Skip to content

GCRI · Labs

Количественная оценка неопределённости в лабораториях

Uncertainty quantification asks how much confidence a result deserves, given measurement error, model structure, parameter choices and the conditions of the test. In laboratories and testbeds it connects a single experiment to a claim about performance in use, and it shows where a readiness or reproducibility claim is fragile.

02Заявка

Что здесь делают количественная оценка неопределённости и валидация моделей.

Uncertainty quantification and model validation characterise how uncertainty in inputs, parameters and model structure affects predictions. They establish how much confidence a model’s outputs deserve. In research and evidence, methods and modelling and innovation, uncertainty quantification shows where risk estimates are robust and where they are fragile. It guides where better data or models would change decisions. The canonical description is on the STEM Commons.

Measurement uncertainty budgets

Each source of error in an instrument chain is estimated and combined following the Guide to the Expression of Uncertainty in Measurement, so results from different laboratories can be compared on a common basis.

Sensitivity analysis of simulation models

Inputs are varied systematically to find which drive the output range, so validation effort and further testing go where they would change a conclusion.

Validation against independent experiments

Model predictions are compared with experiments not used in calibration, with agreement metrics and the domain of validity stated before the model is used for design.

03Мониторинг

Анализ неопределённости.

Экран, который команда использовала бы для следования этому методу: его показатели, состояния и решения. Названия приведены для примера, а значения иллюстративны.

Анализ неопределённости

Labs · Uncertainty quantification · Run R-1480

Sensitivity rankedGCRI · Labs

Чувствительность полного порядка

Распределение результатов

Исходные данные

Protocols registeredРавномерноеprotocols, statedопрос экспертов
Studies with preregistrationЛогнормальное исследований, указаноопрос экспертов
Replications attemptedРавномерноеstudies, statedопрос экспертов
Negative results publishedРавномерноеpapers, statedопрос экспертов
Uncertainty analysis: the screen’s structure, terms and states for Labs.Example names and illustrative values; a design, not a record or a live system.
04Данные

Что потребляет метод.

Наборы данных и записи, используемые для количественной оценки неопределённости и валидации моделей на этой платформе, с указанием роли каждого и метки, присваиваемой его значениям. Источники перечислены в реестре источников.

ДанныеРольМетка
Calibration certificatesInstrument uncertaintyОпубликованная статистика
Inter-laboratory comparison resultsReproducibility between laboratoriesНАБЛЮДАЕМО
Ансамбли моделейStructural and parameter spreadСМОДЕЛИРОВАНО
Структурированный опрос экспертовДиапазоны, для которых нет данныхОЦЕНЕНО
05Методы и доказательная база

How uncertainty quantification in laboratories is modelled, measured and tested.

Модель, её допущения, данные и неопределённость в том виде, в каком их проверил бы учёный или инженер. Структуры следуют опубликованным методам. Показанные значения являются иллюстративными, а не результатами.

Модель, уравнения и допущения

The model structure used for uncertainty quantification in laboratories, the assumptions it makes and how each is tested.

Риск элемента iRi = f(Hi, Ei, Vi, Ci)опасность, подверженность, уязвимость и потенциал реагирования
Ожидаемый годовой ущербEAL = ∑k pk · Lkover events k with annual probability pk
Связанные системыxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
ДопущениеЗачем это создаётсяКак это проверяется
В пределах события опасность и подверженность независимыДелает интеграл убытков вычислимымСравнить с подгонкой копулы по совместным записям
Вблизи рабочей точки связи линейныПозволяет потрясениям распространяться через AВыйдите за пределы линейного диапазона и сравните
Кривые уязвимости переносятся между местамиМестные кривые редко доступныПроверять по наблюдаемым убыткам там, где они есть
Исходные данные
версионированные наборы данных с указанием происхождения
Результаты
распределения, а не отдельные числа
Код
выпускается вместе с карточкой модели и тестами
Воспроизведение
те же данные, код, среда и начальное значение
Стандартные формулировки риска и пространства состояний; перечисленные допущения типичны для метода и приведены для рецензирования, а не как результаты.
Руководящие принципы FAIR · GO FAIR и FORCE11W3C PROV · Консорциум Всемирной паутиныРуководство по единообразному учёту неопределённостей · МГЭИКCEOS Analysis Ready Data · Комитет по спутникам наблюдения Земли
06Валидация

Как проверяются результаты.

Прогнозные распределения проверяются на калибровку и резкость по отложенным наблюдениям. Верификация подтверждает, что код решает заданные уравнения.

ПроверкаКак это делается
Code verificationSolvers are tested against problems with known solutions before validation begins
Валидация на данных вне выборкиPredictions are scored on data withheld from calibration
Покрытие интерваловStated intervals are checked to contain outcomes at their nominal rate
Domain of validityUse outside the tested conditions is flagged, not extrapolated silently

Структурную неопределённость и неизвестные неизвестные трудно представить. Вычислительные затраты ограничивают исследование моделей высокой размерности.

07Процесс

Как устроен процесс.

Process explorer · Process

Uncertainty quantification in laboratories: Hazard, exposure, vulnerability

10 steps4 stages

Процесс

Uncertainty quantification in laboratories: Hazard, exposure, vulnerability

In IPCC AR6 Working Group II, climate risk results from interactions between hazards and a system’s exposure and vulnerability, and responses can add risk.

  1. 01 Движущие факторы

    1. 01ОпасностьНабор данных · Главный исследовательВозможное наступление природного или антропогенного физического события или тенденции, которые могут причинить вред людям, имуществу, услугам или экосистемам.
    2. 02ПодверженностьНабор данных · Главный исследовательПрисутствие людей, источников средств к существованию, видов, экосистем, инфраструктуры или активов в местах и условиях, которые могут подвергнуться неблагоприятному воздействию.
    3. 03ЧувствительностьНабор данных · Главный исследовательСтепень, в которой система или вид подвергается неблагоприятному или благоприятному воздействию изменчивости климата или его изменения.
    4. 04Потенциал реагирования и адаптацииНабор данных · Главный исследовательСпособность системы, учреждений, людей и других организмов приспосабливаться к ущербу, использовать возможности или реагировать на последствия.
  2. 02 Оценка

    1. 05Risk from responsesComponent · Principal investigatorRisks from climate responses arise when responses miss their objectives, or from trade-offs or negative side effects.
    2. 06VulnerabilityComponent · Principal investigatorThe propensity or predisposition to be adversely affected. It includes sensitivity to harm and lack of capacity to cope and adapt.
    3. 07RiskModel · LabsRisk results from dynamic interactions between hazards and the system’s exposure and vulnerability. Each may be uncertain and change.
  3. 03 Реагирование

    1. 08Управление рисками и реагированиеШаг · Главный исследовательУправление рисками охватывает планы, действия, стратегии или политику, снижающие вероятность или масштаб неблагоприятных последствий.
    2. 09Residual riskRecord · Principal investigatorThe climate impact risk that remains after adaptation and mitigation efforts. Adaptation can redistribute risk between areas and groups.
  4. 04 Решение

    1. 10Решение ответственной стороныРешение · Главный исследовательПостановка не называет единственного лица, принимающего решения. Решения о мерах реагирования принимает ответственная сторона по своим правилам.

Описание внешнего стандарта или метода по его публичным источникам. Оно описывает, что говорит рамочная основа, а не запись о каком-либо прогоне. Оно не показывает, что Nexus или какой-либо партнёр выполняет, сертифицирует или утверждает какой-либо шаг. Этап является шагом метода и никогда не является утверждением Nexus.

09Ведение и сопровождение

Кто ведёт метод.

Системная наука и моделирование ведёт и сопровождает количественную оценку неопределённости и валидацию моделей для Консорциума и проверяет их применение на разных платформах.

11Вопросы

Вопросы и ответы.

Каковы пределы количественной оценки неопределённости и валидации моделей в этой области?
Структурную неопределённость и неизвестные неизвестные трудно представить. Вычислительные затраты ограничивают исследование моделей высокой размерности.
Как проверяются результаты?
Прогнозные распределения проверяются на калибровку и резкость по отложенным наблюдениям. Верификация подтверждает, что код решает заданные уравнения.
Значения на этой странице реальные?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Где ещё применяется этот метод?
Observatory Каноническая страница метода перечисляет все применяющие его платформы.
ОтчётыВнести вклад

Поделитесь доказательствами с этой страницы.

Reports является ежеквартальным изданием Консорциума. Ваши знания по этой теме могут стать доказательством, кейсом или исправлением в следующем выпуске с указанием вашего авторства и публикацией по лицензии CC BY 4.0, если это ваша собственная работа.

GCRIЛабораторииДоказательная база LabsМетоды и технические материалы
Лаборатории

Предложите метод, набор данных или вопрос.

Информация и запросы открыты уже сегодня. Запрос получает номер и указывает следующий шаг; заявки, платежи, выделение вычислительных ресурсов и регистрации открываются только тогда, когда существуют их команда, условия и возможности для проверки.

Правовая информация

Карты, данные и рисунки на этом сайте приводятся для контекста и общей информации. Они не являются советом, прогнозом или предупреждением; ограничения информации изложены в Оговорках и уведомлениях о данных.