Hoppa till innehållet
ecbyts

← Alla nyheter

Teknik

Uppdaterad

När miljömodellen slår fel finns svaret i undergrunden

Lästid: cirka 5 min

  • Guide
  • Guidad tur

När en modellerare, människa eller AI, slår fel eller när data blir för många krävs mer stringens i den konceptuella modellen och sensorer som mäter risken. Fiktiva data.

När miljömodellen slår fel finns svaret i undergrunden: omslag med den verkliga rundturen i ecbyts och bandet Demo, fiktiva data.

Tänk dig att försöka ta reda på vart röken tar vägen i ett mörkt hus med två fotografier per år. Så övervakar en stor del av miljöprojekten mark och grundvatten: manuell provtagning i ett fåtal brunnar var sjätte månad och gissningar om de övriga 363 dagarna. ecbyts sätter siffror på osäkerheten, visar när modellen har slagit fel och pekar ut var nästa datapunkt behöver komma in. Den här artikeln förklarar varför en modellerares misstag, människa eller AI, kräver mer stringens i den konceptuella modellen och sensorer i fält.

Att se undergrunden i ultrarapid

I de lager som ecbyts ordnar från undergrunden (-Z) till markytan (0Z) och atmosfären (+Z) står miljön aldrig still. Ett kraftigt regn trycker en förorening närmare ett vattendrag; en förändring i lufttrycket får gaser att stiga från marken in i en lagerbyggnad på några timmar. Samplingsteoremet (Nyquist-Shannon) säger resten: om fenomenet ändras varje dag och du mäter var sjätte månad missar du hela filmen.

Beven och Binley (1992) gav namn åt den andra fällan: ekvifinalitet. Med få mätningar tar tio experter, eller tio AI-agenter, fram tio kartor som förklarar det förflutna och pekar mot motsatta framtider. En bra algoritm förutsäger inte terrängen med få data; den döljer bara tvivlet bättre.

I delstaten São Paulo kräver CETESB:s styrelsebeslut (Decisão de Diretoria) nr 038/2017/C att varje studie av ett förorenat område tar fram och uppdaterar en konceptuell modell för området (Modelo Conceitual da Área, MCA), platsens tekniska historia: var föroreningen uppstod, vilken väg den tar och vem den kan nå. MCA 1 får ett tillförlitlighetsbetyg (A, B eller C), och studien går vidare till MCA 2 och MCA 3 först i takt med att osäkerheterna minskar. Utanför ett integrerat system behandlas den osäkerheten ofta subjektivt.

Så löser ecbyts det

I Uncertainty Hub står inget tal för sig självt. Osäkerheten i varje datapunkt fortplantas formellt (GUM, vägledningen för uttryckande av mätosäkerhet), och Monte Carlo-simuleringen ger ett band från P10 till P90 i stället för ett enda värde. Fliken Bayes uppdaterar tilltron till en datapunkt när nya belägg kommer in, med prior, posterior och kredibilitetsintervall. Resultatet är en överskridandesannolikhet: risken att föroreningen överskrider referensgränsen. Informationens kvalitet väger också in: vid omräkningen av ECBYTS-sigillet ingår EIS-betyget som index κ, och svaga data innebär högre allvarlighetsgrad.

Två situationer ska utlösa en spärr i den konceptuella modellen. Den första är att modelleraren gör en felaktig prognos: om skattningen för en punkt motsägs av nästa mätning justerar systemet inte kurvan för att dölja felet. Felet visar att undergrunden på platsen ännu inte är förstådd, och kraven på MCA skärps. Den andra är att mängden data ökar osäkerheten, den proportionella effekten i Journels geostatistik: dussintals nya borrningar avslöjar sprickor, blandade lager och dolda flödesvägar, och den gamla konceptuella modellen gäller inte längre.

Svaret kommer från teorin om informationens värde (Raiffa och Schlaifer; Freeze med flera, 1990): osäkerheten övervinns bara genom att man köper ny information på rätt plats. Där två scenarier i Scenario Comparator är oense om flödesriktningen sätts en sensor för nivå och tryck in. Där det råder osäkerhet om gaser i ett område med arbetare (0Z) sätts en kontinuerlig ångsensor in. Där kemin ändras snabbt sätts sonder för pH, konduktivitet och syre in. I Sensorcenter kommer varje avläsning med tid och källa och blir en daterad observation, och modellen räknar om. Modellägaren, den tekniskt ansvariga och revisorn ser i ECBYTS-sigillet vem som har validerat varje steg.

I praktiken

Fiktivt exempel, med fiktiva data. Ett område har 8 brunnar som provtas var sjätte månad. Modelleraren skattar 40 µg/L bensen i brunn PM-05 för nästa kampanj. Kampanjen mäter 160 µg/L.

I Uncertainty Hub vidgas intervallet P10 till P90 för PM-05 från 30 till 50 µg/L till ett intervall från 20 till 200 µg/L, och överskridandesannolikheten stiger från 5 % till 40 %. Scenario Comparator visar två flödesscenarier som går isär just i den punkten. Teamet installerar en sensor för nivå och tryck i PM-05 med avläsning varje timme: på 30 dagar får modellen 720 daterade observationer i stället för 1.

MCA går tillbaka till betyget C tills ursprunget till toppen är förklarat, och inget beslut om avslut går vidare under den tiden.

Vad den här funktionen inte är

  • Den ersätter inte provtagningen i fält eller laboratoriets analysrapport.
  • Den beslutar inte i den tekniskt ansvarigas eller miljömyndighetens ställe: MCA-betyget och klassificeringen ligger kvar hos människorna.
  • Den förutsäger inte plymens kemiska beteende i tre dimensioner; det den gör är att ge intervall och sannolikhet åt det som har mätts.
  • Den är ingen redovisningsmässig avsättning och ingen garanti för saneringsresultat.
  • Talen i exemplet och i rundturen är fiktiva.

Så övar du

Rundturen om Uncertainty Hub tar cirka 3 minuter och visar den formella osäkerhetsfortplantningen och fliken Bayes. Rundturen om tvillingen med sensorer tar cirka 4 minuter och visar Sensorcenter, liveavläsningen med tid och källa, den automatiska uppdateringen och övergången från avläsning till daterad observation. Båda körs på demomodeller med fiktiva data.

Öppna rundturen · Öppna rundturen om tvillingen med sensorer

← Alla nyheter