Model Kalibrasyonu ve Belirsizlik
Kalibrasyon, model parametrelerini gözlemlerle eşleşecek şekilde ayarlar; belirsizlik analizi ise ortaya çıkan hidrolojik tahminlere ne kadar güvenilebileceğini nicel olarak belirler.
Tanım
Kalibrasyon, seçilen bir amaç fonksiyonuna göre simüle edilmiş çıktıların gözlemlenen verilerle eşleşmesini sağlamak amacıyla model parametrelerinin ayarlanması sürecidir; belirsizlik analizi ise model parametrelerindeki, yapısındaki, girdilerindeki ve tahminlerindeki belirsizliğin nicel olarak belirlenmesidir.
Kapsam
Bu konu, amaç fonksiyonlarını ve performans ölçütlerini, kalibrasyon ve parametre tahmin yöntemlerini, eşsonluluk (equifinality) sorununu ve hidrolojik modellerdeki tahminsel belirsizliği tahmin etmeye yönelik çerçeveleri kapsamaktadır. Hem kavramsal hem de dağıtılmış modellerde modellerin kullanıma nasıl uygun hale getirildiği ve güvenilirliklerinin nasıl değerlendirildiği ele alınmaktadır.
Temel sorular
- Model performansı nasıl ölçülür ve optimize edilir?
- Model parametreleri gözlemlere göre nasıl kalibre edilir?
- Eşsonluluk (equifinality) nedir ve kalibrasyonu neden karmaşıklaştırır?
- Tahminsel belirsizlik nasıl tahmin edilebilir ve iletilebilir?
Anahtar kavramlar
- Amaç fonksiyonları
- Nash-Sutcliffe ve Kling-Gupta verimliliği
- Parametre optimizasyonu
- Eşsonluluk (Equifinality)
- GLUE ve topluluk (ensemble) yöntemleri
- Tahminsel belirsizlik sınırları
Temel kuramlar
- Amaç fonksiyonları ve verimlilik ölçütleri
- Performans, Nash-Sutcliffe verimliliği ve onun ayrışımları (örneğin Kling-Gupta verimliliği) gibi amaç fonksiyonları ile nicel olarak belirlenir; bu da kalibrasyona rehberlik eder ve model karşılaştırmasını mümkün kılar.
- Eşsonluluk (Equifinality) ve GLUE
- Birçok parametre setinin gözlemlere yaklaşık olarak eşit derecede iyi uyduğunu kabul eden GLUE çerçevesi, tek bir optimum arayışını reddeder ve bunun yerine tahminler üzerinde belirsizlik sınırları oluşturmak için davranışsal modelleri örnekler.
Klinik önem
Sağlam kalibrasyon ve belirsizlik tahmini, sel ve su temini tahminlerine ne kadar güvenileceğini belirler, risk tabanlı kararlara ve altyapı tasarımına bilgi sağlar ve maliyetli hatalara yol açabilecek tek model tahminlerine aşırı güvenilmesini engeller.
Tarihçe
Nash-Sutcliffe verimliliği gibi uyum iyiliği ölçütleri, 1970 yılında model değerlendirmesini resmileştirmiştir; 1992'de eşsonluluğun (equifinality) ve GLUE metodolojisinin tanınması, hidrolojik modellemeyi açık belirsizlik tahminine doğru kaydırmış, daha sonraki çalışmalar ise performans metriklerini ve belirsizlik çerçevelerini geliştirmiştir.
Tartışmalar
- Resmi ve gayriresmi belirsizlik tahmini
- Hidrologlar, tahminsel belirsizliğin hatalar hakkında güçlü varsayımlar gerektiren resmi Bayes olasılıkları ile mi, yoksa daha esnek ancak istatistiksel olarak tutarsız olduğu eleştirilen GLUE gibi gayriresmi yaklaşımlarla mı tahmin edilmesi gerektiğini tartışmaktadır.
Öne çıkan isimler
- Keith J. Beven
- Hoshin V. Gupta
- James E. Nash
İlgili konular
Temel eserler
- nash1970
- beven1992
- gupta2009
Sıkça sorulan sorular
- Nash-Sutcliffe verimliliği nedir?
- Bir modelin simüle edilmiş hidrografının gözlemlerle ne kadar iyi eşleştiğini gösteren, yaygın olarak kullanılan bir ölçüttür; modelin hatasını gözlemlerin varyansıyla karşılaştırır; bir değeri mükemmel uyumu gösterirken, sıfır değeri modelin ortalama gözlemlenen akışı kullanmaktan daha iyi olmadığını ifade eder.
- Bir model neden tek bir en iyi parametre setine göre kalibre edilemez?
- Eşsonluluk (equifinality) nedeniyle, birçok farklı parametre seti gözlemleri neredeyse eşit derecede iyi yeniden üretir, bu nedenle tek bir set açıkça en iyi değildir; modern uygulamada tek bir optimuma güvenmek yerine birçok kabul edilebilir model arasında belirsizliğin tahmin edilmesinin nedeni budur.