Skip to content

GCRI · Ilmu Sistem dan Pemodelan

Kuantifikasi ketidakpastian

Kuantifikasi ketidakpastian dan validasi model adalah metode yang dikelola platform ini. Metode ini mengidentifikasi sumber ketidakpastian dalam model, merambatkannya ke keluaran, menemukan sumber yang paling berpengaruh, dan menguji model terhadap bukti independen, sehingga hasil dapat dibaca dengan tingkat keyakinan yang tepat.

01Daftar

Uncertainty quantification on the record.

Catatan metodeMetode STEM
  1. MetodeKuantifikasi ketidakpastian dan validasi model
  2. PengelolaSistem dan Pemodelan
  3. Diterapkan diIlmu Sistem dan Pemodelan
  4. Canonical pageSTEM Commons
02Permohonan

Peran kuantifikasi ketidakpastian dan validasi model di sini.

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 methods and modelling, risk management and systemic risk and research and evidence, 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.

Anggaran ketidakpastian

Kontribusi dari masukan, parameter, struktur, galat numerik, dan variabilitas diestimasi secara terpisah dan dilaporkan bersama.

Surrogate models for expensive simulations

Emulators trained on a limited number of runs stand in for expensive models, making sensitivity and uncertainty analysis feasible.

Credibility assessment

Models used in decisions are assessed against credibility criteria such as those in ASME V&V 40 and NASA-STD-7009.

03Pantau

Analisis ketidakpastian.

Layar yang akan digunakan sebuah tim untuk mengikuti metode ini: ukuran, status, dan keputusannya. Nama adalah contoh dan nilai bersifat ilustratif.

Analisis ketidakpastian

Systems science · Uncertainty quantification · Run R-4832

Sensitivitas diperingkatGCRI · Ilmu Sistem dan Pemodelan

Sensitivitas orde total

Distribusi keluaran

Masukan

Model dalam pustakaSeragammodel, dinyatakanElisitasi pakar
Model dengan catatan validasiBeta of models, statedElisitasi pakar
Eksekusi berpasangan yang selesaiNormaldijalankan, dinyatakanElisitasi pakar
Penggunaan ulang lintas platformSeragamuses, statedElisitasi pakar
Uncertainty analysis: the screen’s structure, terms and states for Systems science.Example names and illustrative values; a design, not a record or a live system.
04Data

Apa yang digunakan metode ini.

Set data dan catatan yang digunakan oleh kuantifikasi ketidakpastian dan validasi model pada platform ini, beserta peran masing-masing dan label yang dibawa oleh nilainya. Sumber dicantumkan dalam register sumber.

DataPeranLabel
Model runsPropagationDIMODELKAN
Validation dataPengujianTERAMATI
Elisitasi pakarMasukan yang kurang diketahuiESTIMASI
05Metode dan bukti

How uncertainty quantification is modelled, measured and tested.

Model, asumsi, data, dan ketidakpastiannya, dalam bentuk yang akan diperiksa ilmuwan atau insinyur. Strukturnya mengikuti metode yang dipublikasikan. Nilai yang digambar bersifat ilustratif, bukan temuan.

Model, persamaan, dan asumsi

Struktur model yang digunakan untuk kuantifikasi ketidakpastian, asumsi yang dibuatnya, dan cara setiap asumsi diuji.

Risiko elemen iRi = f(Hi, Ei, Vi, Ci)bahaya, keterpaparan, kerentanan, dan kapasitas penanggulangan
Kerugian tahunan yang diharapkanEAL = ∑k pk · Lkover events k with annual probability pk
Sistem terhubungxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
AsumsiMengapa ini dibuatBagaimana ini diuji
Bahaya dan eksposur bersifat independen dalam satu peristiwaMenjaga integral kerugian tetap dapat dihitungBandingkan dengan pencocokan kopula pada catatan gabungan
Keterkaitan bersifat linear di dekat titik operasiMembiarkan guncangan merambat melalui AUji di luar rentang linear lalu bandingkan
Kurva kerentanan dapat dipindahkan antartempatKurva lokal jarang tersediaValidasi terhadap kerugian teramati jika tersedia
Masukan
dataset berversi dengan asal-usul yang tercatat
Keluaran
distribusi, bukan angka tunggal
Kode
dirilis bersama kartu model dan pengujiannya
Reproduksi
data, kode, lingkungan, dan seed yang sama
Formulasi risiko standar dan ruang keadaan; asumsi yang tercantum lazim bagi metode tersebut, dinyatakan untuk ditinjau, bukan hasil.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Validasi

Cara hasil diperiksa.

Distribusi prediktif diuji kalibrasi dan ketajamannya terhadap observasi yang tidak digunakan dalam pelatihan. Verifikasi memastikan bahwa kode menyelesaikan persamaan yang dimaksud.

PemeriksaanCara pelaksanaannya
Emulator validationSurrogates are tested against held-out model runs
Cakupan intervalStated intervals are checked against outcomes
Perbandingan strukturalAlternative model structures are compared

Ketidakpastian struktural dan hal-hal tak diketahui sulit direpresentasikan. Biaya komputasi membatasi eksplorasi model berdimensi tinggi.

07Proses

Bagaimana proses berjalan.

Process explorer · Process

Uncertainty quantification: Hazard, exposure, vulnerability

10 steps4 stages

Proses

Uncertainty quantification: 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 Pendorong

    1. 01HazardDataset · User agencyThe potential occurrence of a natural or human-induced physical event or trend that may harm people, property, services or ecosystems.
    2. 02ExposureDataset · User agencyThe presence of people, livelihoods, species, ecosystems, infrastructure or assets in places and settings that could be adversely affected.
    3. 03SensitivityDataset · User agencyThe degree to which a system or species is affected, either adversely or beneficially, by climate variability or change.
    4. 04Capacity to cope and adaptDataset · User agencyThe ability of systems, institutions, humans and other organisms to adjust to damage, take opportunities or respond to consequences.
  2. 02 Penilaian

    1. 05Risiko dari responsKomponen · Agensi penggunaRisiko dari respons iklim muncul ketika respons tidak mencapai tujuannya, atau dari trade-off atau efek samping negatif.
    2. 06KerentananKomponen · Agensi penggunaKecenderungan atau predisposisi untuk terdampak secara merugikan. Hal ini mencakup kepekaan terhadap kerugian dan kurangnya kapasitas untuk menanggulangi dan beradaptasi.
    3. 07RiskModel · Systems Science and ModellingRisk results from dynamic interactions between hazards and the system’s exposure and vulnerability. Each may be uncertain and change.
  3. 03 Tanggapan

    1. 08Risk management and responseStep · User agencyRisk management is plans, actions, strategies or policies that reduce the likelihood or size of adverse consequences.
    2. 09Residual riskRecord · User agencyThe climate impact risk that remains after adaptation and mitigation efforts. Adaptation can redistribute risk between areas and groups.
  4. 04 Keputusan

    1. 10Keputusan oleh pihak yang bertanggung jawabKeputusan · Kendali penggunaPembingkaian ini tidak menyebutkan satu pengambil keputusan tunggal. Keputusan atas respons berada di tangan pihak yang bertanggung jawab berdasarkan aturannya sendiri.

Garis besar suatu standar atau metode eksternal, dari sumber publiknya. Garis besar ini menjelaskan apa yang dinyatakan kerangka itu, bukan catatan pelaksanaan apa pun. Garis besar ini tidak menunjukkan bahwa Nexus atau mitra mana pun melaksanakan, menyertifikasi, atau menyetujui suatu langkah. Gerbang adalah langkah dalam metode, tidak pernah persetujuan Nexus.

09Pengelolaan

Siapa yang memelihara metode ini.

Systems Science and Modelling stewards uncertainty quantification and model validation for the Consortium and reviews how it is applied across platforms.

10Pertanyaan

Tanya jawab.

Apa saja batas kuantifikasi ketidakpastian dan validasi model di bidang ini?
Ketidakpastian struktural dan hal-hal tak diketahui sulit direpresentasikan. Biaya komputasi membatasi eksplorasi model berdimensi tinggi.
Bagaimana hasil diperiksa?
Distribusi prediktif diuji kalibrasi dan ketajamannya terhadap observasi yang tidak digunakan dalam pelatihan. Verifikasi memastikan bahwa kode menyelesaikan persamaan yang dimaksud.
Apakah nilai di halaman ini nyata?
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.
Di mana lagi metode ini diterapkan?
Observatory Halaman metode kanonis mencantumkan setiap platform yang menerapkannya.
LaporanBerkontribusi

Kontribusikan bukti dari halaman ini.

Reports adalah publikasi triwulanan Konsorsium. Apa yang Anda ketahui tentang subjek ini dapat menjadi bukti, kasus, atau koreksi dalam edisi berikutnya, dengan kredit atas nama Anda dan dipublikasikan di bawah CC BY 4.0 jika merupakan karya Anda sendiri.

GCRIIlmu Sistem dan PemodelanMetode dan TeknisSkenario dan Uji Tekanan
Ilmu Sistem dan Pemodelan

Bawa metode, dataset, atau pertanyaan.

Informasi dan pertanyaan sudah terbuka hari ini. Sebuah pertanyaan menerima nomor referensi dan menyebutkan langkah berikutnya; lamaran, pembayaran, alokasi komputasi, dan pendaftaran hanya dibuka ketika tim, ketentuan, dan kapasitas tinjauannya tersedia.