Bilderna, som jag tog i tisdags, kan ses som en metafor. Bävern, som bor på gångavstånd från mig, arbetar idogt med sina träd, och till slut får hen dem på fall. Men bävern bygger också upp, en bäverhydda ser ut att vara under byggnad, den har blivit klart större på ett par veckor. Så arbetar också den vetenskapliga forskaren, att bringa på fall är lika viktigt som att bygga upp för en sund vetenskaplig utveckling. Dagens blogginlägg handlar om en intressant diskussion om klimatmodeller i en debattartikel om hur sådana och andra liknande matematiska modeller bör granskas, att bringa på fall det som inte är bra för att något bättre skall kunna byggas upp.
Förra och förrförra fredagens diskussion av nya studier av klimatkänsligheten från observationer gav också exempel på tillämpning av mycket enkla modeller av klimatsystemet, från de allra enklaste till något mer sofistikerade modeller av energibalanstyp. Diskussionen i kommentarsfältet kom också in på en jämförelse mellan sådana enkla modeller och de mycket komplexa avancerade klimatmodellerna, globala cirkulationsmodeller, och vilka av den ena eller andra sortens modeller som är pålitligast.
Jag stötte för ett tag sedan på en debattartikel som är relevant i sammanhanget, When All Models Are Wrong av Andrea Saltelli och Silvio Funtowicz. Artikeln tar upp många intressanta aspekter på användning av matematiska modeller för att skapa beslutsunderlag i politiska frågor, inte minst klimatpolitiken, och de skriver om enkla jämfört med komplexa modeller.
Enklare modeller gör det möjligt både för forskare och intressenter att förstå hur antagandena och resultaten är kopplade. Komplexa och ofta överparametriserade mekanistiska modeller bör endast användas för mer spekulativa undersökningar utanför den politiska sfären.
Frågan om vad enkla respektive komplexa matematisk-numeriska modeller är bra respektive dåliga för har även jag diskuterat, till exempel i detta blogginlägg:
Läs mer: Den stora stötestenen för klimatmodellerna är komplexitetsparadoxen. Pehr Björnbom, Klimatupplysningen 2013-09-27.
De två författarna börjar artikeln med utgångspunkt från ett citat av den brittiske journalisten George Monbiot ”Beware the rise of the government scientists turned lobbyists…” (”Bevare oss för att allt fler av regeringens vetenskapliga forskare blir lobbyister …”). Det förslag från brittiska regeringens chefsforskare vid miljödepartementet som Monbiot kritiserade gällde reducering av antalet grävlingar (sic!) i Storbritannien.
Författarna har lagt märke till att vetenskapliga studier från regeringar och myndigheter allt oftare angrips med en starkt ifrågasättande ton. Ett annat exempel som de ger är från USA där en republikansk kongressman vid ett kongressförhör om skiffergas angrep en vetenskaplig studie från EPA (Environmental Protection Agency) med frågan om studien “is a genuine, fact-finding, scientific exercise, or a witch-hunt to find a pretext to regulate” (”är en genuin, faktainsamlande vetenskaplig studie, eller en häxjakt för att hitta en förevändning för att reglera”).
Dessa två exempel leder författarna till följande fråga:
Vetenskapen står inför frågan: Återspeglar tonen i dessa typer av attacker ett sammanbrott för förtroendet för den vetenskapliga verksamheten och dess sociala och institutionella roll?
Författarna menar här att problemen med förtroendet för vetenskapen hänger samman med bland annat det alltmer ökade antalet artiklar som dras tillbaka av vetenskapliga tidskrifter på grund av forskningsfel, och i värsta fall forskningsfusk. De anser att faran för vetenskapens trovärdighet är särskilt tydlig i samband med användning av matematiska modellers resultat som verktyg för att motivera politiska beslut:
Mot denna bakgrund av minskande tillit och ökande problem med tillförlitligheten hos vetenskaplig kunskap i det offentliga rummet, blir farorna för vetenskapen tydligast när modeller-sammanfattningar av mer komplexa verkliga problem, i allmänhet utformade i matematiska termer, används som politiska verktyg.
Uppenbarligen är detta precis den problematik som vi ser i samband med FNs klimatpanel (IPCC=Intergovernmental Panel on Climate Change). De resultat som klimatpanelen lägger fram i sina rapporter riktade till politiska beslutsfattare om hur klimatet kommer att utvecklas i framtiden och vad som bör göras bygger i hög grad på resultat från komplexa klimatmodeller.
Författarna tar sedan upp ett par exempel. Det ena är från ett par böcker som hävdar att finanskrisen skulle ha orsakats av felaktig användning av matematiska modeller som ledde till att handeln med värdepapper i USA tog skadliga vägar. Av större intresse här är boken Useless Arithmetic: Why Environmental Scientists Can’t Predict the Future av Orrin Pilkey and Linda Pilkey-Jarvis. Boken innehåller, skriver Saltelli och Funtowicz, en serie skräckexempel på missbruk av modeller med påföljande politiska misslyckanden. De skriver vidare om Pilkey och Pilkey-Jarvis:
De föreslår till exempel att det klimatmodellerande forskarsamhället offentligt bör erkänna att ansträngningarna att kvantifiera framtiden på en skala som skulle vara till nytta för politiken är en akademisk övning. De kallar modellering kontraproduktiv eftersom den ger en illusion av korrekta prognoser om klimat och havsnivå för årtionden och till och med för århundraden i framtiden. Pilkey och Pilkey-Jarvis hävdar att det, med tanke på de enorma tidsskalorna, skulle vara mycket bättre för beslutsfattare (och för samhället) utan sådana förutsägelser, eftersom noggrannheten och värdet av dessa förutsägelser själva hamnar i centrum för den politiska debatten, och distraherar från behovet och förmågan att ta itu med problemet trots pågående osäkerheter.
Modeller är felaktiga men användbara skriver sedan Saltelli och Funtowicz. Precis som andra forskare som kritiserar hur matematiska modeller används på fel sätt är de övertygade anhängare av matematiska modeller använda på rätt sätt i vetenskapen. De skriver:
I ljuset av detta vill vi återge statistikern George EP Box iakttagelse från 1987 att ”alla modeller är fel men vissa är användbara.” Vi vill föreslå en nyckelimplikation av Box aforism för forskningspolitiken: att stringenta kriterier för transparens måste antas när modeller används som underlag för politiska bedömningar. Underlåtenhet att öppna den svarta lådan vid modellering kommer sannolikt endast att leda till ökad erosion av trovärdighet och legitimitet för vetenskapen som ett verktyg för bättre beslutsfattande.
Författarna har lagt märke till hur osäkerheten om hur klimatet kommer att utveckla sig har ökat som en följd av ökad förståelse av klimatet, något som IPCC också har framhållit. De skriver att det vore ett misstag att tro något annat eftersom klimatets dynamik har visat sig vara mycket komplex och klimatvetenskapen är svår. Det är därför märkligt att diskussionen om klimatet fortfarande sker med noggranna siffror som baseras på matematiska modeller. De nämner som exempel påståendet att det är ”50% sannolikhet att den globala temperaturen inte ökar mer än 2 grader Celsius (ett klimatpolitiskt mål) om människan lyckas hålla koncentrationen av växthusgaser på eller under 450 ppm koldioxidekvivalenter”. De skriver:
Dessa modellgenererade siffror är givetvis långt ifrån så exakta som de visas, och även en vanlig känslighetsanalys skulle avslöja stora osäkerhetsgränser när de osäkerheter som är förknippade med varje ingångsantagande mångfaldigas genom modellerna. Många små osäkerheter multipliceras med varandra och ger stora aggregerade osäkerheter.
Ändå skarpare kritik riktar författarna mot den berömda Sternrapporten som ju försöker uppskatta de ekonomiska konsekvenserna av klimatförändringar på grund av utsläpp av växthusgaser. Därigenom genomgår osäkerheterna en ytterligare nivå av mångfaldigande:
Till exempel, den väl ansedda Review on the Economics of Climate Change, som genomförs av en grupp ledd av den brittiske ekonomen Nicholas Stern, kvantifierar de ekonomiska konsekvenserna av klimatförändringarna genom en kostnads- / nyttoanalys som beräknar fraktionerade förluster i bruttonationalprodukten 200 år från nu. En sådan satsning är så långt från nuvarande prediktiva förmåga att den är på gränsen till oansvarig. Vilka är de osäkerheter som är förknippade med dessa prognoser? Ingen har någon aning om det. På detta sätt undermineras legitimiteten för användbara verktyg såsom kostnads- och intäktsanalys.
Till och med pseudovetenskap använder författarna som jämförelse. De menar att ett av tecknen på pseudovetenskap är att man använder sig av tvivelaktig precision i siffror från matematiska modeller. De pekar här inte direkt ut klimatvetenskapen, utan tar ett annat exempel från ekonomiområdet som är av mindre intresse här. Men vad som hände var ändå märkligt, denna ekonomiska studie av två Harvardprofessorer fick stort inflytande på politiska beslut. Men det visade sig att man hade gjort ett fatalt programmeringsfel i datorprogrammet, vilket kom fram och rättades till för sent när en hel del av skadan inte kunde göras ogjord.
Som avslutning av diskussionen av avskräckande exempel skriver författarna:
Bekymret om nyttan eller relevansen i modellering är inte längre begränsad till den vetenskapliga litteraturen eller till expertbloggar (t.ex. www.allmodelsarewrong eller www.wattsup withthat.com) men har blivit en del av det offentliga samtalet. Föreställningar hos allmänheten och beslutsfattare om vad som bör göras för klimat (eller för ekonomin, eller för många andra mindre aktuella frågor) förlitar sig på vad modeller prognostiserar om framtiden, med liten eller ingen hänsyn till de gränser inom vilka modellerna faktiskt är kapabla att förutse något med någon exakthet.
Författarna har i sin dagliga verksamhet stor erfarenhet av metoder för att motverka de missförhållande som de diskuterat. En av dessa metoder har använts vid EU-kommisionen, den andra vid en holländsk miljömyndighet. I artikeln presenterar författarna sju regler som de föreslår som en metod för att genomföra revision av modeller som skall användas som underlag för beslutsfattare. De skriver:
Vår checklista med sju regler utgör en process som vi kallar ”känslighetsrevision.” ”Känslighet”, som nämnts, hänvisar till försök att förstå de olika osäkerhetskällorna och deras relativa betydelse. ”Revision”, betonar idén om ansvar inför en bredare publik (i detta fall beslutsfattare och allmänhet) och kräver därmed att modellen ska vara lättförståelig och transparent och att expertis inte definieras så snävt att alla utom de som skapade modellen utesluts. Känslighetsrevision syftar inte till att förbättra modellen; snarare som en skatterevision, den kommer i slutet av processen, vid den tidpunkt då modellen blir ett verktyg för utvärdering av politiken, när all tänkbar modellkalibrering, optimering, data assimilering och liknande har utförts av utvecklarna med hjälp av verktygen som de använder i sitt hantverk. Och som med skatterevision, känslighetsrevision syftar till att hjälpa till att få dem som hanterar siffrorna att förbli ärliga.
Det är här som författarna uttrycker vikten av att arbeta med enkla modeller enligt citatet i början av dett blogginlägg. Här föjer de sju reglerna, men för den mera detaljerade diskussionen av dem hänvisar jag till artikeln, eftersom detta inlägg annars skulle bli väldigt långt.
Regel 1: Använd modeller för att klargöra, inte att fördunkla.
Vem äger modellen? Vilka är ägarens intressen? Är modellen i proportion till uppgiften? Används den för att belysa eller för att fördunkla?
Regel 2: Anta en attityd att ”jaga antaganden”.
Vilka är de (eventuellt outtalade) antaganden som ligger till grund för analysen? Vilka koefficienter eller parametrar måste ges ett numeriskt värde för att modellen skall kunna användas? Vad ansågs irrelevant?
Regel 3: Identifiera pseudovetenskap.
Kontrollera att osäkerheten inte har över- eller underskattats för att ge ett resultat som är till fördel för modellförespråkarnas preferenser.
Regel 4: Hitta känsliga antaganden innan de hittar dig.
Publicera inte dina slutsatser utan att ha gjort en noggrann känslighetsrevision.
Regel 5: Sträva efter öppenhet.
Intressenterna bör kunna förstå och om möjligt, replikera resultaten av analysen.
Regel 6: Inte bara ”Gör summorna rätt”, men ”Gör rätt summor.”
När intressenternas relevanta synpunkter försummas, kan modellbyggare fokusera på eller åtgärda fel osäkerheter.
Regel 7: Fokusera analysen.
Författarna avslutar sin artikel på följande tänkvärda sätt där de framhåller att de föreslagna sju reglerna syftar till att svåra beslut kommer till på rätt sätt, att modellering används när frågan kan avgöras på detta sätt och att besluten avgörs genom samhällsdebatt och demokratiskt beslutsfattande när obestämbar osäkerhet gör saken till en värderingsfråga.
Vår uppfattning är att nuvarande modelleringsmetoder, i sin utveckling och användning, är ett betydande hot mot legitimiteten och nyttan av vetenskap i omstridda politiska miljöer. Den inriktning på öppenhet och sparsamhet som reglerna föreskriver kommer att uppmuntra modellbyggare själva att fokusera på parametrar, indata, antaganden och relationer som är väl avgränsade och förstådda. Vidare bör antagandetunga aspekter på systemet vara klara och tydliga. Resultatet blir större trovärdighet för modellerna och större tydlighet om vilka aspekter av svåra politiska val som lämpligen kan avgränsas genom modellering, och vilka aspekter som måste lämnas över till demokratiska politiska institutioner. Det är dessa institutioner, trots allt, till vilka samhället på lämpligt sätt tilldelar uppgiften att fatta beslut när osäkerheten är obestämbar; och det är en process för öppen debatt om sådana beslut, inte tekniska argument om modeller, som kan göra tydliga kopplingar mellan politiska intressen och politiska preferenser.
Min avslutande reflektion är att detta var en artikel som ger uttryck för allvarlig kritik av hur de avancerade klimatmodellerna används. Men författarna är inte alls emot att modellering används, kritiken är att de komplexa modellerna inte har den transparens som krävs för att beslutsfattare och allmänhet skall kunna låta dem ligga till grund för viktiga klimatpolitiska beslut.
Jag tolkar författarna så att de menar att det endast är tillräckligt enkla modeller, där det finns tillräcklig transparens så att både forskare och intressenter verkligen kan förstå kopplingen mellan modellantagandena och resultaten, som kan användas som verktyg för klimatpolitiska beslut. De komplexa avancerade klimatmodellerna får däremot ses som verktyg för grundforskning, för akademiska frågeställingar, inte för beslutsfattare. Det var också sådana enkla modeller som användes för de klimatkänslighetesstudier som jag tog upp i mina blogginlägg förra och förrförra fredagen.
Synd på en bra reflekterande text i övrigt att den inleds med att inte ens den stackars bävern klarar sig från feministiskt genusordval. Jag har ärligt talat svårt att ta någon text på allvar där det ideologiska nyspråket används.
Jag har inget emot att det modelleras inom klimatvetenskapen-tvärt om.
Men de som irriterar är dessa modellers påverkan på verklighetsbeskrivningen och framförallt spådomarna som de orsakar om framtiden.
Min kommun bygger vallar mot en framtida vattenståndshöjning-med krönet på 2,12 m
Detta gör de med stöd av Lst och SMHIs spådomar av framtida vattenstånd. Tekniska nämnden (Danderyds kommun) har godtagit deras spådomar och bygger vallar idag!
Den höjning som på 127 år uppgår till 0,2 m skall på 35 år öka till 0,4 m dvs motsvarande landhöjningen och på 85 år uppgå till 1,0 m. Takten bör då öka betydligt , något som siffror från 2003-2013 inte indikerar-tvärt om-den minskar(1,3 mm/år!)
Lst och SMHI får förklara för kommunerna att de är ute och varnar för osannolika utvecklingar-så ansvarskännande konsulter kan luta sig mot detta!
Vilken intressant morgonläsning, tack Pehr!
Vad jag vet så kan inte modellerna bli bättre än sina skapare och dataprogram samma sak. Så det är inte modellerna vi skall syna utan personerna bakom.
Ett bra inlägg Perh.
Det är bara att jämföra med väderprognoser där man har bra koll på hur trenden varit senaste dygnen och hur vädret/trenden ser ut i nutid, därefter justeras framtidsprognosen, detta gör de väl flera gånger om dygnet vad jag förstått för att kunna få så riktiga prognoser som möjligt.
Samma sak bör gälla alla typer av framtidsprognoser vad det än gäller, titta på föregående trend, hur ser det ut i nutid och bygg nästa prognos på det.
Tack igen för ambitiöst inlägg. Men jag håller med #1 om negativa poäng för bävrarnas jämställda genusproblematik och #4 om att det snarast är personerna bakom modellerna som bör skärskådas.
Man kan förstå att en klimatmodell kan liknas vid en modern kristallkula. Det som siarens fantasi frambringar, är ekvivalent med modellens utfall. Att lägga sitt öde i händerna på en siare är det samma som görs när politikerna frågar klimatmodellerarna om framtiden. Det finns lika mycket gnutta sanning i siarens kristallprognos, som i klimatmodellens utfall. Så kan vi inte ha det. Vi kan inte bygga en framtid på siande, utan det är endast beprövad erfarenhet tillräcklig empiri som kan vara vägledande för den närmsta tiden. Men, vi måste fråga oss: vilket ansvar har klimatforskarna för att dessa siarrapporter släpps ut för fri tolkning?
OT
” ”The state of our economy in 2030 is still uncertain, so as a responsible country we also need to make responsible targets which we can be sure to meet,” Xie Zhenhua, vice chairman of China’s powerful National Development and Reform Commission, told reporters in Beijing.
Xie added that the target, announced on Wednesday during a visit by US President Barack Obama, was not yet legally binding and would have to be approved at five year intervals by China’s rubber-stamp parliament, the National People’s Congress. ”
https://uk.news.yahoo.com/china-climate-negotiator-defends-flexible-carbon-target-073210530.html#JX99Jzb
Så mycket var den överenskommelsen värd, Kina kan ändra sig flera gånger fram till 2030.
Inget att bygga en framtidsmodell på då den är beroende av Kinas nycker och då kan behöva ändras flera gånger i framtiden.
Citat från intervju i Aftonbladet med Gösta Walin 2005-09-28:
”Jag ser det mest som ett utslag av storhetsvansinne att tro att klimatet kan avbildas i en dator.”
Interessant läsning, tack Pehr! 🙂
Mvh/TJ
Före modellerna fick man tänka själv.
Här är Willis E hyllning till en tidig rapport om CO2 och klimat:
http://wattsupwiththat.com/2014/11/13/guy-stewart-callendar/
Fördelen med äldre rapporter är att de går att verifiera!
Ni har väl sett att TV sänder program med spöken. Man kan till och med få tala med spökena.
Alla vet väl också att våra gamla slott och herresäten är fulla av damer i sina långa vita klänningar som skrider genom salarna och till och med skrider rakt genom väggarna.
Att damerna spökar kan kanske någon få för sig, men att klänningarna också skulle spöka är väl ändå att ta i lite väl mycket.
Men så klart! Så roligt får det ju inte bli i TV att de skrider runt utan sina kläder. 😀
Oanständigheterna har ju sina gränser, värdegrunden måste ju respekteras, men annars får de spöka hur mycket de vill.
Man kan alltså få vissa människor att tro vad som helst. Inte konstigt att klimathotet har kunnat sprida sig som en farsot över PK-landet Sverige.
”Lev som jag lär, inte som jag lever.”
Al Gore.
Bob Tisdale har skrivit läsvärt om klimatmodeller, länk:
https://bobtisdale.wordpress.com/2014/11/14/we-need-a-name-for-the-imaginary-planet-simulated-by-climate-models-for-the-ipcc/
Mvh/TJ
ThomasJ #13,
Det var kul 🙂
Mitt namnförslag är Hellus (i stället för Tellus).
OT
Jag gav upp idag när vår statsminister utan att blinka tog upp klimathotet under presskonferensen om ubåtsincidenten. Står det skrivet i sten att klimathotet ska omnämnas oavsett vad saken handlar om. Jag ser framför mig en massa rådgivare som skrattande går till banken. IQ fiskmås (f´låt Lars J för jämförelsen)
Lasse #11
Det var det finaste jag läst på länge. Tack.
Sveriges Ornitologiska Förening, SOF, ryter nu till om vindkraften…..
info på http://www.friavindar.se
Pehr
Utmärkt skrivet, men om nu klimatet verkligen är komplext då kan enkla modeller, som är begripliga och verkar riktiga, också leda fel. Det verkligt trista är då om man/vi inte längre kan lita på resultat från akademiker som inte upprätthåller yrkesmoralen. Jakten efter publicitet, både i tidskrifter och dagsmedia, och anslag blir då en övermäktig frestelse att ”skapa rätt” resultat istället för ”riktiga”.
I det läget är det mycket begärt att politiker utan egen vetenskaplig bakgrund skall kunna läsa kritiskt och bortse från psuedovetenskapen, när samtidigt media trumpetar för den.
Det finns också den motsatta skuldbeskrivningen: Att politiker medveten delar ut pengar till forskning som skapar behov av större offentliga resurser politiska krafttag.
Dessa två förklaringar är inte varandra uteslutande, och jag kan inte avgöra om det ena eller andra dominerar.
Jmf f ö med Lars Berns beskrivning av hur kostforskningen fastnat på ett felaktigt spår och blivit kvar på detta av ekonomiska skäl. Här är det inte frågan om komplexa modeller utan dålig forskning. Skillnaden i det fallet är att media numera refererar även kritiken.
Jag misstänker att det är för att ”läkemedelsindustrin” är en populär skurk för journalister.
Både ifråga om kost och klimat har offentliga myndigheter och institut har visat sig fastna i felaktigheter och har för mycket prestige invensterat för att kunna erkänna misstag.
Slutsats: Vi på KU måste jobba som bävrar!
/C-G
C-G #18,
Jo, modeller, enkla som komplexa, är fel, men somliga är användbara. Poängen är att processer i komplexa system ändå ofta i väsentliga delar kan beskrivas med enkla modeller, ungefär som en människas rörelse till stora delar kan beskrivas med hjälp av en animerad enkel streckgubbe.
Men dina synpunkter är mycket tänkvärda, det gäller tycker även jag att fokusera på de rätta frågorna. Här följer ytterligare en tänkvärd Ribbingsk synpunkt på detta 😉
http://blogg.dn.se/etikettfragan/2014/11/14/ordfobi/
En illustration till enkla modeller för en människas rörelse med mera:
http://www.youtube.com/watch?v=iX786-p-0Kk
Pehr #19
En egenskap som verkligen gör modeller tvivelaktiga är när de är så instabila att de måste köras tusentals gånger, och sedan väljer man ut ett intervall och påstår att detta intervalls medelvärde är ett meningsfullt resultat. Sånt är ganska vanligt i klimatbranschen!
/C-G
Ribbing #21 Om verkligheten är instabil vore det väl konstigt om modellerna inte vore det? Vädret är kaotisk, först när man tittar på längre sikt blir det mer deterministiskt och genom att köra flera modellkörningar med aningen olika starttillstånd får man ett begrepp om hur stora variationer från medelvärdet man kan vänta sig.
Det som är konstigt är att det finns folk som tittar på medelvärdet över en massa modellkörningar och förväntar sig att jordens klimat skall följa detta medelvärde.
TP, om modellerna vore någorlunda rättvisande skulle jordens klimat (i medel) följa modellernas medelvärde. Och faktiska observationers avvikelslerna från detta medel skulle vara av samma storleksordning somde enskilda modellernas ..
.
Thomas 14:54
Dina avslutande tre rader tyder på att vi är överens.
De första sex är väl mest ett uttryck din lust till polemik. Dessutom måste jag korrigera den andra raden. Som så många skapar du en motsättning mellan ”kaos” och ”förutsägbar”. Ett skeende som är föutsägbart på kort sikt kan mycket väl vara kaotiskt på lång sikt. Jag skulle hellre uttrycka det: ”Vädret är förutsägbart möjligen i två veckor framåt, därefter blir det kaotiskt, . Först när man tittar på längre sikt och har kunskap om alla ändringar i drivkrafterna blir medelvärdet, dvs klimatet mer förutsägbart.”
Om det skall vara någon mening med instabila beräkningar, måste den instabilitet man har, likna den som finns i verkligheten – annars blir varken medelvärde eller varians av intresse.
Du kanske också skulle finna ett gästinlägg på WUWT den June 13, 2011 intressant:
”Dr. Andy Edmonds
The Chaos theoretic argument that undermines Climate Change modelling
Just to be clear ahead of time, chaos in weather is NOT the same as climate disruption listed below – Anthony W”
/C-G
Jonas #23 Du har så rätt så, och det är ungefär vad vi ser. Vad jag syftade på var ”pausen” som bara motsvarar en sådan där avvikelse från medel som man kan vänta sig av en enstaka realisering av en stokastisk process.
Ribbing #24 ”Dina avslutande tre rader tyder på att vi är överens.”
Inte om du verkligen menar det du skrev i #21.
Det är för all del sant att tittar du på riktigt kort sikt så kan även ett kaotiskt system vara förutsägbart i detalj, men det är inte så relevant i klimatsammanhang. Här handlar det mer om att folk underskattar hur lång tid som krävs för att man skall kunna förvänta sig överensstämmelse mellan klimatmodeller och verkligheten. Man tar avvikelser enstaka år eller ett decennium som ”bevis” för att klimatmodellerna är fel.
”Om det skall vara någon mening med instabila beräkningar, måste den instabilitet man har, likna den som finns i verkligheten – annars blir varken medelvärde eller varians av intresse.”
Helt riktigt. Menar du att detta inte gäller för klimatmodeller?
C-G #21,
Men det intressanta med modellerna som IPCC analyserade i senaste vetenskapliga rapporten är de inte stämde med uppvärmningspausen efter att man tagit hänsyn till de kaotiska slumpmässiga variationerna. Sannolikheten för den observerade uppvärmningspausen givet den utveckling som forcingen har haft är enligt de avancerade klimatmodellerna liten, inte mer än 5 %. Och skulle uppvärmningspausen bli så lång som 20 år så förekommer sådana inte i simuleringar med klimatmodellerna.
Den största svårigheten med de avancerade klimatmodellerna är enligt min mening komplexitetsparadoxen som innebär att man inte kan lita på prediktioner från en komplex modell även om denna stämmer bra med observationer. Men en enkel modell, där man kan förstå hur den fungerar och kan förstå kopplingen mellan antaganden och simuleringsresultat, kan vara ett bra prediktionsverktyg.
Thomas P
Jag förstod att det var pausen du hoppades kunna bagatellisera med det försöket (det är ju inte direkt första gången, du prövar liknande ordvrängeri). Men det du säger här stämmer fortfarande inte. Vare sig i din (underförstådda) förutsättning, eller i tolkningen av det hypotetiska (och troligen helt felaktiga) fallet.
1) Du förutsätter att modellerna visar rätt, att de samt deras inbördes variationer korrekt återspeglar ä’naturlig variabilitet’. Men du har noll sakliga skäl (eller vetenskapliga grunder) att utgå från den premissen. Det är bara önsketänkande (eller ’pseudovetenskap’ om du så vill). Tvärtom:
2) Modellerna, både var för sig, och deras ’ensemble’, uppvisar inte någon förmåga att korrekt beskriva klimatet, dess tillståndsvariabler, dess förändringar eller variabiliteten i alla dessa. Inte ens rörande den trubbigaste bland dem, den man har ’kalibrerat’ modellerna för att hjälpligt återskapa, nämligen ’globala medeltemperaturen’ uppvisar modellerna någon prediktiv förmåga (och för många andra mått är överensstämmelsen långt sämre)
Det går inte någonsin till så(inte i riktig vetenskap) att man tar den empiriska (uppmätta) informationen och hävdar att den är en ’extrem outlier’, och istället hävdar att modellen skall anses visa rätt, när man försöker undersöka/belägga/validera modellen och dess underliggande hypoteser.
För det är precis vad du (mfl med dig) gör: Hoppas att observationer är gravt missvisande, och blivit så allt mer under allt längre tid. Pga att ’sanna’ sanningen dolts av ’naturliva variationer’, i stället sätta sin tilltro till hypotesen/simuleringarna, samt att peka på den allt mer ökande diskrepansen, och ta detta som intäkt för att modellerna måste vara rätt, iom att dem emellan stämmer det tidvis lika illa.
För det är faktiskt så extremt små sannolikheter du nu klänger fast dig vid.
Om din tro skulle vara befogad så skulle den modell som ligger närmast (lägst) av simuleringarna,om den fortsatte köras såsmåningom hamna lika långt på ’andra sidan’ om ensemblemedelvärdet, och under jämförbara tidsperioder, och då skulle du ur detta få en (simulerad) sannolikhet för troligt det att modellen har korrekt fånga beteendet.
Jag skulle tro att det är väldigt mycket mindre än de 5% som Pehr nämner, och dessutom minska ’sannolikheten’ raskt ytterligare så länge inte verkliga temperaturen ’kommer ikapp’ profetiorna (och alltså visar samma slags ’naturlig (simplerad) variation’ åt andra hållet också.
Nej Thomas, din tro hänger numera på ett mycket tunnt hårststrå!
Det är inte bara inom klimatområdet som matematiska modeller blandas samman med verkligheten.
Ett nästan ännu värre område, med närmast förfärande konsekvenser för oss vanliga dödliga, är ekonomin, nationalekonomin, vilket vi påmindes om häromveckan när en pågående kontrovers mellan ekonomiprofessorerna Lars (EO Svensson, f.d. vice VD i riksbanken, och Jonung – med Calmfors och Pålsson Syll jabbandes lite i kanten) blev mediesynlig.
EO Svensson vill sänka räntan till under noll, med hänvisning till sina modellberäkningar! Och stöd i att modellen utsatts för flera robusthetstest, som inkluderar inflationsförväntningarna, och att alla hans test gett samma resultat!
Svensson är sålunda helt insnärjd i sin teoretiska modell, vilket för tanken till Erik Dahméns gamla uppsats ”Fångarna i verktygslådan”.
I bakgrunden ligger föreställningen att skuldsättning och en hejdlös kreditexpansion INTE skulle vara något problem! Samtidigt läggs pannan i djupa veck över huruvida en fiktiv varukorg med ”potatis och ketchup” stiger eller sjunker i pris med någon procent. Detta säger en hel del om infantiliteten i denna modellvärld.
Att särskilja på det, som Jonung benämner ”tillgångsinflation” respektive vanlig (?) inflation, är bara ett teoretiskt påhitt, som fått praktiseras alldeles för länge. Ingen lekman med förnuftet i behåll har kunnat hejda galenskapen och ekonomijournalistiken har bara suttit vid de storas fötter och lämnat beundrande rapporter från modellvärlden.
Sammanfattningsvis: Matematiskta modeller inom nationalekonomin tycks endast fungera när de egentligen inte behövs; när de skulle behövas är de i princip alltid värdelösa.