Skip to content

GCRI · システム科学とモデル化

不確実性と検証

A model result is useful only when its uncertainty is stated and its fitness for a purpose has been tested. Verification checks that the code solves the equations intended; validation checks that the model represents the real system well enough for the decision at hand. This page sets out how uncertainty is quantified and models are verified and validated, and what evidence serves the decision makers who rely on model results.

問い合わせる トピックに戻る
01キャンバス

作業の進め方。

システム ・この主題の周辺説明用

結合モデルの実行環境

Uncertainty and validation · Coupled model A · Scenario set 3

アンサンブル実行中GCRI・システム科学とモデル化

モデル結合グラフ

ノード：モデル · エッジ：交換される変数

結合された構成要素

水文学1 day流出はい
電力システム1 h需要、停電はい
経済1 四半期生産、価格一部
人口1 year曝露はい

アンサンブルの出力

Coupled model runner: the screen’s structure, terms and states for Uncertainty and validation.例示の名称と説明用の値です。設計であり、記録でも稼働中のシステムでもありません。

図Coupled model runner: example names and illustrative values, not a record or a live system.

02質問

Uncertainty and validation: how the risk develops.

Quantifying uncertainty, validation against observations and the limits of calibration. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

メカニズム

Verification precedes validation

Before asking whether a model matches reality, modellers check that the code is correct, through tests, convergence studies and comparison with known solutions.

メカニズム

Validation is purpose-specific

A model valid for one question may be invalid for another. Validation is judged against the accuracy a specific decision needs.

メカニズム

Uncertainty has several sources

Input data, parameters, model structure, numerical error and natural variability each contribute, and each needs a different treatment.

メカニズム

Calibration can hide error

Tuning parameters to match past data can make a model fit for the wrong reasons, so validation needs data not used in calibration.

03地理

北米のハザードとエクスポージャー。

Flood water, population density and night lights over North America, from NASA GIBS. Each layer carries its own date.

インタラクティブマップにはJavaScriptが必要です。レイヤー一覧と出典は以下にあります。

レイヤー 3

このページのハザードと曝露

このレイヤーについて
エビデンス
観測（雲により欠測あり）
出典
VIIRS 全球洪水プロダクト（NASA LANCE）
提供者
NASA LANCE
ライセンス
NASA オープンデータ
年次
日次、衛星による検出、雲により欠測あり
ビルド時点で最新
2026-10-14
解決
約 250 m メッシュ
不確実性
衛星による検出、雲により欠測あり。衛星またはモデルのラスターを、提供者が公開したままの形で示します。雲、観測幅の隙間、取得誤差により欠測やノイズが生じるため、値は指標であり、ある場所での測定値ではありません。
到達経路
gibs.earthdata.nasa.gov（ライブ地図を許可した後にのみ）
このレイヤーについて
エビデンス
推定
出典
世界人口グリッド v4.11（NASA SEDAC（CIESIN、コロンビア大学））
提供者
NASA SEDAC（CIESIN、コロンビア大学）
ライセンス
CC BY 4.0
年次
null。国勢調査に基づく推計値、静的（2020 年）
解決
約 1 km メッシュ
不確実性
2020 年の 1 平方キロメートル当たりの人口の国勢調査に基づく推定値で、エクスポージャーの文脈として示します。いずれかのハザードの影響を受けた人数ではありません。
到達経路
gibs.earthdata.nasa.gov（ライブ地図を許可した後にのみ）
このレイヤーについて
エビデンス
観測
出典
VIIRS Black Marble（VNP46A2）（NASA LAADS DAAC）
提供者
NASA LAADS DAAC
ライセンス
NASA オープンデータ
年次
日次、衛星放射輝度、月光と大気の補正済み
ビルド時点で最新
2026-10-12
解決
約 500 m メッシュ
不確実性
表示日の夜間放射輝度の衛星観測値で、灯りは電力使用と停電の代理指標であり、供給やアクセスの測定値ではありません。
到達経路
gibs.earthdata.nasa.gov（ライブ地図を許可した後にのみ）
このレイヤーについて
エビデンス
観測
出典
VIIRS NOAA-20 補正反射率（NASA LANCE）
提供者
NASA LANCE
ライセンス
NASA オープンデータ
年次
日次、衛星画像
ビルド時点で最新
2026-10-14
解決
約 250 m メッシュ
不確実性
衛星画像です。衛星またはモデルのラスターを、提供者が公開したままの形で示します。雲、観測幅の隙間、取得誤差により欠測やノイズが生じるため、値は指標であり、ある場所での測定値ではありません。
到達経路
gibs.earthdata.nasa.gov（ライブ地図を許可した後にのみ）
このレイヤーについて
エビデンス
モデル化（GIBS が公開する最新年）
出典
MODIS Terra and Aqua 土地被覆（MCD12Q1）（NASA LP DAAC）
提供者
NASA LP DAAC
ライセンス
NASA オープンデータ
年次
年次、衛星分類、GIBS が公開する最新年
ビルド時点で最新
2024-01-01
解決
約 500 m メッシュ
不確実性
表示年の衛星土地被覆区分で、耕作地を含みます。既知の誤差を伴う分類であり、農地台帳ではありません。
到達経路
gibs.earthdata.nasa.gov（ライブ地図を許可した後にのみ）
このレイヤーについて
エビデンス
観測（雲と通過時刻により欠測あり）
出典
VIIRS NOAA-20 375 m（FIRMS）（NASA LANCE FIRMS）
提供者
NASA LANCE FIRMS
ライセンス
NASA オープンデータ
年次
日次、衛星による検出、雲と通過時刻により欠測あり
ビルド時点で最新
2026-10-13
解決
約 500 m メッシュ
不確実性
表示日の衛星によるホットスポット検出で、ガスフレアや産業排熱を含みます。確認された火災、事故報告、警報ではありません。
到達経路
gibs.earthdata.nasa.gov（ライブ地図を許可した後にのみ）

最新の利用可能データ

NASA GIBS / EOSDIS · ASTER GDEM（METI、NASA）· Blue Marble（NASA）· © OpenStreetMap 貢献者（ODbL）· Natural Earth

最新のNASA画像を読み込んでいます。

ドラッグで移動。Ctrlまたは⌘を押しながらスクロール、ピンチ、またはボタンでズーム。ポインター下の値はホバーで表示。リセットで地域表示に戻ります。

ハザードとエクスポージャー、北米を枠に収めて。NASA が公開するままの衛星およびモデルのプロダクトで、それぞれに固有の日付があります。指標であり、特定の場所の評価ではありません。

データ：NASA GIBS・ASTER GDEM・Blue Marble・ © OpenStreetMap 寄稿者 ・Natural Earth・NASA EONET・U.S. Geological Survey・NASA JPL OPERA DIST-ALERT情報源とライセンス

  • 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). NASA オープンデータ
  • 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). NASA オープンデータ
  • VIIRS 準リアルタイム・プロダクト（洪水、地表面温度、積雪被覆、補正反射率）、NASA LANCE。画像は NASA GIBS 経由。色は公開カラーマップから再描画し、表示箇所では値を六角形セルに平均化しています（改変）。 NASA オープンデータ
  • 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). CC BY 4.0 でライセンス。色は公開カラーマップから再描画し、表示箇所では値を六角形セルに平均化しています（改変）。 doi:10.7927/H49C6VHW. CC BY 4.0
  • VIIRS Black Marble 夜間光、NASA ゴダード宇宙飛行センター。NASA レベル1・大気アーカイブ配布システム（LAADS DAAC）が配布、画像は NASA GIBS 経由。色は公開カラーマップから再描画し、表示箇所では値を六角形セルに平均化しています（改変）。 NASA オープンデータ
  • MODIS 陸域プロダクト（植生指数、総一次生産、土地被覆）、NASA LP DAAC と LANCE。画像は NASA GIBS 経由。色は公開カラーマップから再描画し、表示箇所では値を六角形セルに平均化しています（改変）。 NASA オープンデータ
  • NASA 資源管理のための火災情報システム（FIRMS）、VIIRS 375 m アクティブ・ファイア・プロダクト、NASA LANCE。ベクタータイルは NASA GIBS 経由。色は公開カラーマップから再描画し、表示箇所では値を六角形セルに平均化しています（改変）。 NASA オープンデータ
  • ASTER GDEM は METI と NASA のプロダクトです（ASTER Global Digital Elevation Model V003、NASA LP DAAC）。画像は NASA GIBS 経由。色は公開カラーマップから再描画し、表示箇所では値を六角形セルに平均化しています（改変）。引用：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. NASA オープンデータ
  • Natural Earthを使用して作成。無料のベクターおよびラスター地図データ @ naturalearthdata.com。 パブリックドメイン
  • © OpenStreetMap 貢献者（ODbL）、NASA GIBS 経由（海岸線、境界、道路、地名）。色は公開カラーマップから再描画し、表示箇所では値を六角形セルに平均化しています（改変）。 ODbL
  • Blue Marble、NASA Earth Observatory。画像は NASA GIBS 経由。色は公開カラーマップから再描画し、表示箇所では値を六角形セルに平均化しています（改変）。 NASA オープンデータ
  • 地球儀と平面地図の背景情報：NASA GIBS参照レイヤーによる海岸線、境界、道路、地名（OpenStreetMapデータ、ODbL、© OpenStreetMap contributors）。オプションのベースとしてBlue Marble画像。ASTER GDEM標高カラー指数による3D地形と標高の読み取り（5 mから200 mの階級、判読しやすいよう誇張）。境界は公表されたとおりに描画しており、いかなる領域に関する立場を示すものでもありません。
  • ライブイベント：NASA Earth Observatory Natural Event Tracker（EONET）。イベントは参考情報であり、元の出典へのリンクを保持しています。
  • ライブ：NASA EONET。イベントは参考情報であり、当局の警報ではありません。
  • ライブ：米国地質調査所。イベントは参考情報であり、当局の警報ではありません。
  • 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).
  • 河川流量予測、30日間・幅付き（Open-Meteo経由のGloFAS）：Copernicus緊急管理サービスの改変情報を含みます（2026年）。洪水警報ではありません。
  • Open-Meteo.com の気象データ (https://open-meteo.com/), ライセンスは CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
  • 任意レイヤー（レイヤー一覧に 11 の情報源：ライブ、予報、観測、背景）は、オンにすると地図上とここに提供者のクレジットが表示されます。予報はモデルの出力であり、派生指数は推計値です。

レイヤーと日付

  • 洪水域、3日間合成：VIIRS Global Flood Product、NASA LANCE · 2026 年 10 月 14 日
  • 人口密度、2020年：人口：CIESIN, Columbia University, Gridded Population of the World v4.11 (2018), NASA SEDAC, CC BY 4.0 · 静的
  • 夜間光（日次）：VIIRS Black Marble（VNP46A2）、NASA LAADS DAAC · 2026 年 10 月 12 日
  • トゥルーカラー：VIIRS NOAA-20 補正反射率、NASA LANCE・ 2026年10月13日
  • 土地被覆タイプ（IGBP）、年次：MODIS Terra and Aqua 土地被覆（MCD12Q1）、NASA LP DAAC・ 2024
  • 活動火災と熱異常：VIIRS NOAA-20 375 m（FIRMS）、NASA LANCE FIRMS · 2026年10月13日

04分野を横断して

Validation must match the decision each domain faces.

Validation studies are designed for the 手法と技術シリーズ. ASME V&V 40, NASA-STD-7009 and Bayesian calibration (Kennedy and O’Hagan, 2001) set practice; 感度分析 is one of the five rules of Saltelli and colleagues (2020).

  • Validation datasets.
  • Documented model failures.
05ツインとカスケードのシミュレーター

Model uncertainty and validation as a system. Run the cascade.

Assembled from the Nexus Standards area profile 複合・連鎖ハザードの標準: the hazards it names, the システム 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.

ハザード

管理策

  • NS-0 憲章と原則
  • NS-3 リスク記録の UNI（文法、旧体系との対照、割当権限）
  • NS-9 文脈 UNI（展開、インスタンス、プログラム・インスタンス）
  • NS-11 検証とモニタリング（エビデンス、証明、ゼロトラストの適合性観測）
  • NRS-H61 ハザード・ファミリー：連鎖的な機能不全（NHS-1 sys.cascade）
  • NRS-H62 ハザード・ファミリー：複合・マルチハザード事象（NHS-1 sys.compound）
  • NRS-H60 ハザード分類：サプライチェーンと流れの途絶（NHS-1 sys.supply-chain）
  • NRS-H94 ハザード・ファミリー：システミック・サイバー事象（NHS-1 cyber.systemic-cyber）
  • NRS-H107 ハザード・ファミリー：デジタルインフラの集中とモノカルチャー（NHS-1 tech.digital-concentration）
  • NRS-H7 ハザード分類：大規模な循環の異常（NHS-1 atmo.climate-mode）

観測

  • Copernicus EMS rapid mapping activations (listed for reference)
  • OpenStreetMap planet and replication (listed for reference)
  • ERA5 再解析（Copernicus Climate Data Store）（参考として掲載）
  • 世界の GDP に対する災害による直接経済損失
  • Number of disruptions to basic services attributed to disasters

例示の地理

  • バングラデシュ：134 の六角形セル
  • 今夜の夜間光と停電（VIIRS Day/Night Band）、NASA GIBS
  • Carbon monoxide, smoke transport (AIRS), NASA GIBS
  • Vegetation disturbance alerts, 30 m (OPERA DIST-ALERT), NASA GIBS
06指標

何を、どの程度うまく測定しているか。

各指標には、その単位、更新頻度、背後にある出典の種類、値が持つことになるエビデンスのラベルが付いています。値は表示しません：プログラムが自らの権限のもとで値を提供します。

指標単位周期出典の種類ラベル
Verification tests passedpercent of test suiteリリースごとModel test records観測
Validation error against independent dataerror metricper validationValidation studies推定
Prediction interval coveragepercent of observations inside stated intervalsper evaluationOut-of-sample evaluation観測
Sensitivity indicesshare of output variance by inputper analysisグローバル 感度分析モデル化
Models with documented credibility assessment件数評価ごとModel documentation申告済み
Independent reviews completed件数per modelReview records報告値
07手法とエビデンス

How uncertainty and validation is modelled, measured and tested.

モデル、その仮定、データ、不確実性を、科学者やエンジニアが確認する形で示します。構造は公表された手法に従っています。描かれた値は例示であり、知見ではありません。

モデル、方程式、仮定

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

要素 i のリスクRi = f(Hi, Ei, Vi, Ci)ハザード、エクスポージャー、脆弱性、対処能力
年間期待損失EAL = ∑k pk · Lk年間確率 pk
結合システムxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
仮定作られる理由検証の方法
一つの事象の中では、ハザードとエクスポージャーは独立している損失の積分を扱いやすく保つ同時記録に当てはめたコピュラと比較
結合は動作点の近くで線形であるショックを A を通じて伝播させる線形範囲を超えて摂動を与えて比較する
脆弱性曲線は場所を越えて適用できる地域固有の曲線はめったに得られない観測された損失がある場合はそれに照らして検証
入力
来歴付きのバージョン管理されたデータセット
成果物
分布であり、単一の数値ではない
コード
モデルカードと試験とともに公開
再現
同じデータ、コード、環境、シード
標準的なリスクおよび状態空間の定式化です。挙げた前提はこの手法に典型的なもので、審査のために示しており、結果ではありません。
FAIR 原則・GO FAIR と FORCE11W3C PROV・World Wide Web Consortium不確実性の一貫した扱いに関するガイダンス・IPCCCEOS 解析即応データ・地球観測衛星委員会
08出典

エビデンスの出所。

名前の明示された公開データセットと機関の記録。それぞれにライセンス区分があります。合意に基づく出典は、その条件のもとでのみ使用し、再公開することはありません。

出典提供するものライセンス区分
ASME V&V 10, V&V 20 and V&V 40Verification, validation and credibility standardsLicensed standards, purchase required
NASA-STD-7009Credibility assessment of models and simulationsPublic domain, US government
IPCC uncertainty guidance note較正された不確実性の表現Public, IPCC terms
SALib and other open 感度分析 librariesImplementations of global sensitivity methodsOpen source, MIT licence
Published validation studies in each fieldEvidence on model performanceLicence per publication
09決定

誰が決め、エビデンスが何に役立つか。

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

誰が決定するか質問このページが提供するエビデンス
Model ownersWhether a model is fit for a stated purposeCredibility assessments; validation reports
Decision makersHow much weight to give model resultsUncertainty statements
Reviewers and auditorsWhether verification and validation were adequateProtocols and review records

このトピックが生み出す成果物

  • Verification and validation protocols for network models
  • Uncertainty statements in calibrated language
  • Credibility assessments for models used in decisions
  • Validation reports against independent data
10中核となる問い

What experts ask about uncertainty and validation.

  • Which sources of uncertainty matter most for the decision at hand?
  • How does uncertainty in inputs and parameters propagate to outputs?
  • What observations can test the model, and are they independent of calibration data?
  • How far beyond the calibration conditions can the model be trusted?
  • How should uncertainty be communicated to people who must act on it?
11メカニズムと要因

Kinds of uncertainty and why calibration is not validation.

Modellers distinguish aleatory uncertainty, the inherent variability of a system, from epistemic uncertainty, which comes from incomplete knowledge and can in principle be reduced. Structural uncertainty, about whether the model’s equations are right, is often the largest and hardest to quantify. 深い不確実性 arises when experts cannot agree even on probability distributions.

Calibration adjusts parameters so that a model matches observations. A well-calibrated model may still be wrong: many parameter combinations can fit the same data, a problem called equifinality, and a model tuned to past conditions may fail under new ones. Validation therefore requires tests against data not used in calibration, and ideally under different conditions.

Validation is purpose-specific. A model may be adequate for estimating averages but not extremes, or for one region but not another.

12手法とデータ

手法とその限界。

  1. 01

    感度分析

    Identifying which inputs drive output variation. Global methods are computationally demanding.

  2. 02

    Probabilistic propagation

    Monte Carlo and related methods, using 確率と統計. Results depend on assumed input distributions.

  3. 03

    Bayesian calibration

    Updating parameter beliefs with data and representing model discrepancy. Priors and discrepancy models involve judgement.

  4. 04

    Out-of-sample validation

    Testing against independent data, held-out periods or different locations. Suitable data are often scarce for extremes.

No validation proves a model correct. It establishes confidence for a purpose, within stated conditions.

13手法

どのように研究され、手法が言えないことは何か。

  1. 不確実性の定量化とモデル検証不確実性のバジェット · 計算負荷の高いシミュレーションのための代理モデル · 信頼性の評価ここでの適用
    正式 · STEM Commons
  2. 確率と統計ベイズ較正 · 予測の適切なスコアリング · アンサンブル統計ここでの適用
    正式 · STEM Commons
  3. システム工学意思決定モデルの要件 · 結合モデルのインターフェース管理ここでの適用
    正式 · STEM Commons
  4. 不確実性下の意思決定分析モデルの前に意思決定を枠づける · モデルの情報価値ここでの適用
    正式 · STEM Commons
14Where this page’s references

Where this page’s references lead.

このページの読解の基準となる機関と文書。状態と版は変わります。各リンクは発行機関へ移動します。

15質問

質問と回答。

What is the difference between verification and validation?
Verification asks whether the model is solved correctly, that the code does what it is meant to. Validation asks whether it is the right model for the purpose, by comparing it with reality.
Can a model be validated for the future?
Not directly. Models can be tested on past conditions and processes; confidence for new conditions rests on whether the model represents the underlying processes.
What is global sensitivity analysis?
A method that varies all uncertain inputs together to find which ones drive most of the variation in model outputs.
Can uncertainty always be quantified?
Not always. Under deep uncertainty, experts may not agree on probabilities, and other approaches such as scenario analysis are used. See 不確実性下の最適化.
What is equifinality?
The situation in which different parameter sets produce equally good fits to observations, so calibration cannot identify the true values.
Does GCRI validate models for regulators?
No. GCRI does not certify. Its method notes describe how validation can be done.
Why is calibration not enough?
Because matching past data does not show that a model will perform under new conditions or for different outputs.
報告書貢献する

このページからエビデンスを提供する。

報告書 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.

GCRIシステム科学とモデリング手法と技術シナリオとストレステスト

個人データ、重要インフラの機微な詳細、共有する権利のないものは決して送らないでください。寄稿は利用前にレビューされます。送付によって著作者としての権利や編集上の権利が生じることはなく、スポンサーシップで調査結果を買うことは決してできません。

システム科学とモデリング

手法、データセット、または問いを持ち込んでください。

情報提供と問い合わせは本日から受け付けています。問い合わせには参照番号が付き、次の手順が示されます。申請、支払い、計算資源の割り当て、登録は、担当チーム、規約、審査体制が整ってから開始します。

手法を提案する すべての連絡経路を見る
法務

このサイトの地図、データ、図表は、背景と一般的な情報として示すものです。助言、予報、警報ではありません。情報の限界は免責事項とデータに関する注意事項に記載しています。