖文章。
+
+---
+
+如果你愿意，我可以把你这段“数据需求说明”直接写成论文里一个小节（例如 **“Data Requirements and Validation Protocol”**），并且帮你把每个数据主题写成表格（字段、单位、来源、用途、对应参数）。你只要告诉我：你们打算走 **真实日志** 还是 **场景合成** 路线即可。
+
+