En los pronósticos basados en la física, los parámetros del modelo se estiman minimizando el error o maximizando la verosimilitud entre las predicciones del modelo y los datos medidos. Cuando múltiples parámetros del modelo están fuertemente correlacionados, es un desafío identificar parámetros individuales al medir datos de degradación, especialmente cuando los datos tienen ruido. Este artículo presenta primero varias correlaciones que ocurren durante el proceso de estimación de parámetros del modelo y luego introduce dos métodos para identificar los valores precisos de parámetros individuales cuando están fuertemente correlacionados. El primer método se puede aplicar cuando la relación de correlación evoluciona a medida que crece el daño, mientras que el segundo método se puede aplicar cuando cambian las condiciones de operación (carga). A partir de datos manufacturados utilizando los parámetros verdaderos, se compara la precisión de los parámetros identificados con varios niveles de ruido. Resultó que el método propuesto puede identificar los valores precisos de los parámetros del modelo incluso con un nivel de ruido relativamente grande. En términos de la distribución marginal, la desviación estándar de un parámetro del modelo se reduce de 0.125 a 0.03 cuando se utilizan diferentes estados de daño. Cuando cambian las condiciones de carga, la incertidumbre se reduce de 0.3 a 0.05. Ambos se consideran una mejora significativa.