GCRI · Системная наука и моделирование
Оптимизация в условиях неопределённости
Plans for infrastructure, reserves and portfolios must work across futures that cannot be predicted. Optimisation under uncertainty chooses decisions that perform well on average, hold up in bad cases or stay acceptable across many scenarios. This page sets out the main approaches, from stochastic to robust optimisation and decision-making under глубокая неопределённость, how their results are tested, and what evidence serves the planners who rely on them.
Optimisation under uncertainty on the record.
Optimisation under uncertainty: how the risk develops.
Robust and adaptive decisions when futures are deeply uncertain. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Optimal for one future is fragile
A plan optimised for a single forecast can perform badly if the future differs. Representing uncertainty explicitly avoids this trap.
Stochastic methods use probabilities
Stochastic programming optimises expected performance across scenarios with assigned probabilities, which needs those probabilities to be credible.
Robust methods guard the worst case
Robust optimisation chooses decisions that perform acceptably for all scenarios within a set, trading average performance for protection.
Adaptive plans keep options open
Plans with decision points and triggers adapt as uncertainty resolves, avoiding commitments that lock in poor outcomes.
Опасные явления и подверженность в Северной Америке.
Flood water, population density and daytime surface heat over North America, from NASA GIBS. Each layer carries its own date.
Для интерактивной карты нужен JavaScript. Список слоёв и источники приведены ниже.
Слои 3
Опасные явления и подверженность для этой страницы
Об этом слое
- Доказательная база
- Наблюдаемые данные (облачность оставляет пропуски)
- Источник
- Глобальный продукт по паводкам VIIRS (NASA LANCE)
- Поставщик
- NASA LANCE
- Лицензия
- Открытые данные NASA
- Год выпуска
- ежедневно; спутниковое обнаружение; облачность оставляет пропуски
- Новейшие на момент сборки
- 2026-10-14
- Разрешение
- сетка около 250 м
- Неопределённость
- Спутниковое обнаружение; облачность оставляет пропуски. Спутниковый или модельный растр в том виде, в каком его публикует поставщик. Облачность, пропуски в полосе обзора и ошибки восстановления параметров оставляют пропуски и шум; значения являются показателями, а не измерениями в конкретном месте.
- Доступно через
- gibs.earthdata.nasa.gov, только после того как вы разрешите интерактивную карту
Об этом слое
- Доказательная база
- Оценка
- Источник
- Gridded Population of the World v4.11 (NASA SEDAC (CIESIN, Колумбийский университет))
- Поставщик
- NASA SEDAC (CIESIN, Колумбийский университет)
- Лицензия
- CC BY 4.0
- Год выпуска
- null; оценка на основе переписи, статическая (2020)
- Разрешение
- сетка около 1 км
- Неопределённость
- Оценка на основе переписи числа людей на квадратный километр в 2020 году, показанная как контекст подверженности; не является подсчётом людей, пострадавших от какой-либо опасности.
- Доступно через
- gibs.earthdata.nasa.gov, только после того как вы разрешите интерактивную карту
Об этом слое
- Доказательная база
- Наблюдаемые данные (устойчивая облачность по-прежнему оставляет пропуски)
- Источник
- VIIRS NOAA-20 Level 3, 8 дней (NASA LANCE)
- Поставщик
- NASA LANCE
- Лицензия
- Открытые данные NASA
- Год выпуска
- 8 дней; спутниковый 8-дневный композит; устойчивая облачность по-прежнему оставляет пропуски
- Новейшие на момент сборки
- 2026-09-14
- Разрешение
- сетка около 1 км
- Неопределённость
- Спутниковая температура поверхности земли за 8 дней, заканчивающихся указанной датой, показатель подверженности жаре; это не температура воздуха, не индекс жары и не предупреждение о жаре.
- Доступно через
- gibs.earthdata.nasa.gov, только после того как вы разрешите интерактивную карту
Об этом слое
- Доказательная база
- Наблюдаемые данные
- Источник
- Скорректированная отражательная способность VIIRS NOAA-20 (NASA LANCE)
- Поставщик
- NASA LANCE
- Лицензия
- Открытые данные NASA
- Год выпуска
- ежедневно; спутниковое изображение
- Новейшие на момент сборки
- 2026-10-14
- Разрешение
- сетка около 250 м
- Неопределённость
- Спутниковое изображение. Спутниковый или модельный растр в том виде, в каком его публикует поставщик. Облачность, пропуски в полосе обзора и ошибки восстановления параметров оставляют пропуски и шум; значения являются показателями, а не измерениями в конкретном месте.
- Доступно через
- gibs.earthdata.nasa.gov, только после того как вы разрешите интерактивную карту
Об этом слое
- Доказательная база
- Смоделировано (последний год, публикуемый GIBS)
- Источник
- Земной покров MODIS Terra и Aqua (MCD12Q1) (NASA LP DAAC)
- Поставщик
- NASA LP DAAC
- Лицензия
- Открытые данные NASA
- Год выпуска
- ежегодно; спутниковая классификация; последний год, публикуемый GIBS
- Новейшие на момент сборки
- 2024-01-01
- Разрешение
- сетка около 500 м
- Неопределённость
- Спутниковые классы земного покрова за указанный год, включая пахотные земли; классификация с известными ошибками, а не реестр ферм.
- Доступно через
- gibs.earthdata.nasa.gov, только после того как вы разрешите интерактивную карту
Об этом слое
- Доказательная база
- Наблюдаемые данные (облачность и время пролёта спутника оставляют пропуски)
- Источник
- VIIRS NOAA-20 375 м (FIRMS) (NASA LANCE FIRMS)
- Поставщик
- NASA LANCE FIRMS
- Лицензия
- Открытые данные NASA
- Год выпуска
- ежедневно; спутниковое обнаружение; облачность и время пролёта спутника оставляют пропуски
- Новейшие на момент сборки
- 2026-10-13
- Разрешение
- сетка около 500 м
- Неопределённость
- Спутниковые обнаружения горячих точек за указанный день, включая газовые факелы и промышленное тепло; это не подтверждённый пожар, не донесение об инциденте и не предупреждение.
- Доступно через
- gibs.earthdata.nasa.gov, только после того как вы разрешите интерактивную карту
Клавиатура при фокусе на карте
Удерживайте Ctrl или ⌘ и прокручивайте для масштабирования
Последние доступные
NASA GIBS / EOSDIS · ASTER GDEM (METI, NASA) · Blue Marble (NASA) · © участники OpenStreetMap (ODbL) · Natural Earth
Загрузка последних снимков NASA.
Перетаскивайте для перемещения. Для масштабирования используйте Ctrl или ⌘ с прокруткой, жест щипка или кнопки; наведите курсор, чтобы увидеть значения под указателем; сброс возвращает к региону.
Опасные явления и подверженность в Северной Америке.Спутниковые и модельные продукты в том виде, в каком их публикует NASA, каждый со своей датой. Это показатели, а не оценки какого-либо места.
Данные: NASA GIBS · ASTER GDEM · Blue Marble · © участники OpenStreetMap · Natural Earth · NASA EONET · U.S. Geological Survey · NASA JPL OPERA DIST-ALERTИсточники и лицензии
- 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). Открытые данные 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). Открытые данные NASA
- Продукты VIIRS почти реального времени (наводнения, температура поверхности суши, снежный покров, скорректированная отражательная способность), NASA LANCE; изображения через NASA GIBS. Цвета перерисованы по опубликованной цветовой шкале; там, где показано, значения усреднены по шестиугольным ячейкам (изменено). Открытые данные 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). Лицензия CC BY 4.0. Цвета перерисованы по опубликованной цветовой шкале; там, где показано, значения усреднены по шестиугольным ячейкам (изменено). doi:10.7927/H49C6VHW. CC BY 4.0
- Продукты MODIS по суше (вегетационные индексы, валовая первичная продукция, земной покров), NASA LP DAAC и LANCE; изображения через NASA GIBS. Цвета перерисованы по опубликованной цветовой шкале; там, где показано, значения усреднены по шестиугольным ячейкам (изменено). Открытые данные NASA
- NASA Fire Information for Resource Management System (FIRMS), продукт VIIRS по активным пожарам с разрешением 375 м, NASA LANCE; векторные плитки через NASA GIBS. Цвета перерисованы по опубликованной цветовой шкале; там, где показано, значения усреднены по шестиугольным ячейкам (изменено). Открытые данные NASA
- ASTER GDEM является продуктом METI и NASA (ASTER Global Digital Elevation Model V003, NASA LP DAAC); изображения через NASA GIBS. Цвета перерисованы по опубликованной цветовой шкале; там, где показано, значения усреднены по шестиугольным ячейкам (изменено). Ссылка: 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. Открытые данные NASA
- Создано с использованием Natural Earth. Бесплатные векторные и растровые картографические данные @ naturalearthdata.com. Общественное достояние
- © участники OpenStreetMap (ODbL), через NASA GIBS (береговые линии, границы, дороги и названия мест). Цвета перерисованы по опубликованной цветовой шкале; значения, где показано, усреднены по шестиугольным ячейкам (изменено). ODbL
- Blue Marble, NASA Earth Observatory; изображения через NASA GIBS. Цвета перерисованы по опубликованной цветовой шкале; там, где показано, значения усреднены по шестиугольным ячейкам (изменено). Открытые данные NASA
- Контекст на глобусе и плоской карте: береговые линии, границы, дороги и названия мест из справочных слоёв NASA GIBS (данные OpenStreetMap, ODbL, © участники OpenStreetMap); снимки Blue Marble как дополнительная подложка; 3D-рельеф и показания высоты по цветовому индексу высот ASTER GDEM (классы от 5 м до 200 м, с преувеличением для наглядности). Границы показаны в опубликованном виде и не выражают позиции в отношении какой-либо территории.
- События в реальном времени: NASA Earth Observatory Natural Event Tracker (EONET). События носят ориентировочный характер и сохраняют ссылки на первоначальный источник.
- Текущие данные: события NASA EONET носят ориентировочный характер и не являются официальными предупреждениями.
- Текущие данные: события Геологической службы США носят ориентировочный характер и не являются официальными предупреждениями.
- 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).
- Прогноз речного стока на 30 дней с диапазоном (GloFAS через Open-Meteo): содержит изменённую информацию Copernicus Emergency Management Service 2026; не является предупреждением о наводнении.
- Данные о погоде предоставлены Open-Meteo.com (https://open-meteo.com/), лицензия CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
- Дополнительные слои (источников в списке слоёв: 11; оперативные, прогнозные, наблюдаемые и контекстные) при включении указывают своего поставщика на карте и здесь; прогнозы представляют собой результаты моделей, а производные индексы являются оценками.
Слои и даты
- Паводковые воды, 3-дневный композит: VIIRS Global Flood Product, NASA LANCE · 14 окт. 2026
- Плотность населения, 2020: население: CIESIN, Колумбийский университет, Gridded Population of the World v4.11 (2018), NASA SEDAC, CC BY 4.0 · статично
- Температура поверхности суши, день, 8-дневный композит: VIIRS NOAA-20 уровень 3, 8 дней, NASA LANCE · 14 сент. 2026
- Естественные цвета: скорректированная отражательная способность VIIRS NOAA-20, NASA LANCE · 13 окт. 2026
- Тип земного покрова (IGBP), ежегодно: MODIS Terra and Aqua land cover (MCD12Q1), NASA LP DAAC · 2024
- Активные пожары и термические аномалии: VIIRS NOAA-20 375 м (FIRMS), NASA LANCE FIRMS · 13 окт. 2026
Optimisation under uncertainty supports decisions in every domain.
Findings are designed for the серию «Методы и техника». Decision making under глубокая неопределённость (Marchau and others, 2019) sets out robust methods; owners decide.
- Case applications.
- Comparisons of robust methods.
Запуск связанных моделей.
Экран, который команда использовала бы для отслеживания этой темы: её показатели, состояния и решения. Названия приведены для примера, а значения иллюстративны.
Запуск связанных моделей
Optimisation under uncertainty · Coupled model A · Scenario set 3
Граф связей моделей
узлы: модели · рёбра: обмениваемые переменные
Связанные компоненты
| Гидрология | 1 день | сток | Да |
| Энергосистема | 1 h | спрос, отключения | Да |
| Экономика | 1 квартал | выпуск, цены | Частично |
| Население | 1 год | подверженность | Да |
Результат ансамбля
Что измеряется и насколько хорошо.
Каждый показатель указывает свою единицу, периодичность, тип источника и метку доказательной базы, которую несло бы значение. Значения не показываются: программа предоставляет их под собственную ответственность.
| Индикатор | Единица | Периодичность | Тип источника | Метка |
|---|---|---|---|---|
| Scenarios evaluated | количество | per analysis | Analysis documentation | ЗАДЕКЛАРИРОВАНО |
| Regret of chosen plan | difference from best plan in each scenario | per analysis | Robustness analysis | СМОДЕЛИРОВАНО |
| Value of the stochastic solution | difference between stochastic and deterministic plans | per analysis | Optimisation outputs | СМОДЕЛИРОВАНО |
| Satisficing share | percent of scenarios meeting objectives | per analysis | Robustness analysis | СМОДЕЛИРОВАНО |
| Adaptation triggers defined | количество | per plan | Plan documentation | ЗАДЕКЛАРИРОВАНО |
| Out-of-sample performance | objective value on held-out scenarios | per analysis | Проверка | СМОДЕЛИРОВАНО |
Model optimisation under uncertainty as a system. Run the cascade.
Составлена на основе профиля области Nexus Standards профиль территории Стандарты в отношении комбинированных и каскадных опасностей: названные в нём опасные явления, системы и секторы, которые несут ущерб, меры, которые его смягчают, и данные, которые за ним наблюдают. Выберите компоненты, укажите исходное опасное явление и пройдите каскад шаг за шагом. Вид «Карта» помещает прогон на примерную географию с открытыми данными. Вес каждой связи это заявленное допущение, которое можно изменить. Учебная модель, а не прогноз, не оценка и не сертификация. Чтобы смоделировать выбранное вами место, откройте полный Конструктор систем.
Опасности
- Natech-событие
- Разлив или утечка химических веществ (вызванный ниже по цепочке)
- Emergency-response overload (вызванный ниже по цепочке)
- Выброс токсичного газа (запущен ниже по цепочке)
- Промышленный пожар (запущен ниже по цепочке)
Системы и связи
Меры контроля
NS-0Устав и принципыNS-3UNI записей о рисках (грамматика, сопоставление с прежней системой, полномочия на присвоение)NS-9Контекстные UNI (развертывания, экземпляры, экземпляры программ)NS-11Верификация и мониторинг (доказательства, подтверждения, наблюдение за соответствием принципу нулевого доверия)NRS-H61Семейство опасностей: каскадный отказ (NHS-1 sys.cascade)NRS-H62Семейство опасностей: сложные и многофакторные события (NHS-1 sys.compound)NRS-H60Семейство опасностей: нарушения цепочек поставок и потоков (NHS-1 sys.supply-chain)NRS-H94Семейство опасных явлений: системные киберсобытия (NHS-1 cyber.systemic-cyber)NRS-H107Семейство опасностей: концентрация и монокультура цифровой инфраструктуры (NHS-1 tech.digital-concentration)NRS-H7Семейство опасностей: аномалии крупномасштабной циркуляции (NHS-1 atmo.climate-mode)
Наблюдение
- Активации оперативного картографирования Copernicus EMS (приведены для справки)
- OpenStreetMap planet и репликация (приведены для справки)
- Реанализ ERA5 (Copernicus Climate Data Store) (приведен для справки)
- Прямой экономический ущерб от бедствий по отношению к мировому ВВП
- Число перебоев в предоставлении базовых услуг, вызванных бедствиями
Пример географии
- Бангладеш: 134 шестиугольные ячейки
- Ночные огни сегодня, отключения (VIIRS Day/Night Band), NASA GIBS
- Угарный газ, перенос дыма (AIRS), NASA GIBS
- Оповещения о нарушениях растительного покрова, 30 м (OPERA DIST-ALERT), NASA GIBS
Откуда берётся доказательная база.
Названные публичные наборы данных и институциональные записи, каждый со своим классом лицензии. Источники по соглашению используются только на их условиях и никогда не публикуются повторно.
| Источник | Что он даёт | Класс лицензии |
|---|---|---|
| Society for Decision Making under Deep Uncertainty resources | Methods and case studies for robust and adaptive planning | Public, terms to check |
| Open-source optimisation tools such as Pyomo and JuMP | Modelling languages for stochastic and robust optimisation | Open source, BSD and MPL licences |
| EMA Workbench | Exploratory modelling and analysis toolkit | Open source, BSD licence |
| Operations research literature on stochastic programming | Methods and applications | Licence per publication |
| Опубликовано adaptive pathway plans, such as delta programmes | Applied adaptive planning | Public records, licence per government |
How optimisation under uncertainty 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 optimisation under uncertainty, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)опасность, подверженность, уязвимость и потенциал реагированияEAL = ∑k pk · Lkпо событиям k с годовой вероятностью pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| Допущение | Зачем это создаётся | Как это проверяется |
|---|---|---|
| В пределах события опасность и подверженность независимы | Делает интеграл убытков вычислимым | Сравнить с подгонкой копулы по совместным записям |
| Вблизи рабочей точки связи линейны | Позволяет потрясениям распространяться через A | Выйдите за пределы линейного диапазона и сравните |
| Кривые уязвимости переносятся между местами | Местные кривые редко доступны | Проверять 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
Кто принимает решения и чему служит доказательная база.
Системная Science and Modelling prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Кто принимает решение | Вопрос | Доказательная база, которую обслуживает эта страница |
|---|---|---|
| Infrastructure and resource planners | Which plans hold up across plausible futures | Robustness analyses; pathway designs |
| Analysts across Nexus platforms | Which optimisation approach suits their question | Method selection guides |
| Finance and audit bodies | Whether planning analyses considered uncertainty adequately | Analysis documentation |
Результаты, которые даёт эта тема
- Method selection guides for planning under uncertainty
- Robustness and regret analyses
- Adaptive pathway designs with triggers
- Teaching material on optimisation under uncertainty
What experts ask about decisions under uncertainty.
- Is the aim to perform best on average, to avoid the worst outcomes, or to perform acceptably across many futures?
- Which uncertainties can be described with probabilities, and which cannot?
- Which decisions can be delayed, adapted or reversed as information arrives?
- How do trade-offs between objectives change across scenarios?
- What signals would indicate that a strategy needs to change?
Why optimal can be fragile.
Classical optimisation assumes a known model and known inputs. A strategy optimised for a single forecast can be finely tuned to that forecast and fragile if the future differs. In infrastructure planning, for example, a design optimised for one climate projection may fail under another.
Stochastic optimisation handles uncertainty described by probability distributions, seeking the best expected performance or managing risk measures. Robust optimisation seeks solutions that perform well across a set of possible conditions without probabilities.
Under глубокая неопределённость, when experts cannot agree on models or probabilities, methods such as robust decision making and adaptive pathways explore many futures, identify where strategies fail, and design plans that can change course when signposts are observed.
Методы и их ограничения.
- 01
Stochastic programming
Optimising expected outcomes over scenarios, using оптимизации и исследования операций. Requires credible probabilities.
- 02
Robust optimisation
Optimising worst-case or regret across uncertainty sets. Can be conservative.
- 03
Exploratory modelling
Running models across many futures to find vulnerabilities, using decision analysis. Computationally demanding.
- 04
Adaptive pathways
Sequencing actions with triggers for change. Requires monitoring and institutional capacity.
These methods support judgement, they do not replace it. The choice of objectives and acceptable risks is a value choice for decision-makers.
Как это изучается и чего методы не могут сказать.
- 01Оптимизация и исследование операцийРуководство по постановке задач · Сравнение робастных и стохастических подходов · Эталонное тестирование решателейПрименяется здесь
- 02Анализ решений в условиях неопределённостиПостановка задачи принятия решения до построения модели · Ценность информации для моделейПрименяется здесь
- 03Количественная оценка неопределённости и валидация моделейБюджеты неопределённости · Суррогатные модели для ресурсоёмких симуляций · Оценка достоверностиПрименяется здесь
- 04Высокопроизводительные, облачные и периферийные вычисленияПроектирование ансамблей в рамках бюджета · Оркестрация рабочих процессов · Воспроизводимые средыПрименяется здесь
Where this page’s references lead.
Органы и документы, с которыми сопоставляется эта страница. Статусы и редакции меняются; каждая ссылка ведёт к выпускающему органу.
Вопросы и ответы.
What is robust optimisation?
What is deep uncertainty?
What is an adaptive pathway?
Is a robust strategy always more expensive?
Does the platform choose strategies?
Поделитесь доказательствами с этой страницы.
Отчёты 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.
- Электронная почтаШлюз GW-GCRIОтправьте с этой страницыДоказательная база, исправление, случай, метод, рецензия, перевод или вклад в профиль. Материал приходит с пометкой этой страницы, поэтому его получает редактор, отвечающий за неё.
- ZenodoОткрытый депозитДепонируйте и подайте в сообществоОпубликуйте собственную запись на Zenodo со своим идентификатором ORCID iD, затем подайте её в сообщество Reports. Кураторы проверяют её; DOI остаётся за вами.
- ОтчётыGCRIВсе способы внести вкладВиды вклада, порядок рецензирования каждого из них, указание авторства, лицензия и то, что никогда не принимается.
Никогда не отправляйте персональные данные, сведения о чувствительной инфраструктуре или то, чем вы не вправе делиться. Материал проходит рассмотрение перед использованием; его отправка не дает авторских или редакционных прав, а спонсорство никогда не покупает выводы.
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.
Юридические документы.
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.