अद्यतन
जब पर्यावरणीय मॉडल गलत होता है, तो उत्तर उपसतह में होता है
अनुमानित पठन समय: 9 मिनट
- गाइड
- ऑडियो
- टूर
मॉडल बनाने वाले की चूक, चाहे वह मनुष्य हो या AI, और डेटा की अधिकता वैचारिक मॉडल में अधिक कठोरता और जोखिम मापने वाले सेंसर की माँग करती हैं। काल्पनिक डेटा।
कल्पना करें कि आपको साल में केवल दो तस्वीरों से पता लगाना है कि एक अंधेरे घर में धुआँ किस ओर जा रहा है। कई पर्यावरणीय परियोजनाएँ मिट्टी और भूजल की निगरानी इसी तरह करती हैं: हर छह महीने में कुछ कुओं से हाथ से नमूना संग्रह, और बाकी 363 दिनों के बारे में अनुमान। ecbyts अनिश्चितता को संख्या देता है, दिखाता है कि मॉडल कब गलत हुआ और बताता है कि अगला डेटा कहाँ लिया जाना चाहिए। यह लेख समझाता है कि मॉडल बनाने वाले की चूक, चाहे वह मनुष्य हो या AI, वैचारिक मॉडल में अधिक कठोरता और स्थल पर सेंसर की माँग क्यों करती है।
उपसतह को धीमी गति में देखना
ecbyts जिन परतों को उपसतह (-Z) से सतह (0Z) और वायुमंडल (+Z) तक व्यवस्थित करता है, उनमें पर्यावरण कभी नहीं रुकता। तेज़ बारिश किसी संदूषक को नदी के और करीब धकेल देती है; हवा के दबाव में बदलाव से कुछ ही घंटों में गैसें मिट्टी से उठकर किसी गोदाम के भीतर पहुँच जाती हैं। नमूनाकरण प्रमेय (Nyquist-Shannon) बाकी बात कहता है: यदि घटना हर दिन बदलती है और आप हर छह महीने में मापते हैं, तो आप पूरी फ़िल्म खो देते हैं।
Beven और Binley (1992) ने दूसरे जाल को नाम दिया: समअंतिमता (equifinality)। कम मापों के साथ दस विशेषज्ञ, या दस AI एजेंट, दस नक्शे बनाते हैं जो अतीत की व्याख्या करते हैं और विपरीत भविष्य की ओर इशारा करते हैं। एक अच्छा एल्गोरिदम कम डेटा से स्थल का पूर्वानुमान नहीं लगाता; वह केवल संदेह को बेहतर ढंग से छिपाता है।
साओ पाउलो राज्य (ब्राज़ील) में CETESB का निदेशक मंडल निर्णय सं. 038/2017/C माँग करता है कि दूषित क्षेत्र का हर अध्ययन क्षेत्र का एक वैचारिक मॉडल (MCA) बनाए और अद्यतन रखे, यानी स्थल का तकनीकी इतिहास: संदूषण कहाँ से शुरू हुआ, किस रास्ते से फैलता है और किसे प्रभावित कर सकता है। MCA 1 को विश्वास का एक ग्रेड (A, B या C) मिलता है, और अध्ययन MCA 2 और MCA 3 तक तभी आगे बढ़ता है जब संदेह कम होते जाते हैं। किसी एकीकृत प्रणाली के बाहर इस संदेह को अक्सर व्यक्तिपरक ढंग से देखा जाता है।
ecbyts इसे कैसे हल करता है
अनिश्चितता हब में कोई संख्या अकेली नहीं होती। हर डेटा की अनिश्चितता औपचारिक रूप से प्रसारित की जाती है (GUM, माप की अनिश्चितता व्यक्त करने की मार्गदर्शिका), और मोंटे कार्लो सिमुलेशन एकल मान के बजाय P10 से P90 तक का बैंड देता है। Bayes टैब नया साक्ष्य आने पर किसी भी डेटा के बारे में धारणा को अद्यतन करता है, प्रायर, पोस्टीरियर और विश्वसनीय अंतराल के साथ। परिणाम एक अतिक्रमण प्रायिकता है: संदूषण के संदर्भ सीमा को पार करने की संभावना। सूचना की गुणवत्ता का भी भार होता है: ECBYTS सील की पुनर्गणना में EIS अंक κ सूचकांक के रूप में शामिल होता है, और कमज़ोर डेटा का अर्थ है अधिक गंभीरता।
दो स्थितियों में वैचारिक मॉडल पर रोक लगनी चाहिए। पहली स्थिति है मॉडल बनाने वाले का पूर्वानुमान गलत होना: यदि किसी बिंदु का अनुमान अगले माप से खंडित होता है, तो प्रणाली त्रुटि छिपाने के लिए वक्र को समायोजित नहीं करती। त्रुटि सिद्ध करती है कि उस स्थान की उपसतह अभी तक समझी नहीं गई है, और MCA पर कठोरता बढ़ जाती है। दूसरी स्थिति है डेटा की अधिकता से संदेह बढ़ना, जो Journel की भू-सांख्यिकी का आनुपातिक प्रभाव है: दर्जनों नए बोरहोल दरारें, मिश्रित परतें और छिपे रास्ते उजागर करते हैं, और पुराना वैचारिक मॉडल मान्य नहीं रहता।
उत्तर सूचना के मूल्य के सिद्धांत से आता है (Raiffa और Schlaifer; Freeze और सहयोगी, 1990): संदेह को केवल सही जगह पर नई जानकारी खरीदकर ही दूर किया जा सकता है। जहाँ परिदृश्य तुलनित्र के दो परिदृश्य प्रवाह की दिशा पर असहमत होते हैं, वहाँ जल स्तर और दबाव का सेंसर लगता है। जहाँ कामगारों वाले क्षेत्र (0Z) में गैसों को लेकर संदेह है, वहाँ वाष्प का निरंतर सेंसर लगता है। जहाँ रसायन तेज़ी से बदलता है, वहाँ pH, चालकता और ऑक्सीजन की प्रोब लगती हैं। सेंसर सेंटर में हर रीडिंग समय और स्रोत के साथ आती है और एक दिनांकित अवलोकन बन जाती है, और मॉडल अपनी गणना दोबारा करता है। मॉडल स्वामी, तकनीकी ज़िम्मेदार और ऑडिटर ECBYTS सील में देखते हैं कि हर चरण को किसने सत्यापित किया।
व्यवहार में
काल्पनिक उदाहरण, काल्पनिक डेटा के साथ। एक क्षेत्र में 8 कुएँ हैं जिनसे हर छह महीने में नमूना लिया जाता है। मॉडल बनाने वाला अगले अभियान के लिए कुआँ PM-05 में 40 µg/L बेंज़ीन का अनुमान लगाता है। अभियान 160 µg/L मापता है।
अनिश्चितता हब में PM-05 का P10 से P90 बैंड 30 से 50 µg/L से बदलकर 20 से 200 µg/L हो जाता है, और अतिक्रमण प्रायिकता 5 % से बढ़कर 40 % हो जाती है। परिदृश्य तुलनित्र प्रवाह के दो परिदृश्य दिखाता है जो ठीक इसी बिंदु पर अलग होते हैं। टीम PM-05 में हर घंटे रीडिंग लेने वाला जल स्तर और दबाव का सेंसर लगाती है: 30 दिनों में मॉडल को 1 के बजाय 720 दिनांकित अवलोकन मिलते हैं।
जब तक शिखर के स्रोत की व्याख्या नहीं हो जाती, MCA ग्रेड C पर लौट जाता है, और इस अवधि में समापन का कोई निर्णय आगे नहीं बढ़ता।
यह सुविधा क्या नहीं है
- यह फ़ील्ड में नमूना संग्रह या प्रयोगशाला रिपोर्ट का स्थान नहीं लेता।
- यह तकनीकी ज़िम्मेदार या पर्यावरण प्राधिकरण की जगह निर्णय नहीं करता: MCA का ग्रेड और क्षेत्र का वर्गीकरण लोगों के हाथ में रहते हैं।
- यह तीन आयामों में प्लूम के रासायनिक व्यवहार का पूर्वानुमान नहीं लगाता; यह मापे गए डेटा को बैंड और प्रायिकता देता है।
- यह लेखांकन प्रावधान नहीं है, न उपचार के परिणाम की गारंटी।
- उदाहरण और टूर की संख्याएँ काल्पनिक हैं।
अभ्यास कैसे करें
अनिश्चितता हब टूर लगभग 3 मिनट का है और अनिश्चितता का औपचारिक प्रसार और Bayes टैब दिखाता है। वास्तविक सेंसर वाला डिजिटल ट्विन टूर लगभग 4 मिनट का है और सेंसर सेंटर, समय और स्रोत के साथ लाइव रीडिंग, ऑटो रिफ्रेश और रीडिंग से दिनांकित अवलोकन तक का रास्ता दिखाता है। दोनों काल्पनिक डेटा वाले डेमो मॉडलों पर चलते हैं।