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

Автор(и)

  • Франко Павезе Національний інститут метрологічних досліджень (INRiM), Strada delle Cacce, 91, 10135, Турин, Італія

DOI:

https://doi.org/10.24027/2306-7039.3.2022.269537

Ключові слова:

рівень ризику; модель прогнозу; невизначеність даних; точність моделювання; надійність прогнозування

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.

Посилання

Pavese F. Measurement in science: Between evaluation and prediction. Advanced Mathematical and Computational Tools in Metrology and Testing XII. Pavese F., Forbes A.B., Zhang N.F., Chunovkina A.G. (Eds.). Singapore, World Scientific Publishing Co., 2022, pp. 346–363. doi: https://doi.org/10.1142/9789811242380_0021

Pavese F. About continuity and discreteness of quantities: examples from physics and metrology. Ukrainian Metrological Journal, 2021, nо. 2, рр. 4−9. doi: 10.24027/2306-7039.2.2021.236054

Jebeile J., Crucifix M. Multi-model ensembles in climate science: mathematical structures and expert judgements. Studies in History and Philosophy of Science Part A, 2020. doi: https://doi.org/10.1016/j.shpsa.2020.03.001. Available at: https://hal.archives-ouvertes.fr/hal-02541285

Giorgi F. Uncertainties in climate change projections, from the global to the regional scale. EPJ Web of Conferences 9, 2010, pp. 115–129. doi:10.1051/epjconf/201009009

Annual 2020 Global Climate Report. National Centers for Environmental Information. Available at: https://www.ncdc.noaa.gov/sotc/global/202013/supplemental/page-1

Dobre M., Sestan D., Merlone A. Air temperature measurement uncertainty associated to a mounting configuration temperature sensor-radiation shield. Proceedings of WMO Technical Conference on Meteorological and Environmental Instruments and Methods of Observation, 2018. Available at: https://www.wmocimo.net/wp-content/uploads/O1_4_Dobre_Air_Temp_MU_Extended-Abstract-TECO2018-Dobre-Sestan-Merlone.pdf

Frank P. Uncertainty in the global average surface air temperature index: a representative lower limit. Energy & Environment, 2010, vol. 21, no. 8, pp. 969−989.

IPCC, 2019: Summary for Policymakers. In: IPCC Special Report on the Ocean and Cryosphere in a Changing Climate. Pörtner H.O., Roberts D.C., Masson-Delmotte V., Zhai P. et al. (Еds.). Cambridge University Press, UK and New York, USA, pp. 3–35. doi: https://doi.org/10.1017/9781009157964.001

Mengel M., Levermann A., Frieler K., Robinson A. et al. Future sea level rise constrained by observations and long-term commitment. PNAS, 2016, vol. 113, no. 10, pp. 2597−2602. doi: https://doi.org/10.1073/pnas.1500515113

VIM, Vocabulaire international de métrologie – Concepts fondamentaux et généraux et termes associés. 3rd edition. BIPM, Sèvres, France, 2012. 92 p.

##submission.downloads##

Опубліковано

2022-09-30

Номер

Розділ

Статті