Skip to content

GCRI · علم سامانه‌ها و مدل‌سازی

مدل‌سازی بازتولیدپذیر

A model result should be reproducible: others should be able to rerun the model with the same code, data and settings and get the same result, and inspect every step. Many published models cannot be rerun because code, data or environments are missing. This page sets out how reproducible modelling is practised, how it is checked, and what evidence serves the modellers, publishers and institutions who depend on it.

01ثبت‌خانه

Reproducible modelling on the record.

02The question

Reproducible modelling: how the risk develops.

Versioned models, data lineage and re-runnable results. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

سازوکار

Code and data must be available

Without the exact code and inputs, a result cannot be checked. Archiving them with identifiers makes reruns possible.

سازوکار

Environments decay

Software dependencies change over time. Recording environments with containers or lock files keeps models runnable for longer.

سازوکار

Workflows record steps

Workflow tools record every step from raw data to final figures, removing undocumented manual steps from the chain.

سازوکار

Versioning supports correction

When errors are found, versioned models and data let corrections be traced and affected results updated.

03جغرافیا

مخاطره‌ها و مواجهه در آمریکای شمالی.

Population density, flood water and active fires over North America, from NASA GIBS. Each layer carries its own date.

نقشهٔ تعاملی به جاوااسکریپت نیاز دارد؛ فهرست لایه‌ها و منابع در ادامه آمده است.

لایه‌ها 3

مخاطره‌ها و مواجهه، برای این صفحه

دربارهٔ این لایه
شواهد
برآوردی
منبع
Gridded Population of the World v4.11 (NASA SEDAC (CIESIN، Columbia University))
ارائه‌دهنده
NASA SEDAC (CIESIN، دانشگاه کلمبیا)
پروانه
CC BY 4.0
سال تولید
null؛ برآورد مبتنی بر سرشماری، ایستا (2020)
وضوح
شبکهٔ حدود 1 کیلومتری
عدم قطعیت
برآورد مبتنی بر سرشماری از تعداد افراد در هر کیلومتر مربع در 2020، به‌عنوان زمینهٔ مواجهه؛ شمار افراد آسیب‌دیده از هیچ مخاطره‌ای نیست.
دسترسی از طریق
gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
شواهد
مشاهده‌ای (ابرها شکاف ایجاد می‌کنند)
منبع
محصول سیل جهانی VIIRS (NASA LANCE)
ارائه‌دهنده
NASA LANCE
پروانه
داده‌های باز NASA
سال تولید
روزانه؛ آشکارسازی ماهواره‌ای؛ ابرها شکاف به جا می‌گذارند
تازه‌ترین در زمان ساخت
2026-10-14
وضوح
شبکهٔ حدود 250 m
عدم قطعیت
آشکارسازی ماهواره‌ای؛ ابرها شکاف به جا می‌گذارند. رستر ماهواره‌ای یا مدلی همان‌گونه که ارائه‌دهنده منتشر می‌کند. ابر، شکاف‌های نوار پویش و خطای بازیابی شکاف و نوفه به جا می‌گذارند؛ مقادیر نشانگر هستند، نه اندازه‌گیری در یک مکان.
دسترسی از طریق
gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
شواهد
مشاهده‌شده
منبع
بازتاب تصحیح‌شدهٔ VIIRS NOAA-20 (NASA LANCE)
ارائه‌دهنده
NASA LANCE
پروانه
داده‌های باز NASA
سال تولید
روزانه؛ تصویر ماهواره‌ای
تازه‌ترین در زمان ساخت
2026-10-14
وضوح
شبکهٔ حدود 250 m
عدم قطعیت
تصویر ماهواره‌ای. رستر ماهواره‌ای یا مدلی همان‌گونه که ارائه‌دهنده منتشر می‌کند. ابر، شکاف‌های نوار پویش و خطای بازیابی شکاف و نوفه به جا می‌گذارند؛ مقادیر نشانگر هستند، نه اندازه‌گیری در یک مکان.
دسترسی از طریق
gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
شواهد
مدل‌سازی‌شده (آخرین سالی که GIBS منتشر می‌کند)
منبع
پوشش زمین MODIS Terra و Aqua (MCD12Q1) (NASA LP DAAC)
ارائه‌دهنده
NASA LP DAAC
پروانه
داده‌های باز NASA
سال تولید
سالانه؛ طبقه‌بندی ماهواره‌ای؛ آخرین سالی که GIBS منتشر می‌کند
تازه‌ترین در زمان ساخت
2024-01-01
وضوح
شبکهٔ حدود 500 متری
عدم قطعیت
طبقه‌های پوشش زمین به‌صورت ماهواره‌ای برای سال نمایش‌داده‌شده، از جمله زمین‌های زراعی؛ طبقه‌بندی‌ای با خطاهای شناخته‌شده، نه ثبت مزارع.
دسترسی از طریق
gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
شواهد
مشاهده‌شده (ابر و زمان گذر ماهواره شکاف به جا می‌گذارند)
منبع
VIIRS NOAA-20 375 m (FIRMS) (NASA LANCE FIRMS)
ارائه‌دهنده
NASA LANCE FIRMS
پروانه
داده‌های باز NASA
سال تولید
روزانه؛ آشکارسازی ماهواره‌ای؛ ابر و زمان گذر ماهواره شکاف به جا می‌گذارند
تازه‌ترین در زمان ساخت
2026-10-13
وضوح
شبکهٔ حدود 500 متری
عدم قطعیت
شناسایی‌های ماهواره‌ای نقاط داغ در روز نمایش‌داده‌شده، شامل مشعل‌های گاز و گرمای صنعتی؛ آتش‌سوزی تأییدشده، گزارش رویداد یا هشدار نیست.
دسترسی از طریق
gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
شواهد
مشاهده‌شده
منبع
VIIRS Black Marble (VNP46A2) (NASA LAADS DAAC)
ارائه‌دهنده
NASA LAADS DAAC
پروانه
داده‌های باز NASA
سال تولید
روزانه؛ تابندگی ماهواره‌ای، با تصحیح نور ماه و جو
تازه‌ترین در زمان ساخت
2026-10-12
وضوح
شبکهٔ حدود 500 متری
عدم قطعیت
تابندگی شبانهٔ ماهواره‌ای برای تاریخ نشان‌داده‌شده؛ روشنایی‌ها نمایندهٔ مصرف برق و خاموشی‌اند، نه سنجه‌ای از عرضه یا دسترسی.
دسترسی از طریق
gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید

آخرین موجود

NASA GIBS / EOSDIS · ASTER GDEM (METI، NASA) · Blue Marble (NASA) · © مشارکت‌کنندگان OpenStreetMap (ODbL) · Natural Earth

در حال بارگیری تازه‌ترین تصاویر NASA.

برای جابه‌جایی بکشید. برای بزرگ‌نمایی از Ctrl یا ⌘ و غلتاندن، حرکت دو انگشت یا دکمه‌ها استفاده کنید؛ برای دیدن مقادیر زیر نشانگر روی آن بروید؛ بازنشانی به منطقه بازمی‌گرداند.

مخاطره‌ها و مواجهه، با تمرکز بر آمریکای شمالی.فرآورده‌های ماهواره‌ای و مدلی همان‌گونه که NASA منتشر می‌کند، هر یک با تاریخ خود. نشانگرند، نه ارزیابی هیچ مکانی.

داده‌ها: NASA GIBS · ASTER GDEM · Blue Marble · © مشارکت‌کنندگان OpenStreetMap · Natural Earth · NASA EONET · U.S. Geological Survey · NASA JPL OPERA DIST-ALERTمنابع و پروانه‌ها

  • We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). داده‌های باز NASA
  • We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). داده‌های باز NASA
  • Center for International Earth Science Information Network (CIESIN), Columbia University. 2018. Gridded Population of the World, Version 4 (GPWv4): Population Density, Revision 11. NASA Socioeconomic Data and Applications Center (SEDAC). دارای پروانهٔ CC BY 4.0. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). doi:10.7927/H49C6VHW. CC BY 4.0
  • فرآورده‌های VIIRS نزدیک به بی‌درنگ (سیل، دمای سطح زمین، پوشش برف، بازتاب تصحیح‌شده)، NASA LANCE؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
  • فرآورده‌های زمینی MODIS (شاخص‌های پوشش گیاهی، تولید ناخالص اولیه، پوشش زمین)، NASA LP DAAC و LANCE؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
  • NASA Fire Information for Resource Management System (FIRMS)، فرآورده آتش فعال VIIRS 375 m، NASA LANCE؛ کاشی‌های برداری از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
  • روشنایی شبانهٔ VIIRS Black Marble، مرکز پرواز فضایی گودارد NASA؛ توزیع‌شده توسط NASA Level-1 and Atmosphere Archive and Distribution System (LAADS DAAC)؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
  • ASTER GDEM فرآورده METI و NASA است (ASTER Global Digital Elevation Model V003, NASA LP DAAC)؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). ارجاع: NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team (2019). ASTER Global Digital Elevation Model V003. doi:10.5067/ASTER/ASTGTM.003. داده‌های باز NASA
  • ساخته‌شده با Natural Earth. داده‌های نقشهٔ برداری و رستری آزاد در naturalearthdata.com. مالکیت عمومی
  • © OpenStreetMap contributors (ODbL)، از طریق NASA GIBS (خط ساحلی، مرزها، جاده‌ها و نام مکان‌ها). رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). ODbL
  • Blue Marble، رصدخانهٔ زمین NASA؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
  • زمینه بر کره و نقشهٔ تخت: خط ساحلی، مرزها، جاده‌ها و نام مکان‌ها از لایه‌های مرجع NASA GIBS (داده‌های OpenStreetMap، ODbL، © OpenStreetMap contributors)؛ تصاویر Blue Marble به‌عنوان پایهٔ اختیاری؛ زمین‌نمای 3D و خوانش ارتفاع از نمایهٔ رنگ ارتفاع ASTER GDEM (ردهٔ 5 m تا 200 m، برای خوانایی اغراق‌شده). مرزها همان‌گونه که منتشر شده‌اند ترسیم می‌شوند و بر هیچ سرزمینی موضعی را القا نمی‌کنند.
  • رویدادهای زنده: NASA Earth Observatory Natural Event Tracker (EONET)؛ رویدادها نشانگرند و پیوندهای منبع اصلی خود را حفظ می‌کنند.
  • زنده: رویدادهای NASA EONET نشانگرند و هشدار مراجع رسمی نیستند.
  • زنده: U.S. Geological Survey رویدادها نشانگرند و هشدار مراجع رسمی نیستند.
  • Observed (EO): NASA JPL OPERA DIST-ALERT (contains modified Copernicus Sentinel data 2026). We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
  • NASA GIBS: We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
  • پیش‌بینی دبی رودخانه، 30 روز با گستره (GloFAS از طریق Open-Meteo): شامل اطلاعات اصلاح‌شدهٔ Copernicus Emergency Management Service در 2026؛ هشدار سیل نیست.
  • داده‌های هواشناسی از Open-Meteo.com (https://open-meteo.com/), با پروانهٔ CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
  • لایه‌های اختیاری (11 منبع در فهرست لایه‌ها: زنده، پیش‌بینی، مشاهده‌ای و زمینه‌ای) هنگام روشن‌شدن، اعتبار ارائه‌دهندهٔ خود را روی نقشه و در اینجا چاپ می‌کنند؛ پیش‌بینی‌ها خروجی مدل‌اند و شاخص‌های مشتق‌شده برآورد به شمار می‌آیند.

لایه‌ها و تاریخ‌ها

  • تراکم جمعیت، 2020: جمعیت: CIESIN، دانشگاه کلمبیا، Gridded Population of the World v4.11 (2018)، NASA SEDAC، CC BY 4.0 · ایستا
  • آب سیل، ترکیب 3 روزه: VIIRS Global Flood Product، NASA LANCE · 14 اکتبر 2026
  • رنگ حقیقی: بازتاب تصحیح‌شدهٔ VIIRS NOAA-20، NASA LANCE · 13 اکتبر 2026
  • نوع پوشش زمین (IGBP)، سالانه: پوشش زمین MODIS Terra و Aqua (MCD12Q1)، NASA LP DAAC · 2024
  • آتش‌های فعال و بی‌هنجاری‌های گرمایی: VIIRS NOAA-20 375 m (FIRMS)، NASA LANCE FIRMS · 13 اکتبر 2026
  • روشنایی شبانه، روزانه: VIIRS Black Marble (VNP46A2)، NASA LAADS DAAC · 12 اکتبر 2026

04در سراسر حوزه‌ها

Reproducibility lets every domain check model results.

05شبیه‌ساز همزاد و آبشار

Model reproducible modelling as a system. Run the cascade.

Assembled from the ⁨Nexus Standards⁩ area profile استانداردهای مخاطرات ترکیبی و آبشاری: the hazards it names, the سامانه‌ها and sectors that carry the loss, the controls that dampen it and the data that observe it. Choose the components, pick an initiating hazard and step through the cascade. The Map view places the run on an example geography with open data. Every coupling weight is a stated assumption you can change. A teaching model, not a forecast, an assessment or a certification. To model a place of your own choosing, open the full System Builder.

مخاطرات

کنترل‌ها

  • NS-0 اساسنامه و اصول
  • NS-3 UNIهای سابقهٔ ریسک (دستور زبان، تطبیق میراثی، مرجع تخصیص)
  • NS-9 UNIهای زمینه‌ای (استقرارها، نمونه‌ها، نمونه‌های برنامه)
  • NS-11 راستی‌آزمایی و پایش (شواهد، گواهی‌ها، مشاهدهٔ انطباق بدون اعتماد پیش‌فرض)
  • NRS-H61 خانوادهٔ مخاطره: شکست آبشاری (NHS-1 sys.cascade)
  • NRS-H62 خانوادهٔ مخاطره: رویدادهای مرکب و چندمخاطره‌ای (NHS-1 sys.compound)
  • NRS-H60 خانوادهٔ مخاطره: اختلال در زنجیرهٔ تأمین و جریان‌ها (NHS-1 sys.supply-chain)
  • NRS-H94 خانوادهٔ مخاطره: رویدادهای سایبری سامانه‌ای (NHS-1 cyber.systemic-cyber)
  • NRS-H107 خانوادهٔ مخاطره: تمرکز و تک‌گونگی زیرساخت دیجیتال (NHS-1 tech.digital-concentration)
  • NRS-H7 خانوادهٔ مخاطره: ناهنجاری‌های گردش بزرگ‌مقیاس (NHS-1 atmo.climate-mode)

مشاهده

  • Copernicus EMS rapid mapping activations (listed for reference)
  • OpenStreetMap planet and replication (listed for reference)
  • ERA5 reanalysis (Copernicus Climate Data Store) (listed for reference)
  • زیان اقتصادی مستقیم منتسب به سوانح نسبت به تولید ناخالص داخلی جهانی
  • Number of disruptions to basic services attributed to disasters

جغرافیای نمونه

  • بنگلادش: 134 سلول شش‌ضلعی
  • نورهای شبانهٔ امشب، قطعی‌ها (VIIRS Day/Night Band)، NASA GIBS
  • Carbon monoxide, smoke transport (AIRS), NASA GIBS
  • Vegetation disturbance alerts, 30 m (OPERA DIST-ALERT), NASA GIBS
06نشانگرها

What is measured, and how well.

Each indicator carries its unit, its cadence, the kind of source behind it and the evidence label a value would carry. No values are shown: a programme supplies them under its own authority.

IndicatorUnitدورهٔ تکرارSource typeبرچسب
Models with archived codepercent of published modelsper reviewCode archive checksمشاهده‌شده
Successful independent rerunspercent of attempted rerunsper auditReproduction studiesمشاهده‌شده
Models with recorded environmentspercentper reviewRepository checksمشاهده‌شده
Software with persistent identifierscountannualArchive recordsمشاهده‌شده
Corrections issuedcount with reasoncontinuousCorrection logsمشاهده‌شده
Models meeting FAIR4RS criteriapercentper assessmentFAIR assessmentبرآوردشده
07روش‌ها و شواهد

How reproducible modelling is modelled, measured and tested.

مدل، مفروضات، داده‌ها و عدم قطعیت آن، به شکلی که دانشمند یا مهندس بررسی می‌کند. ساختارها از روش‌های منتشرشده پیروی می‌کنند. مقادیر ترسیم‌شده تبیینی‌اند، نه یافته.

مدل، معادلات و مفروضات

The model structure used for reproducible modelling, the assumptions it makes and how each is tested.

ریسک عنصر iRi = f(Hi, Ei, Vi, Ci)مخاطره، مواجهه، آسیب‌پذیری و ظرفیت مقابله
زیان سالانهٔ مورد انتظارEAL = ∑k pk · Lkبر رویدادهای k با احتمال سالانهٔ pk
سامانه‌های جفت‌شدهxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
فرضچرا ساخته می‌شودچگونه آزموده می‌شود
مخاطره و مواجهه در یک رویداد مستقل‌اندانتگرال زیان را تحت‌کنترل نگه می‌داردمقایسه با برازش مفصل بر سوابق مشترک
جفت‌شدگی‌ها نزدیک نقطهٔ کار خطی‌انداجازه می‌دهد شوک‌ها از طریق A منتشر شوندفراتر از دامنهٔ خطی آشفته کنید و مقایسه کنید
منحنی‌های آسیب‌پذیری میان مکان‌ها منتقل می‌شوندمنحنی‌های محلی به‌ندرت در دسترس‌انداعتبارسنجی در برابر زیان‌های مشاهده‌شده در جاهایی که وجود دارند
ورودی‌ها
مجموعه‌داده‌های نسخه‌دار با خاستگاه
خروجی‌ها
توزیع‌ها، هرگز تک‌رقم‌ها
کد
منتشرشده با کارت مدل و آزمون‌ها
بازتولید
همان داده، کد، محیط و بذر
فرمول‌بندی‌های استاندارد ریسک و فضای حالت؛ مفروضات فهرست‌شده نمونهٔ روش‌اند، برای داوری بیان شده‌اند و نتیجه نیستند.
اصول راهنمای FAIR · GO FAIR و FORCE11W3C PROV · کنسرسیوم وب جهانیGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
08منابع

Where the evidence comes from.

Named public datasets and institutional records, each with its licence class. Sources by agreement are used only under their terms and never republished.

منبعWhat it givesLicence class
Software Heritage archiveArchived source code with identifiersOpen, archive terms
Zenodo and institutional repositoriesDeposited models and data with DOIsOpen, licence per record
اصول FAIR برای نرم‌افزار پژوهشی (FAIR4RS)Principles for reusable research softwareOpen, CC BY 4.0
CoMSES Net and model archivesArchived models with documentationOpen, licence per model
Reproducibility studies in computational scienceMeasured reproduction ratesLicence per publication
09تصمیم‌ها

Who decides, and what the evidence serves.

سامانه‌ها Science and Modelling prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.

چه کسی تصمیم می‌گیردThe questionEvidence this page serves
Modelling teamsHow to package models so others can rerun themChecklists; archiving guides
Publishers and report editorsWhat reproducibility evidence to requireRerun audits
FundersWhether to fund archiving and research software engineeringReproduction rate evidence

Outputs this topic produces

  • Reproducibility checklists for models
  • Model archiving and versioning guides
  • Rerun audits of published model results
  • Open teaching material on reproducible modelling
10Core questions

What experts ask about reproducibility.

  • Is the exact model version used for a result recorded and retrievable?
  • Can the input data be traced back to their sources, with every processing step?
  • Are software environments, random seeds and hardware differences documented?
  • Can an independent team re-run the analysis without the original authors?
  • How are errors found after publication corrected and communicated?
11Mechanisms and drivers

Why modelling results fail to reproduce.

Models change constantly as code is fixed and improved. Without version control, it may be impossible to know which version produced a published result. Input data are revised, cleaned and transformed through steps that are often undocumented. Software libraries change behaviour between versions, and stochastic models depend on random seeds.

Coupled models multiply these problems, since each component has its own versions, data and settings. A result may depend on a particular combination that is never recorded.

Incentives play a role: documenting and sharing models takes time that is rarely rewarded. But irreproducible results cannot be verified, and errors in widely used models can spread into many decisions.

12Methods and data

Practices and their limits.

  1. 01

    Version control

    Recording every change to code and configuration. It requires discipline and shared conventions.

  2. 02

    Data lineage

    Documenting sources and processing steps for every input, using statistical and data stewardship practice. Some data cannot be shared.

  3. 03

    Computational environments

    Capturing software dependencies so models can be re-run. Long-term preservation remains difficult.

  4. 04

    Independent re-runs

    Having another team reproduce key results before publication. Costly but highly effective.

Reproducibility does not make a model right; it makes it checkable. Replication with independent models and data is a further step, covered in مقایسهٔ میان‌مدلی.

13روش‌ها

How it is studied, and what the methods cannot say.

  1. محاسبات با عملکرد بالا، ابری و لبه‌ایEnsemble design within budgets · Workflow orchestration · Reproducible environmentsApplied here
  2. مهندسی سامانه‌هاRequirements for decision models · Interface control for coupled modelsApplied here
  3. احتمال و آمارBayesian calibration · Proper scoring of predictions · Ensemble statisticsApplied here
14Where this page’s references

Where this page’s references lead.

نهادها و اسنادی که این صفحه بر پایهٔ آن‌ها خوانده می‌شود. وضعیت و ویراست‌ها تغییر می‌کنند؛ هر پیوند به نهاد صادرکننده می‌رود.

15پرسش‌ها

پرسش و پاسخ.

What is computational reproducibility?
The ability to obtain the same results by rerunning the same code on the same data in the same computational environment.
Why archive model code?
Because without the exact code, others cannot check how results were produced, and errors cannot be found or corrected.
What are the FAIR4RS principles?
Principles adapting FAIR to research software, so that software is findable, accessible, interoperable and reusable.
Is open-source code required?
Open code helps reproducibility but is not always possible. Where code cannot be shared, independent re-runs and detailed documentation are designed to compensate.
What is data lineage?
A record of where each input came from and every step applied to it, so that it can be traced and re-created.
Does reproducibility mean the model is correct?
No. It means the result can be checked. Correctness requires validation and comparison.
How are errors corrected?
Through dated corrections linked to the original result, reported via the platform’s trust page.
گزارش‌هامشارکت

شواهد را از همین صفحه ارسال کنید.

گزارش‌ها is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.

GCRIعلوم سامانه‌ها و مدل‌سازیروش‌ها و فنیسناریو و آزمون تنش
علوم سامانه‌ها و مدل‌سازی

یک روش، یک مجموعه‌داده یا یک پرسش بیاورید.

اطلاعات و درخواست‌ها امروز باز است. هر درخواست یک شمارهٔ پیگیری می‌گیرد و گام بعدی را مشخص می‌کند؛ درخواست‌های عضویت، پرداخت‌ها، تخصیص رایانش و ثبت‌نام‌ها تنها زمانی باز می‌شوند که تیم، شرایط و ظرفیت داوری آن‌ها فراهم باشد.