Невизначеність у разі відсутності інформації: екстраполяція даних у часі, з прикладами моделей прогнозування клімату

Анотація

Основний науковий інструмент, що використовується для прогнозування, має назву “модель прогнозу” − математична модель, підкріплена спостереженнями. Зазвичай це еволюція в часі деяких параметрів сучасного закону (законів), що вважаються принципово важливими в конкретному випадку. Очевидно, що відповідні доступні дані обмежені минулим періодом часу – загальновизнано, що в більшості випадків цей період є обмеженим, коли закон, що розглядається, вважається дійсним і перевіреним із достатньою точністю – у той час, як пряма інформація про майбутню тенденцію не може бути доступною. Зазвичай математична функція екстраполюється у часі, щоб показати нинішньому та наступним поколінням те, що вони, як прогнозується, зможуть спостерігати в майбутньому. Проблема виникає через те, що жодна математична функція, яку можна було б використовувати для цієї моделі, не є нескінченно “гнучкою”, тобто здатною “правильно” інтерполювати будь-який набір даних, і чим менше цей набір, тим менші параметри функції. Відповідність даних вважається хорошою, коли існує баланс між простим “копіюванням” поведінки в часі (наприклад, коли функція має дотримуватися заданого профілю) та задовільненим “усередненням” поведінки, особливо за більш тривалі періоди часу, без “маскування” точок, що змінюються. Крім того, невизначеність даних є прикрасою, яка часто відсутня в інформації, що надається з екстраполяцією. Замість цього необхідно враховувати невизначеність даних і завжди надавати відповідну інформацію, адже якість налагодження наявних даних має вкрай важливе значення для якості наступної екстраполяції. Відповідно краще, якщо прогноз складається з області (що зазвичай розширюється з часом), у межах якої допускається, що майбутні визначення потрапляють в діапазон заданої ймовірності.

Таким чином, має бути цілком зрозуміло, що екстраполяція минулих даних у майбутнє, тобто поточна оцінка, яку може бути передано наступним поколінням, пов’язана з високим ризиком і що слід вживати ретельних запобіжних заходів та обмежень.