Skip to content

GCRI · Системная наука и моделирование

Количественная оценка неопределенности

Uncertainty quantification and model validation is a method this platform stewards. It identifies the sources of uncertainty in models, propagates them to outputs, finds which matter most and tests models against independent evidence, so results can be read with the right confidence.

01Реестр

Uncertainty quantification on the record.

Запись о методеSTEM-метод
  1. МетодКоличественная оценка неопределённости и валидация моделей
  2. РаспорядительСистемная наука и моделирование
  3. Применяется вСистемная наука и моделирование
  4. Canonical pageSTEM Commons
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 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.

Uncertainty budgets

Contributions from inputs, parameters, structure, numerical error and variability are estimated separately and reported together.

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.

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

Systems science · Uncertainty quantification · Run R-4832

Чувствительность ранжированаGCRI · Системная наука и моделирование

Чувствительность полного порядка

Распределение результатов

Исходные данные

Модели в библиотекеРавномерноемодели указаны явноопрос экспертов
Модели с записью о валидацииБета of models, statedопрос экспертов
Выполнено связанных прогоновНормаruns, statedопрос экспертов
Повторное использование на разных платформахРавномерноеuses, statedопрос экспертов
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.
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
Model runsPropagationСМОДЕЛИРОВАНО
Данные для валидацииПроверкаНАБЛЮДАЕМО
Выявление экспертных оценокPoorly known inputsОЦЕНЕНО
05Методы и доказательная база

How uncertainty quantification 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

Структура модели, используемая для количественной оценки неопределённости, допущения, которые она делает, и способ проверки каждого из них.

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
Валидация эмулятораSurrogates are tested against held-out model runs
Покрытие интерваловStated intervals are checked against outcomes
Structural comparisonAlternative model structures are compared

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

07Процесс

Как устроен процесс.

Process explorer · Process

Uncertainty quantification: Hazard, exposure, vulnerability

10 steps4 stages

Процесс

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 Движущие факторы

    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 Оценка

    1. 05Risk from responsesComponent · User agencyRisks from climate responses arise when responses miss their objectives, or from trade-offs or negative side effects.
    2. 06VulnerabilityComponent · User agencyThe propensity or predisposition to be adversely affected. It includes sensitivity to harm and lack of capacity to cope and adapt.
    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 Реагирование

    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 Решение

    1. 10Решение ответственной стороныРешение · Самостоятельность пользователяПостановка 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.

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

10Вопросы

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.

GCRIСистемная наука и моделированиеМетоды и технические материалыСценарии и стресс-тесты
Системная наука и моделирование

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.