Когда точный расчет ≠ точный прогноз
Недавно мы разбирали, как математические модели помогают просчитывать разные сценарии будущего и почему даже сложная модель не отменяет экспертную оценку.
Но где проходит граница возможностей самой математики?
Роман Королев, член консультативной группы по научно-технологическому развитию России, заместитель начальника отделения РФЯЦ-ВНИИЭФ, считает одним из ключевых условий стабильность исходных и граничных условий.
Хороший пример ➡️ климат и погода. Изменения климата на горизонте десятилетий можно моделировать: многие процессы достаточно медленные. А точно спрогнозировать погоду на месяц гораздо сложнее: слишком быстро меняются условия.
Чем стабильнее исследуемая область, тем выше потенциальная точность прогноза. И наоборот: большое число меняющихся параметров увеличивает неопределенность.
💡Но есть еще одна ловушка – усложнение самой модели. Оно может означать как более точный учет уже известных факторов, так и добавление новых. Во втором случае возникает проблема: для новых параметров может просто не оказаться достаточного массива данных, на котором можно проверить результат. Поэтому сложная модель сама по себе не гарантирует качества.
Роман Королев⬇️
✅Один из способов такой проверки – ретроспективное моделирование: задать модели условия прошлых лет и посмотреть, насколько хорошо она воспроизводит уже известный результат.
#Мнение
⭐️ Связь с будущим не должна прерываться. Мы — в MAX
Недавно мы разбирали, как математические модели помогают просчитывать разные сценарии будущего и почему даже сложная модель не отменяет экспертную оценку.
Но где проходит граница возможностей самой математики?
Роман Королев, член консультативной группы по научно-технологическому развитию России, заместитель начальника отделения РФЯЦ-ВНИИЭФ, считает одним из ключевых условий стабильность исходных и граничных условий.
Хороший пример ➡️ климат и погода. Изменения климата на горизонте десятилетий можно моделировать: многие процессы достаточно медленные. А точно спрогнозировать погоду на месяц гораздо сложнее: слишком быстро меняются условия.
Чем стабильнее исследуемая область, тем выше потенциальная точность прогноза. И наоборот: большое число меняющихся параметров увеличивает неопределенность.
💡Но есть еще одна ловушка – усложнение самой модели. Оно может означать как более точный учет уже известных факторов, так и добавление новых. Во втором случае возникает проблема: для новых параметров может просто не оказаться достаточного массива данных, на котором можно проверить результат. Поэтому сложная модель сама по себе не гарантирует качества.
Роман Королев⬇️
Страшнее всего для стратегического прогноза – слепая вера в модель без верификации и валидации результатов. При этом не важно, какая это модель: простая или сложная
✅Один из способов такой проверки – ретроспективное моделирование: задать модели условия прошлых лет и посмотреть, насколько хорошо она воспроизводит уже известный результат.
#Мнение
⭐️ Связь с будущим не должна прерываться. Мы — в MAX