很好的问题,一些有趣的答案。显然这里的共鸣。

我想添加抽象从我最喜欢的一篇论文,通过》Shrader-Frechette, & Beiitz (1994):

自然系统的数值模型的验证和确认是不可能的。这是因为自然系统永远不会关闭,因为模型的结果总是非唯一。模型可以证实了演示观察和预测之间的协议,但本质上是部分确认。完整的确认逻辑上杜绝肯定结果的谬误和不完整的自然现象。模型只能评估相对而言,他们的预测价值总是开放的问题。模型的主要价值是启发式。

基本上,在一个复杂的系统,你从未期待一个模型的结果与观测数据——到处都是噪音,而且这些系统包含确定性混沌。你可以模拟这样一个系统的行为,但你不能模拟结果。即使你的模型是正确的,正确的输入,你不会得到相同的行为,因为即使是最轻微的截断值将导致重大的分歧,最终。

另外,即使你得到了确切的结果你不知道你得到了正确的结果正确的原因——同样结果是一个真正的问题。特别是在与两个以上相互作用模型校准参数。没有保证校准过程会给你更好的参数,你只能相信它会给你更好的结果校准数据。甚至校准使用交叉验证方法(train-and-test)与实际独立数据(罕见)可能会失败,因为上面的验证部分可以失败的理由。

无论如何,每个人都对这个话题感兴趣应该读这篇论文,我相信我已经错过了点。有点艰难的进展,但那是因为概念——实际上是相当愉快的阅读。

引用

很好的问题,一些有趣的答案。显然这里的共鸣。

我想添加抽象从我最喜欢的一篇论文,通过》Shrader-Frechette, & Beiitz (1994):

自然系统的数值模型的验证和确认是不可能的。这是因为自然系统永远不会关闭,因为模型的结果总是非唯一。模型可以证实了演示观察和预测之间的协议,但本质上是部分确认。完整的确认逻辑上杜绝肯定结果的谬误和不完整的自然现象。模型只能评估相对而言,他们的预测价值总是开放的问题。模型的主要价值是启发式。

基本上,在一个复杂的系统,你从未期待一个模型的结果与观测数据——到处都是噪音,而且这些系统包含确定性混沌。你可以模拟这样一个系统的行为,但你不能模拟结果。即使你的模型是正确的,正确的输入,你不会得到相同的行为,因为即使是最轻微的截断值将导致重大的分歧,最终。

另外,即使你得到了确切的结果你不知道你得到了正确的结果正确的原因——同样结果是一个真正的问题。特别是在与两个以上相互作用模型校准参数。没有保证校准过程会给你更好的参数,你只能相信它会给你更好的结果校准数据。甚至校准使用交叉验证方法(train-and-test)与实际独立数据(罕见)可能会失败,因为上面的验证部分可以失败的理由。

无论如何,每个人都对这个话题感兴趣应该读这篇论文,我相信我已经错过了点。有点艰难的进展,但那是因为概念——实际上是相当愉快的阅读。

引用

很好的问题,一些有趣的答案。显然这里的共鸣。

我想添加抽象从我最喜欢的一篇论文,通过》Shrader-Frechette, & Beiitz (1994):

自然系统的数值模型的验证和确认是不可能的。这是因为自然系统永远不会关闭,因为模型的结果总是非唯一。模型可以证实了演示观察和预测之间的协议,但本质上是部分确认。完整的确认逻辑上杜绝肯定结果的谬误和不完整的自然现象。模型只能评估相对而言,他们的预测价值总是开放的问题。模型的主要价值是启发式。

基本上,在一个复杂的系统,你从未期待一个模型的结果与观测数据——到处都是噪音,而且这些系统包含确定性混沌。你可以模拟这样一个系统的行为,但你不能模拟结果。即使你的模型是正确的,正确的输入,你不会得到相同的行为,因为即使是最轻微的截断值将导致重大的分歧,最终。

另外,即使你得到了确切的结果你不知道你得到了正确的结果正确的原因——同样结果是一个真正的问题。特别是在与两个以上相互作用模型校准参数。没有保证校准过程会给你更好的参数,你只能相信它会给你更好的结果校准数据。甚至校准使用交叉验证方法(train-and-test)与实际独立数据(罕见)可能会失败,因为上面的验证部分可以失败的理由。

无论如何,每个人都对这个话题感兴趣应该读这篇论文,我相信我已经错过了点。有点艰难的进展,但那是因为概念——实际上是相当愉快的阅读。

引用

  • 》,N。,K . & Beiitz Shrader-Frechette K。,1994年。数值模型的验证、验证和确认的地球科学。江南体育网页版科学,263 (5147),pp.641 - 646。可以在:ProQuest
链接
naught101
  • 5.4 k
  • 2
  • 31日
  • 68年

很好的问题,一些有趣的答案。显然这里的共鸣。

我想添加抽象从我最喜欢的一篇论文,通过》Shrader-Frechette, & Beiitz (1994):

自然系统的数值模型的验证和确认是不可能的。这是因为自然系统永远不会关闭,因为模型的结果总是非唯一。模型可以证实了演示观察和预测之间的协议,但本质上是部分确认。完整的确认逻辑上杜绝肯定结果的谬误和不完整的自然现象。模型只能评估相对而言,他们的预测价值总是开放的问题。模型的主要价值是启发式。

基本上,在一个复杂的系统,你从未期待一个模型的结果与观测数据——到处都是噪音,而且这些系统包含确定性混沌。你可以模拟这样一个系统的行为,但你不能模拟结果。即使你的模型是正确的,正确的输入,你不会得到相同的行为,因为即使是最轻微的截断值将导致重大的分歧,最终。

另外,即使你得到了确切的结果你不知道你得到了正确的结果正确的原因——同样结果是一个真正的问题。特别是在与两个以上相互作用模型校准参数。没有保证校准过程会给你更好的参数,你只能相信它会给你更好的结果校准数据。甚至校准使用交叉验证方法(train-and-test)与实际独立数据(罕见)可能会失败,因为上面的验证部分可以失败的理由。

无论如何,每个人都对这个话题感兴趣应该读这篇论文,我相信我已经错过了点。有点艰难的进展,但那是因为概念——实际上是相当愉快的阅读。

引用

Baidu
map