Hypotesen om global uppvärmning pga av mänskliga utsläpp av växthusgaser finns bara i klimatmodeller. Några andra bevis för denna hypotes finns inte. Klimatmodellerna är en central del av klimatbluffen, dvs påstå att våra koldioxidutsläpp kommer att orsaka en temperaturhöjning om 2-6 grader om 100 år.
Först vad är en klimatmodell? Man kan se det som en utvidgning av väderprognoser. Samma principer används för klimatmodeller som för väderprognoser. Genom att ställa upp partiella diffentialekvationer och numerisk räkna sig framåt kan vädret förutspås. Som input initieras vädermodellen med aktuellt temperatur, lufttryck, luftfuktighet m.m. på olika höjd på många punkter. Sen integrerar man sig framåt i den tredimensionella rymden, dvs man delar upp atmosfären i ett tredimensionellt rutmönster, och räknar sig fram i tiden. Med räknar menar jag att datorer gör beräkningar, någon analytisk lösning finns inte pga av komplexiteten.
Väderprognoser är ganska tillförlitliga på några dygns sikt, sedan spårar de ofta ur. Tio dygn framåt är de relativt otillförlitliga. Klimatmodeller använder samma princip med ett tredimensionellt rutmönster men räknar sig framåt i många tiotalsår med små steg i taget. Dessutom så initieras de inte! De körs istället massor av gånger oinitierat så resultatet ser ut som ett spagettinystan och sen försöker man dra slutsatser.
Varför håller inte detta?
1. Världen är för komplex för att avbildas av en modell. Modellen har för stora brister helt enkelt. Molnbildning och havsströmmar klarar modellerna dåligt. Alla vet hur mycket El Nino och La Nina kan påverka temperaturen men ändå klarar man inte alls att modellera dem.
2. Det finns inget prognosvärde i modellen. Se Forecastingprinciples.com för mer info. Dessutom kallas de inte prognoser i IPCC rapporterna numera utan scenarier. Scott Armstrong – en av världens bästa expert på prognosmetodik (som jag själv har träffat på konferenser) säger: klimatmodeller är ett matematiskt sätt för experter att uttrycka sina åsikter.
3. Modellerna har fel klimatkänslighet. Alla vet att bara en dubblering av CO2 bara leder till någon grads höjning av globala temperaturen pga växthuseffekten. IPCC:s dramatiska scenarier kommer av en påstådd förstärkningseffekt. Denna har Spencer , Lindzen m.fl. konstaterat vara överdriven och helt felaktig.
Modellerna blander helt enkelt ihop orsak och verkan enligt Spencer
4. Klimatmodellerna har fel fingeravtryck. Verkligheten stämmer inte med modellerna. Modellerna förutspår att temperaturen vid ekvatorn på höjd ska uppföra sig på ett sätt när ”globala uppvärmingen” pågår. Uppmätta resultat motbevisar detta.
5. De senaste femton åren har globala temperaturen legat i stort sätt oförändrad fast koldioxidhalten fortsatt att öka linjärt. Vi ligger nu nära gränsen för det undre konfidensintervallet för klimatmodellerna. Fortfarande inom gränsen för det tillåtna men farligt nära att spåra ur. Inom ett par år kan vi få konkreta bevis från verkligheten att klimatmodellerna är felaktiga.
6. Det finns en verklighetsförvrängning. Läser man IPCC:s AR4 och TAR framgår stora osäkerheter. Detta även om troende politiskt korrekta författare valts ut. I Summary for Policymakers (SPM) tonas osäkerheterna ner och trollas bort. Ett politiskt falsarium. Sedan kommer MSM och förvränger verkligheten ännu mer. Till slut har vi generaldirektörer och politiker som inte fattar någonting vetenskapligt. Beslut fattas på förvrängda grunder. Detta är klimatbluffen i ett nötskal.
7. Klimatmodellerna initieras inte. Nu finns det förslag om att man ska börja initiera vissa klimatmodeller. Bra om så sker för då blir det lättare att validera modellerna alternativt förkasta dem.
8. Klimatmodellerna är ovaliderade. Endast prognoser framåt i tiden kan validera modellerna. Med diverse trixande har man fått dem att stämma historiskt för 1900-talet. Sen tror man att de ska fungera framåt i tiden på 2000-talet. Lika naivt som att anpassa en modell till gamla aktiekurser och tro att de kan spå framtidens kurser.
9. Politiker har satsat många miljarder kronor på anslag till forskare att ta fram klimatmodeller. Men underförstått har uppdraget varit att komma fram till av politiker förutbestämda resultat. Ungefär som när regeringen tillsätter en utredning. Resultatet är förutbestämt – det gäller att motivera detta.
10. De som jobbar med klimatmodellerna tror ofta blint på dessa. Men de tappar kontakten med verkligheten och tror att deras modeller är verkligheten.
Till sist vill jag önska alla läsare ett riktigt Gott Nytt År! Ni är många och viktiga för oss.
Tack för en intressant sammanställning. En fråga: Finns det en entydig och av alla forskare och ”experter” accepterad definition av jordens medeltemperatur?
Bra sammanställning Per W! Men jag undrar lite över det där med att modellerna inte initieras. Betyder det att man låter slumpen avgöra initialvärdena, eller vad?
Ingemar #2: Nej helt slumpmässigt är inte initialvärdena. Man bestämmer t.ex. att parameter A ska ha värden inom intervallet N1->N2 med en viss fördelning. Sen slumpas de fram med dessa begränsningar. I praktiken har man många hundra ”sets” av startvärden. Modellen körs många gånger med olika ”sets”, t.ex. 250 gånger vilket tar en hel del tid och datorkraft. Första 2-4 åren svänger modellen vilt och det kallas spinup. Inga slutsatser dras från denna tid. Efter inkörningen hamnar output i ett intervall men varje körning är unik så det ser ut som spagetti inom intervallet.
Min beskrivning i artikeln är förenklad. Idag består modellerna ofta av 4-5 olika kopplade modeller. En för atmosfär, en för havsis o.s.v. Klimatmodellerna ger oss kunskap om hur väder m.m. påverkas av olika saker. Men de har inget prognosvärde. Därför kallas de scenarier numera. Det finns faktiskt en del bra beskrivningar i IPCC AR4 också men IPCC SPM och MSM förvränger allt.
Ja, lägger man in i modellerna att mer växthusgaser ger en uppvärmning, så blir utfallet i genomsnitt en uppvärmningstrend, bland all instabilitet i simuleringen. Tvivelaktigt också att tillskriva svängningarna till ”klimatsystemets kaotiska natur”. Det måste vara ytterligare en nivå av övertolkning av utfallen.
Per W #3
Tack för klargörandet!
Prognosvärdet (i betydelsen korrekt förutsägelse av klimatet) är förstås noll. De scenarier som kommer ut ur modellerna får väl snarast betraktas som en lek med olika hypoteser angående initialvärdesintervall och antaganden om olika parametrar. Och då blir det mycket tveksamt om man i valet mellan att söka felen i sina mätresultat eller bland antagandena i modellen, väljer att lita på modellen.
Modellering görs ju inom vitt skilda områden av naturvetenskap och medicin. Mitt eget första bidrag till detta skäms jag numera för, men det kan vara illustrativt, (och publicerades i den främsta kemitidskriften av alla…)
http://pubs.acs.org/doi/abs/10.1021/ja00440a010
Man simulerar en molekyls jämviktsgeometri, med s.k. molekylmekanik, där den fysiskt antas byggas upp av fjädrar enligt Hooke’s lag, istället för kemiska bindningar. Repulsion mellan icke-bundna atomer modelleras enligt en Lennard-Jonespotential (dvs avstånd upphöjt till 12, vid en viss gräns, och attraktion upphöjt till 6 vid en annan).
Vi kom fram till att molekylen hade alla vridbara grupper på en sida. Joho, troligen sant, men det är ju redan givet av förutsättningarna (inbyggt i parametriseringen i dataprogrammet).
Vi hade i verkligheten inte visat någonting.
Detta som Per tar upp här, är en fundamental svaghet i klimatforskningen, men som ändå är styrande för världens åtaganden i klimatfrågan. De s.k klimatforskarna har överlåtit till datorerna att besluta vad som är en sannolik klimatframtid. Hur är det möjligt att världens samlade naturvetenskapare vid sidan om klimatvetenskaparna inte säger stopp? Vetenskapliga svar kan inte bygga på prognoser, utan endast på empiriska underlag.
För varje sunt tänkande individ med lite skolning, framstår det som en fullständig omöjlighet att simulera klimatverkligheten på global nivå framåt i tiden, när man inte ens har empiriskt underlag för att simulera förfluten tid. All världens vetenskapsråd måste lida av begynnande demens om man inte inser detta. Datorerna kommer aldrig att kunna förutsäga vår framtid utan kan bara fungera som hjälpmedel. Men skamligt nog har klimatfrågan överlåtits åt klimatsimulerande datorer. Klimatforskarna borde skämmas som så fegt har frånsagt sig ansvaret och skyller på datorernas output. Men det som de inte kan undandra sig ansvar för, är datormodellernas konstruktion som ännu måste anses vara mycket primitiva.
Bra sammanställning av problemen med GCM. Har någon en länk som beskriver de olika GCMerna konfidensintervall samt bristen på validering? Är GCM’erna uppbyggda av delmodeller som är ansvariga för en begränsad del av simuleringen och vet någon i så fall om det finns en bra länk som beskriver detta och delmodellernas valdering, alternativt brist på validering?
Michael #8: Läs på länken jag gav dig ovan – Forecastingprinciples. Här en länk om du vill veta vad etablerade klimatmodellerare tycker http://www.climatescience.gov/Library/sap/sap3-1/final-report/sap3-1-final-all.pdf
Nyårsafton nu så har inte tid att ge uttömmande svar.
Missbruket!
Det är oroande att se hur modellresultat missbrukas i hela produktionsledet allt ifrån programerarna till slutkund och brukarna däremellan. ”Klimatvetare” är brukare av modellerna och har ingen eller dålig kunskap om modellernas begränsningar.
När fler artiklar publiceras med endast med modellresultat som grund och ”bevis” så blir man oroad över hur långt missbruket har gått.
En del klimatforskare talar till och med om modellkörningar som likställt med experiment. Gränsen mellan verklighet och fiction är liksom utsuddad. Brukarna missbrukar därför résultaten när de sen därefter kommunicerar resultaten till jornalister och politiker som fattar absolut noll om modellernas begränsningar.
Ledande klimatforskare (Var det inte Mitchell på METO ?) tyckte att de skulle lägga mindre tonvikt vid observationer och istället köra modellerna. Ett tänkande som inte överraskar när verklighetens klimat verkar vägra lyda order från klimatmodellerna.
Modellerna har inget prognostiserande värde men används och kommuniceras som om så vore fallet.
L Bengtsson uppfattar jag som ärlig i sin kommunikation om modellernas begränsningar. Men de har varit för tysta Bengtsson inräknad när de inte reragerat och protesteras när de används och kommunicerats långt över sin förmåga.
Gott Nytt År på er alla! Vi vann !!
Utmärkt skrivet av Per W!
Jag läste ett bokkapitel igår som stämmer väl överens med du skriver i artikeln. Jag funderar på att själv skriva om detta bokkapitel i en kommande artikel. Jag gör det tills dess till en liten gissningslek vem som har skrivit detta, många kommer nog att bli förvånade.
Här kommer ett utdrag som stämmer väldigt bra med Pers artikel ovan (mina fetningar):
Better data collection for model testing and monitoring may improve the usefulness of models used for short-term policy decisions, but the policy issues that models are commonly held to illuminate often involve long-term change in natural systems. Global climate change is the most obvious, but many, perhaps most, ecological models involve questions whose import will be realized over time frames of at least years, if not decades. Yet all of the available evidence suggests that long-term forecasts are likely to be wrong and may very well mis-inform public policy.
Given how many models have been built in the past decades, it is remarkable how few have been evaluated after the fact to determine whether their forecasts came true. Where such post hoc evaluations have been done, the results are extremely disconcerting: the vast majority of the predictions failed, often they failed rapidly, and in many cases the actual results were not only outside the error bars of the model, but they were in an entirely different direction (Ascher 1978, 1981, 1989, 1993; Ascher and Overholt 1983; Konikow 1986; Konikow and Patten 1985; Konikow and Person 1985; Konikow and Swain 1990; Leo-nard et al. 1990; Pilkey 1990, 1994, 2000; Nigg 2000; see also Sarewitz et al. 2000 and Oreskes and Belitz 2001).
Generellt är ju inte matematiska modeller och datasimuleringar så dåliga som många verkar tro här. Det finns många exempel på modeller/teorier som stämmer i det närmaste perfekt med experiment. Då handlar det iofs om mycket enklare fysikaliska system än klimatet.
Det jag vill säga är att man kan inte döma ut hela beräkningsvetenskapen. Däremot kan man förstås ha synpunkter på om en modell eventuellt redan från början är ”riggad”. Exempelvis återkopplingen uppvärmning från koldioxid som sedan ökar vattenångan i atmosfären. Dvs att en ökad vattenånga skulle ha positiv återkoppling. Man bör förstås vid osäkerhet om detta även studera hypotesen att återkopplingen är svag eller rentav negativ. Har man inte betraktat en sådan osäkerhet seriöst faller givetvis alla datasimuleringarna pladask.
Swerker #12,
Matematiska modeller är naturligtvis ett oumbärliga verktyg inom naturvetenskap och teknik. Men det som diskuteras i klimatsammanhang är modellernas förmåga att förutsäga framtiden. Detta visar sig vara ett stort problem när man har att göra med komplicerade datormodeller av den typ som används inom klimatvetenskapen.
Det finns, och detta diskuteras i det bokkapitel som jag citerade ur ovan, exempel på matematiska modeller som har en mycket god förmåga att förutse framtiden. Bokkapitlet ger celest mekanik som exempel, dvs. de matematiska modeller som används inom astronomin där man ofta kan göra mycket noggranna beräkningar. Men detta hänger samman med att förloppen man modellerar ofta är periodiska och att man har väldigt mycket observationer som grund för att förfina sina modeller med.
Det som gör att modeller blir dåliga för att förutsäga framtiden är när de blir väldigt komplexa med mycket detaljer och att det inte finns tillräckligt med observationer för att testa dem. Man gör modellerna mer komplicerade eftersom klimatsystemet är så komplicerat och man vill göra modellerna sannare genom att de beskriver fler klimatprocesser i mer detalj. Men detta leder till paradoxen att modellerna blir så komplicerade att det blir väldigt svårt att testa om de verkligen är sanna eller inte. Därför ser det ut som att det är en omöjlig ekvation att förutsäga klimatets utveckling med hjälp av klimatmodeller.
Det skulle naturligtvis vara intressant att få bemötanden från den majoritet bland klimatforskarna som håller den s.k. AGW-hypotesen för riktig. Vi får väl se om någon eller några experter dyker upp här, eller kanske ett bemötande sker på annat håll.
Sverker #12 skulle det vara. Ursäkta!
OT: Gott Nytt År Alla realister!
Från Sydney:
http://www.youtube.com/watch?v=_crNUYe3q8g&feature=player_embedded
Mvh/TJ
Så mycket har jag hållit på med programering att jag vet att dessa modeller kommer att visa önskat resultat. Om inte så har man programmerat fel.
Annars ber man ju datorn att börja tänka själv vilket den inte kan. Man kan alltså inte få ett resultat som aviker från det avsedda utan att göra något fel eller inte förstå vad man programmerat.
Det är som att slå ner en massa olika funktioner och värden på en räknare utan att veta vad man gör. Då blir naturligtvis resultatet oväntat och obegripligt, vilket det ju var från början.
Modellerna är alltså från början inte avsedda att ge ett resultat som har till uppgift att lära brukarna hur klimatet kommer att se ut i framtiden. De är till för att bekräfta vad de är avsedda att bekräfta.
Skulle modellerna visa att temperaturen sjunker i framtiden trots att CO2 ökar så ändrar man parametrarna så temperaturen stiger, annars stämmer ju inte resultatet med tidigare antaganden att CO2 höjer temperaturen och då har man ju ingen nytta av modellandet.
För ingen inbillar väl sig att IPCC skulle gå ut och säga:
”Hurra, Faran är över! Temperaturen på jorden sjunker. IPCC behövs inte längre så vi går hem nu och söker nytt jobb.”
Man skall ha fullt klart för sig att en datamaskin är i själva verket en mycet snabb och avancerad räknemaskin som kan visa bilder, ljud och en otroligt massa annat på grund av att mängder av dataknuttar har lärt sig att utnyttja ettor och nollor på ett fantastiskt sätt.
Att försöka tillverka tillförlitliga prognoser med en aldrig så kraftfull dator låter sig helt enkelt inte göras, såvida man inte känner till exat alla parametrar som styr klimatet.
Även om man visste, så skulle det troligen bli ett resultat som en slumpgenerator skulle leverera exempelvis: antingen blir det så här eller blir det så här, det beror på.
En intilligent programerare hade förstått detta och lagt in en osäkerhetsparameter så resultatet blev sanningsenligt:
Det vete fan. 😀
Ulf S #14,
Beträffande klimatexperters syn på sina egna modeller förmåga att ge korrekta prognoser 10 – 50 år framåt i tiden så är den ganska låg; ungefär fifty-fifty mellan låg och hög tilltro. Detta var år 2008, och jag vet inte som det ändrat sig så mycket sedan dess.
https://www.klimatupplysningen.se/2010/09/27/klimatforskarna-mer-tveksamma-till-sina-modeller/
Bim# 17 Vad enkelt det är när Du beskriver detta. Tänk om Regeringskansliets hemsida kunde skriva detta, En nyårsdröm
Att skilja på väder och klimat klarar inte denna skribent, inte heller förstår han grunderna i modellbygge. Fram för kompetenta skribenter på TCS nästa år!
#20: Kandidera då själv för böfvelen…! 😀
//TJ
Gott Nytt År Bim!
Kul när anonyma personer bakom bokstäver berättar lite om sig själva.
Även när det blir vinklat och konstigt när det gäller programmering.
Men visst är det så att det man skriver oftast är avsett att berätta det man vill ha framfört. Möjligen med undantag av vädermodeller, som avser att försöka visa vad som händer med lågtryck, högtryck och vindar den närmaste tiden.
När det gäller de modellerna så klarar de inte många dagar fram i tiden.
Men att sommaren oftast är betydligt varmare än vintern behövs det inga programmerare för att påstå.
När det gäller hur kommande vintrar och kommande somrar kan tänkas bli så blir det knepigare.
Solens aktivitetsmönster, Jordens bana och vingligar runt Solen, och atmosfärens varierande innehåll av molekyler måste man ta hänsyn till.
Svårt att skriva program som räknar fram det man vill se om man inte får hjälp med att förstå hur det fungerar.
Så skyll inte på modellerna. Kom hellre med tydliga bevis på att meteorologer och klimatforskare missförstått grunderna i varför vi kan leva på Jorden. Atmosfären är trots allt ganska tunn.
Och våra resurser i form av Olja och Kol är inte oändliga.
Mängden pengar är i det perspektivet obegränsad, men värdet varierar med mängden.
You just wait until all that extra methane from Siberia starts adding exponentially to the situation……frogs in boiling water spring to mind….and I’m not talking about the frogs……or the water either for that matter. This infrastructure is NOT prepared for what’s coming so enjoy ”the illusion” if change is too unthinkable for ye. Lots of pretty graphs here as usual though 😉
Gott Nytt År själv, Uffeb.
För det första: Jag är inte anonym. Jag har kallats Bim i hela mitt liv sedan födseln. Alla som känner mig kallar mig för Bim. Så var det avklarat. Lätt som en plätt!
Vad du har att anföra angående klimatmodellerna fattar jag inte ett smack av. Du är otydlig.
Vad är det du vill säga? Om du ser något fel i vad jag skrev i # 17 så tala om vad det är du undrar över så skall jag förklara tydligare för dig.
Stickan # 20
Gott Nytt År! , Du också.
Du skriver: ”Att skilja på väder och klimat klarar inte denna skribent, inte heller förstår han grunderna i modellbygge. Fram för kompetenta skribenter på TCS nästa år!”
Jag vet inte om det är mig eller Per Welander du syftar på?
Är det mig så kan jag upplysa om att jag mycket väl kan skilja på klimat och väder. Jag är tillräckligt gammal för att ha upplevt två klimat och är halvvägs inne på mitt tredje. 😀
Nu var det i och för sig inte förståelsen av klimatet jag talade om, det var programmering av framtida klimatprognoser, utan att veta om alla parametrar är på plats. Då är man ju en programmerare utan alla knivarna i lådan, så att säga.
Är det Per Welander så är han i mina ögon en mycket kompetent person, en sådan där du vet som kan tänka självständigt, som kan dra egna slutsatser av det tillgängliga kunskapsläget.
Om du är bättre skickad så kan du väl fråga någon ur Stockholmsinititivets kunniga medlemmar om du får medverka med egna inlägg.
Åtminstone som gästskribent. Är du lika skärpt som Per W så skulle det nog inte vara omöjligt.
Peter F
Gott Nytt År!Du också, och tack för dina vänliga ord.
Bim #24
För oss som inte känner dig är du trots allt mycket anonym.
När de gäller knivar i lådan så behövs det också en del gafflar – om du förstår vad jag menar när det gäller programmering av datorn för att försöka förstå komplexa system.
Men Gott Nytt År Bim.
Du är nog en trevlig typ bland dina vänner, men för mig är du väldigt anonym.
Peter Stilbs #4
Tvivelaktigt också att tillskriva svängningarna till ”klimatsystemets kaotiska natur”. Det måste vara ytterligare en nivå av övertolkning av utfallen.
Man lär först testa en klimatmodell för kaoseffekter genom att utföra 700 itereringar och se om den spårar ur eller inte.
Kaoseffekten kan inte användas som syndabock för perioder som visar ’orimliga’ resultat. Lika litet som man kan säga att klimatmodellerna i övrigt är bra, förutom i Europa som har ett atypiskt klimat. Modellen är aldrig verkligheten.
För den som vill uppleva kaos effekten på sin egen kalkylator rekommenderas följande nöt:
En vetenskapsman har kommit fram till en matematisk modell som beskriver systemet han studerar:
Värdet för en period (2h) är den föregående periodens värde i kvadrat minus ett.
Han räknar ut ett jämviktsvärde för systemet, d.v.s. värdet när periodens ingångsvärde är det samma som utgångsvärde.
Så testar han om systemet hålls i jämvikt genom att simulera, d.v.s. att på sin kalkylator iterera (beräkna följande periods värde) 26 gånger i följd.
a) Vilket är jämviktsvärdet?
b) Vilket är värdet efter 26 itereringar?
😉 Gott Nytt År!
Pehr Björnbom #13
Man gör modellerna mer komplicerade eftersom klimatsystemet är så komplicerat och man vill göra modellerna sannare genom att de beskriver fler klimatprocesser i mer detalj.
Följande steg i att göra modellerna sannare är att lappa på med en tilläggsmodell för biomassa. (Detta ÄR aktuellt). Biomassan hjälper till att i vertikal led föra upp till ytan den saknade värmeenergin. Nu befinner den sig på världshavens bottnar.
Denna biomassa blir då varmare på kuppen, och kommer att genetiskt ändra sig i något skede. Så egentligen vill vi också veta vad som i så fall kommer i den nuvarande biomassans ställe.
Följande tilläggsmodell blir evolutionen själv. I evolutionsmodellerna kommer klimatet att ingå som förklarande variabler. In absurdum.
2012 Nyårsnöt
När vi har så här många matematiskt begåvade personer samlade, vill jag passa på tillfället och komma fram med ytterligare en nöt.
En klimatforskare märker att en fortsatt utvidgning av GCM modellen inte är fruktbar (se t.ex. Slabadang #10, Pehr Björnbom #13, Bim #17 och Johan E #27) och han börjar tänka om från början:
”Klimatet har alltid ändrats genom tiderna. Säkert också antalet förklarande variabler och betydelsen för var och en och deras kombinationer.
Kombinationerna av de förklarande variablerna är det avgörande och min modell skall för varje tidsperiod (två timmar) hitta den optimala innan den går till följande.
För att min modell skall kunna återge klimatets komplexitet bör den för varje iteration optimalt kunna välja hundra variabler av mina tusen till buds stående. Det kommer att bli en massa olika kombinationer. Gudskelov har jag till min förfogande en superdator som klarar av fyra kvadriljoner beräkningar i sekunden, och dessutom vet jag att man med avancerade sökrutiner kan banta ner antalet kombinationer till en tiotusendedel. Programmet som körs för varje iteration och för varje kombination har en miljon rader.”
2012 Nyårsnöten: Hur lång tid tar det för den skissade modellen att räkna fram projiceringen för ett år framåt?
Givetvis har Bim rätt i princip.
Det enda en dator gör att slänga in ett tal i ett register, släng in ett annat tal i ett annat register, och sedan addera de två talen. Det är ALLT en dator gör, överhuvudtaget. Den gör INGET annat. Allt annat är byggt på att den kan göra det snabbare än människor.
Men det tror jag de flesta på denna blogg vet, eller anar. De flesta här är välutbildade.
Allt måste alltså hänga på matematiken, modellerna och vetenskapen. Det är vetenskapsteorin som kommer in. Hur kan man med teorier bygga modeller för verkligheten, och hur väl kan man approximera den?
Tyvärr finns nog många, framför allt utanför denna blogg, som tror att datorerna har någon magisk förmåga att förutse verkligheten. De vet inte att den bara kan addera två tal. Punkt.
Men, som sagt, de flesta här förstår nog det, mer eller mindre. Icke desto mindre är det mycket viktigt att inte låta detta faktum glömmas bort.
Mikael (@Klarsynt) # 29
Kul att du tänker som jag. I princip är det enkelt att förstå. En dator tänker inte (ännu) men det jobbas ju med det, fast det är långt kvar innan det blir verklighet.
Det som är svårt för människor att förstå är HUR komplext det kaotiska klimatsystemet är.
Att spå väder med en dator är svårt redan det, trots att de flesta parametrar är kända och någorlunda kompletta, men det slår ofta fel ändå på grund av vädrets oberäknelighet. Andra slumpartade händelser spelar in.
Vi kan ju utan dator gissa att en istid kommer så småningom efter som det är ett upprepat mönster i jordens klimat, men vi vet inte, vi tror med stor sanolikhet. Logiskt tänkande.
Vad Uffeb # 25 menade med följande text förstår jag inte ett smack av.
(När de gäller knivar i lådan så behövs det också en del gafflar – om du förstår vad jag menar när det gäller programmering av datorn för att försöka förstå komplexa system.)
Nej!Jag förstår inte vad du menar.
Vad är det du vill ha sagt, i klartext?
Vad är det för gafflar du pratar om? Det skulle vara intressant att få veta om du tänker på något speciellt eller om du bara säger saker utan någon tanke bakom.
På en blogg som TCS finns väl ingen anledning att komplicera resonemangen helt utan orsak. Uffeb, ”Dunkelt sagt, dunkelt tänkt.”
Har du några specialkunskaper i programmering, så fram med dom då.
God fortsättning, alla.
Bim #18. Vad härligt att se ordet datamaskin. Så kallades apparaten på 60- och 70-talet när jag började min karriär som programmerare. Sen kom det mera diffusa begreppet dator. Men det är fortfarande en apparat som måste svara ja eller nej på alla frågor, inte nåt mer. Den är ju fortfarande digital. Fanns nog nån analog variant, men den har åkt på tippen.
Åke N
Jag köpte min första ”datamaskin” omkring 1989.
En brun ful laptop, eller fällbar ”datamaskin” där man fällde upp halva locket.
En skärm med grön text mot mörk botten.
Den hade ingen hårddisk utan två diskettstationer. Den ena för själva programmet och i den andra stationen lagrade jag mina egna program på en annan diskett.
Det var MSDos som gällde och ”maskinen kostade 35.000:- spensidorer och vägde fläsk.
Den var primitiv med dagens mått mätt, men räknade ettor och nollor gjorde den, precis som dagens datorer gör.
Det var tider det, men efter som du började så tidigt så hade du väl vev på din. 😀
Johan E #28 Nyårsnöten
Nu är jag usel på matte, så mitt svar är säkert fel.
Vore tacksam om du kunde ställa upp de rätta beräkningarna.
Mitt svar är 8,868E+113 år, vilket säkert är uppåt väggarna.
En del i problemet är ju att vi inte vet om ordningen mellan de utvalda variablerna har betydelse.
Och jag förutsätter djärvt att varje programrad bara tar en ”klockcykel”.
Men genom att kika på storleksordningen på talen förstår man i alla varför väderprognoserna känns lite passé här på västkusten.
När beräkningen är klar har vädret passerat och är redan halvvägs till Norrköping.
Avslutning med gliring till UffeB #22:
Lite pinsamt att klaga på anonymiteten hos Bim när man själv kallar sig UffeB!
Gott nytt år alla, och tack för en utmärkt klimatsite!
//Pelle L
Pelle L # 33
🙂 🙂
Ditt svar är rätt. Vitsen med Nyårsnöten är att visa att en (i mina ögon) litet heller mera realistisk modell skulle kräva en orimligt snabba dator.
Om vi med dagens snabbhet, kvadriljoner (1000000000000000000000000) operationer per sekund, skulle vårt solsystem hinna slockna många gånger om innan den kommit fram till uppgiftens enkla projicering. Dessutom har vår dator hunnit bli datamaskin många gånger om.
Här ovan ser vi en kvadriljon utskriven; en 1 med 24 nollor efter sig. Uppgiftens svar i år är en 8 med 113 nollor efter sig. Ett ofattbart stort tal.
Tack Pelle för din fina lösning. Du är den första som räknat på och hjälpt till att visa att datorsnabbheten är en flaskhals när man försöker diskutera sig fram till mera realistiska klimatmodeller.
Jag skulle gärna se t.ex. Lennart Bengtsson kommentera detta utgående från klimatologisk synvinkel. Vilket är minimiantalet förklarande variabler en modell bör ha för att den klimatologiskt skall vara realistisk?
Jag har tidigare gett ett liknande exempel för att peka på hur få variabler vi egentligen kan ta med för att hinna beräkna projiceringar inom en rimlig tid. Det är ju inte någon vits att komma med dem i efterskott.
Men ingen ville räkna på det exemplet. Eller kanske några gjorde det, men svaren förskräckte?
Än en gång ett stort tack till dig Pelle. You made my day.
Har du tagit dig en titt på min första nöt om kaoseffekten? Det är fascinerande att med egna ögon se hur siffrorna i kalkylatorn börja ändra sig efter att en längre tid ha varit konstanta.
PS. Ordningen mellan de utvalda variablerna har inte betydelse, och fastän de skulle ha det är sens moralen den samma.
Johan E, det är du som skall ha tack för din utmärkta pedagogik!
Skall kasta mig över den andra nöten snart.
//Pelle
PS
Cred till en son som läser datavetenskap och en dotter som läser matematik. De hjälper mig att tänka i rätt riktning.
Johan E #26
Om jag har förstått frågan rätt är svaret cirka 1,61803398874989
men jag kan nog inte räkna (iterera) med större precision.
Vad är rätta svaret?
Hur gör man??
Men det var kul att försöka!
Johan E #26 forts.
Och ja, det är hemskt vad värdena sticker iväg om man ligger fel på den sista biljontedelen.
Klimatet måste vara rackarns känsligt!
Eller är det kanske snarare modellerna
vsb
Per Welander
Tack för de nya insikterna om klimatmodellerna (GCM) ditt inlägg gav mig. Här ytterligare frågor som jag hoppas att du eller någon annan kan svara på:
1) Med vilken noggrannhet uppger man datat, d.v.s. hur många signifikanta siffror (ss) är medtagna?
(ex. 67,34 är given med 4 ss 3,14 med 3 ss, 20,008 med 5 ss och
3,1415926535897932384626433832795 med 32 ss.)
Om man multiplicerar Stefan-Boltzmann konstanten 5,67×10−8 (3 ss med ovanstående pi (32 ss) bör svaret ges med (3 ss) ty både S-B och pi är avrundade. Har du koll om man kommer ihåg det här i GCM?
Hur snabbt man kan förvänta sig att stöta på eventuella kaoseffekter är en funktion av ss. Därför frågar jag.
2) Hur testar man för kaoseffekter? (Tidigare itererade man 700 gånger för att se om modellen spårade ur eller inte.)
3) Det finns ungefär 20 GCM. Vilka är det exakta antalet och vilka är hemorterna och årsbudgeterna?
4) Varför tror man och varför försöks det med alla medel ge sken av att man kan prediktera med modellerna? Säger SMHI att man kan?
De är simuleringsmodeller och enbart detta. Till och med Kevin Trenberth, huvudförfattare till IPCC rapporterna 2001 och 2007 säger. ”In fact there are no predictions by IPCC at all. And there never have been. The IPCC instead proffers “what if” projections of future climate that correspond to certain emissions scenarios.”
Pelle L #36 och #37
🙂
Resumé: Pelle håller på och upplever kaoseffekten på sin kalkylator. Han löser uppgiften i #26 och har nu svarat på a) frågan.
Frågan b) handlar om jämvikten håller. Med jämviktsvärdet i a) itererar man; höjer i kvadrat, subtraherar med 1, trycker på =, höjer i kvadrat, subtraherar med 1, trycker på = o.s.v. 26 gånger i följd.
Pelle ditt svar på a) frågan är korrekt. Det finns visserligen ytterligare en lösning, men det är ointressant. Jag är imponerad av hur många signifikativa siffror du har i svaret. Ditt svar har 15 signifikativa siffror då däremot min kalkylator ger enbart 10 signifikativa: 1,618033989.
b) Jag tror att jag väntar med att yppa svaret. Du har definitivt häng på det. Om du har andra kalkylatorer hemma pröva simultant med dem. Helst med sådana som är köpta från en bensinmack. I dem rubbas jämvikten efter relativt få iterationer. Kanske din fina kalkylator inte ens börjar notera rubbningar efter 26 itereringar? Om i så fall: Iterera en stund till.
Är det någon till som vill prova sin egen kalkylator och uppleva kaoseffekten, så gör det nu! I min nästa kommentar yppas svaret.
Johan E #39
Jag måste till min skam erkänna att jag körde det i Excel.
Lättjan är alla uppfinningars moder
På miniräknaren blir värdet efter 26:e itereringen 2,7*10^58 och efter 27:e -E-
Så vad har jag lärt mig?
Att vi om 26 år når en tipping point och allt går åt helvete 🙁
The ”Butterfly Effect”, or more technically the ”sensitive dependence on initial conditions”, is the essence of chaos.
Does the Flap of a Butterfly’s Wings in Brazil set off a Tornado in Texas?
Gratulerar Pelle! Du har just på egen hand fått uppleva kaoseffekten, även kallad the Butterfly Effect.
När du började iterera utgick du från ett tal som i sin exakta form innehöll roten ur fem. Roten ur fem är ett irrationellt tal (operiodiskt, oavslutat decimaltal), detsamma gäller också jämvikten 1,61803398874989……….
Men oavslutade tal kan man inte räkna med, så någonstans måste man (läs kalkylatorn, datorn) klippa av. I min kalkylator sker det efter 10 siffror, på din dator efter 15 siffror.
I skillnaden mellan det exakta och vårt avklippta tal ligger kaosfjärilens puppa. När vi börjar iterera så utvecklar den sig till en veritabel fjäril som ställer till det. Istället för att jämviktstalet snällt förblir ett jämviktstal börjar det spåra ur; det formligen exploderar. På din kalkylator har det efter 26 itereringar blivit det otroliga 27000000000000000000000000000000000000000000000000000000000. Då du itererar ytterligare en gång meddelar din kalkylator E (overflow).
Men oberoende om vi har en kalkylator från en bensinmack eller en GCM superdator så blir det E (overflow) förr eller senare.
Eller en Tornado i Texas.
Johan E, jag hoppas du inser att dina nyårsnötter inte har något att göra med hur verkliga klimatmodeller fungerar. Din beskrivning av en tänkt klimatmodell i #28 är bara konstig.
Det du beskriver i #26 är inte kaos utan en instabil funktion som växer obegränsat. Den motsvarar t ex att man försöker balansera en boll på toppen av en annan boll. Om bollen inte läggs exakt på toppen (vilket är omöjligt) kommer den att rulla av med stadigt ökande hastighet. Tur nog är inte klimatet sådant. En fjärils vingslag kan inte få jordens atmosfär att koka bort en vecka senare.
Den som vill ha ett bättre exempel på en enkel iterativ matematisk formel av liknande typ som ger kaotiskt beteende kan läsa här:
http://en.wikipedia.org/wiki/Logistic_map
Johan E #41
Det börjar så sakta klarna.
Sensmoralen är att numerisk (med datorer) analys alltid kör i diket?
Så det är därför väderprognoser ballar ur efter en vecka.
Och de s.k. klimatmodellerna också gör det förr eller senare.
Förstår nu varför Met Office hellre satsar på datorkraft än på observationer.
Det är ju där gåtans lösning ligger 🙂
Tack Johan för en roande och lärorik lektion!
(Varför har PRO bara kurser i gammaldans och inte i numerisk analys?)
Pelle L
😉 Jag glömde den knipsluga solen. Solen är viktig.
Det här var trevligt. Hoppas att du fick utbyte av mina utläggningar. Känn dig fri att komma med tilläggsfrågor!
Klimat o väder och dess variationer,ett medel på 30 år är den vedertagna observations tiden,väder är betydelselös i klimat
sammanhang,man tänka sig 3 mån mulet eller 3 mån solsken
med torka i båda dessa vädertyper osv,så väder är ganska ointressant ur klimatsynpunkt,men väder är ändå skojigt att
ägna sig åt ändå,det tycker många om,s.k normalvädersutfall(medel) som klimat bedöms ur under lång tid av år, tidigare utfall jämförs,väder har vi alltid.
ALI.K.
Vädret skilldras ändå bra av metrologer i media och klimat bör akta
sig att dra sig in i att sia om,där har vi tidigare historier ur klimatets
historiska data som vi kan följa och eventuellt jämföra med under
tidens gång.
ALI.K.
Pelle L #43
Jag skrev min #44 innan jag läste din #43
Nja; sensmoralen är nog inte riktig den att iterativa modeller (numerisk analys) alltid kör i diket. Fastän vi som utgångspunkt har funktioner av andra graden, som i vår nöt, men väljer att bygga en modell enbart på partiella derivator, så kör den inte i diket. De partiella derivatorna blir linjära (derivatan av x i kvadrat är 2x) och under sådana förhållanden förblir fjärilspuppan en puppa.
Mitt exempel var konstruerat så att det skulle bli en fjäril av puppan.
Det finns dessutom säkert icke-linjära iterativa modeller som uppför sig hyfsat. (Men be mig inte ge exempel.) Som vi såg så beror ju mycket också på hur många signifikativa siffror vi kan använda i relation till hur många itereringar vi utför.
Men att man skulle kunna göra en modell för klimatet tror jag inte på. Jag vill i så fall att den skall kunna berätta oss när följande istid börjar. Att den kommer att komma tror jag fullt och fast på. Men jag vet inte.
Om du är mogen för flera klimatrelaterade nötter så säg bara till.
Mvh
Johan
Nu undrar jag om de klimat modeller som konstrueras byggs enbart på teoretiska förutsättningar eller om man försöker bygga ihop en modell genom att köra AI-program som bygger på Neurala nät och Genetiska algoritmer. En modell byggd med den tekniken bygger ju upp en en kurvanpassning på historiskt data. Jag har byggt prognosmodeller med få och med många inputvariabler. Jag har även beabetat dessa för att få fram ”syntetiserade” inputvariabler som är ”ortogonala” (eller oberoende) av varandra. Jag har aldrig sett en sådan modell ”skena”. Däremot har flertalet varit urdåliga på att förutsäga framtiden. Eftersom vädret, i motsats till klimatet möjligtvis kan kategoriseras som ”kaotiskt”, dock inom ett rätt så begränsat intervall och klimatet trots allt är otroligt stabilt i åtminstone 100-årsperioder så tycker jag att det är fel att säga att klimatet är kaotiskt. Om dagens klimatmodeller är så känsliga på initialvärden så har man tappat bort nåt som ger ”negativ återkoppling”.
Dessutom blir det i stort sätt omöjligt att prognostisera framtiden med hjälp av NN och GA om man för in fler inputvariabler än 4. Det resulterar i 9 fall av 10 i en snygg historisk kurvanpassning med ringa eller intet prognosvärde.
Been there, done that, got the T-shirt”
Iofs inte med klimat men med aktier och terminer. Flera år.
Om man inte kan hitta 3 oberoende faktorer som står för 70-80 av orsakspåverkan på klimatet så glöm NN och GA.
Men kanske man provar sig fram manuellt med teoretiserade inputvariabler, koefficienter mm och skippar NN och GA.
Det är ju samma sak. Bara mycket mer tidsödande. NN och GA togs ju fram för att använda datorkraft för att permutera på ett smart sätt.
Den ”manuella” delen är att prova olika transformationer på inputvariablerna innan man matar in dem i programmet.
ALI.K.
förstår inte hur du kan säga att vädret är betydelselöst eller bara skojigt.
De där 30 årens observationer som konstituerar klimatet är väl just vädret, observerat timme för timme, dag efter dag, år efter år.
Det måste vara enormt viktigt att dessa observationer görs på ett bra sätt! Vad vet vi annars om klimatet?
Johan E#
Den knipslugna Solen var bra,vi måste lära oss mer om solen för
vår Jord av dess påverkan,helt klart.
Det är mycket vi inte har en aning om ännu,men nya dörrar öppnas
vi får säkert omvärdera de kunskaper vi har idag,som säkert kommer att chockera klimatforskare och även solforskare där är
ännu i mänsklighetens barnvagga.
Pelle L# jag motsätter inte observationer av väder i klimatsystemet.
För väder är mer skoj.ett trevligt ämne att prata om.
Perioder med med kraftiga väderförändringar säger mycket litet
om klimatet på längre sikt,tänk gaser i magen är också väder,men
är inte mycket att oroa sig om.
ALI.K.
Jag kan inte låta bli att återge the Daily Bayonets nyårshälsning:
“Assuming there is no last minute surprise attack by pesky methane clathrates, the Daily Bayonet wishes you a safe and happy 2012.
If it happens, it will be the gaia fart heard round the world.”
ALI.K. #50
Varför bara inte medge att du pratar i nattmössan?
Thomas #42
Vad trevligt att få feedback till diskussionen/debatten/polemiken
Thomas, jag är medveten om att mina nötter inte har någonting att göra med hur verkliga klimatmodeller funkar. Jag antar att du med verklig menar de vilka man nu använder.
Saken är den att jag anser att de inte funkar, oberoende av om de är de bästa till buds stående eller inte. Det är därför jag gör en ny ansats. Jag vill fånga klimatets komplexitet på ett mera heltäckande sätt.
Det visar sig att om min ansats skall förverkligas krävs orimlig datorsnabbhet. Det gick min ena nöt ut på. (Du säger att min ansats bara är konstig. Kan du vara så vänlig och precisera dig?)
Jag passar här på att nämna ännu en faktor som inte nämnts tidigare som verkliga klimatmodeller missar: De tidsserier som behandlas är icke-stationära. De medeltal och trender man räknar ut berättar oss hur det förgångna har varit. Man kan inte behandla t.ex. medeltalen som sampelmedeltal från en population och utgående från dem uttala sig om populationens/klimatets medeltal. Ett korrekt sådant finns inte. Inte heller kan man uppgöra konfidensintervall på det sätt som görs.
Min andra nöt gick ut på att handgripligen visa hur förödande The Butterfly Effect kan vara. Dessutom identifierar jag Fjärilens puppa. Jag upplever att Pelle L var nöjd med mina utläggningar. Om utläggningarna är felaktiga så är jag uppriktigt glad om du, inkluderande motiveringar, berättar oss varför.
Thomas, du ger mig en sajt med bättre exempel. Kan du utöka din vänlighet och plocka fram ett som handgripligen visar the Butterfly Effect på en kalkylator?
Apropås dina klot så förstår jag analogin, men inte hur du får din situation med kloten beskrivna med min modell.
Johan #53 Inte för att jag förstår hur din ansats till klimatmodell är tänkt att fungera, men eftersom du uppenbarligen inte ens själv tror att den gör det är det lämpligt att undvika metoden och istället använda den metod man gör idag som ger resultat. Inte perfekta, men tillräckligt bra för att vara användbara. Tricket är att hitta algoritmer som fungerar, inte sådana som inte gör det.
Ditt andra exempel har inget att göra med ”The butterfly effekt” eftersom det inte har något med kaos att göra. Kaos innebär inte att en funktion exploderar mot oändligheten utan den håller sig inom ett begränsat område. Däremot skall *i varje steg* en minimal störning av värdet efter några iterationer leda till att funktionens värde totalt förändras.
I din funktion ökar däremot värdet exponentiellt* och bortsett från första få stegen spelar mindre störningar i värdet ingen roll. Efter några steg när x ökat så kan du lika gärna ersätta din funktion med x(n+1) = x(n)^2, vilken du själv förhoppningsvis inser inte har något med kaos att göra.
Du efterfrågar ett handgripligt exempel, men den logistiska funktion jag hänvisade till är väl tillräckligt handgriplig? Välj ett värde för r där funktionen är kaotisk, säg r=3,6. Välj ett värde på x mellan noll och ett och iterera funktionen något dussintal steg. Prova att ändra startvärdet på x en aning och gör om iterationen. Plotta sedan ut skillnaden i värde för de två körningarna. I båda fallen kommer x hoppa runt mellan 0 och 1, men körningarna blir gradvis alltmer olika varandra.
Uppenbarligen förstår du inte vad kaos är och tyvärr har du nu lyckats sprida denna missuppfattning till Pelle L.
Som Per tog upp så initieras i allmänhet inte klimatmodeller till ett aktuellt vädertillstånd vid en viss punkt, utan man låter dem starta med mer slumpvis data och köra en tid för att stabiliseras. Att det tillstånd man når då liknar jordens verkliga klimat är en bekräftelse på att modellerna förmår få med mycket av den komplexitet som finns i klimatet.
* Eller för att vara mer exakt, om du startar med x en aning större än roten(5)/2+0,5 så växer värdet exponentiellt, startar du med ett värde aningen mindre kommer värdet börja oscillera mellan 0 och -1. Ingendera är kaos.
Thomas #54
Inte för att jag förstår hur din ansats till klimatmodell är tänkt att fungera, men eftersom du uppenbarligen inte ens själv tror att den gör det är det lämpligt att undvika metoden och istället använda den metod man gör idag som ger resultat.
Thomas. Det är ju synd att du inte förstår hur min ansats är tänkt att fungera. Kanske någon annan gör det? Du anser att man skall använda den metod som man har i dag, den som ger resultat. Jag har motiverat visat att man inte kan använda denna metod och att de, som de simuleringsmodeller de är, inte kan ge annat än if-so resultat.
Dina modeller är icke validerade. Är vi överens om detta? Alltså kan man inte använda dem så som du förfäktar.
Den kunskap jag tillför med mitt exempel är att då man strävar att göra en klimatmodell mera realistisk blir data snabbheten mycket raskt en flaskhals.
Tycker du att jag kommer med något gott då jag definierar puppan till fjärilen i the Butterfly Effect? Mitt exempel går ut på att enkelt på en kalkylator visa och åskådliggöra the ”Butterfly Effect”, or more technically the ”sensitive dependence on initial conditions”. Det gjorde jag med mitt enkla exempel. Du gillade det inte och jag bad dig då om ett annat enkelt exempel, ett som alla kan utföra på sin kalkylator. Det här kommer du med: Du efterfrågar ett handgripligt exempel, men den logistiska funktion jag hänvisade till är väl tillräckligt handgriplig? Välj ett värde för r där funktionen är kaotisk, säg r=3,6. Välj ett värde på x mellan noll och ett och iterera funktionen något dussintal steg. Prova att ändra startvärdet på x en aning och gör om iterationen. Plotta sedan ut skillnaden i värde för de två körningarna. I båda fallen kommer x hoppa runt mellan 0 och 1, men körningarna blir gradvis alltmer olika varandra.
Uppenbarligen förstår du inte vad kaos är och tyvärr har du nu lyckats sprida denna missuppfattning till Pelle L.
Skojar du? Är det här meningen att klargöra?
Till Pelle L: Ta det ovanstående med en nypa salt. Men jag rekommenderar också sajten som Thomas rekommenderar. T.ex. bifurkationer och förhållandet mellan intervallen till nästa bifurkation är mycket intressant. Här föds en ny irrationell konstant, Feigenbaum konstanten. Och inte bara det; när hjärtflimmer börjar följer det samma mönster som bifurkationerna. Men detta är överkurs.
Thomas: Du avslutar med att berätta om hur verkliga klimatmodeller initieras. Varför förstår jag inte och jag vill inte heller veta. Det riktigt sista har heller ingenting med saken att göra. (Men kolla dina uträkningar.)
Jag tyckte initialt det var trevligt att få dig med i en diskussion/debatt/polemik. Men du valde ingen av de tre utan du valde att racka ner. Det är inte konstruktivt och därför meddelar jag dig att jag undanber mig dina kommentarer och ber dig att glömma de frågor jag ställt dig ovan.
Hejsvejs i lingonskogen, Johan
Johan E #55 du verkar ha lite svårt att ta till dig kritik.
[…] Parametrarnas siffervärden kan inte testas på ett stringent sätt, utan det är tvärtom så att modellen körs ett stort antal gånger och sedan beräknas medelvärdet av resultaten. Detta rapporteras som ett ‘scenario’, vilket […]
Thomas #54 och Johan E #55
Det här med kaosteori verkar intressant. Och laddat!
Bästa kaotiska exemplet ”ur verkligheten” tycker jag verkar vara klimatvetenskapen. Fast mera bakfram då:
Vilken utveckling värme, vindar, moln och strömmar än tar så nog kommer det att sluta med en katastrof för klimatet, som alltid blir värre ”än vi tidigare trott”.
AGW ger varmare vintrar, kallare vintrar, blötare somrar, torrare somrar, ökenutbredning, minskad artrikedom, nya arter etc i all oändlighet.
Vad är idealet som motsats?
Jo, naturligtvis en statisk värld. En sådan som beskrivs i diverse utopier, som tex den om Shangri-La (Lost Horizon).
Som liksom alla andra utopier, så småningom visar sig utvecklas till en skräckkammare.
En sista utvikning à propos Shangri-La:
Den påhittade accelererande (värre än vi trodde!) glaciäravsmältningen i Himalaya skulle väl leda till en tork-katastrof för ½-1 miljard människor på den Indiska subkontinenten. Varför? Det regnar ju även om det inte bildas glaciärer. Det är väl knappast så att glaciärerna i sig genererar vatten?
I Sverige har vi få glaciärer, men lider vi av torka för det?
Johan E & Pelle L: Tack er båda för intressanta inlägg – kul med nötter… 😉
Via WUWT tog Tallbloke upp en kommentar av D. Brown med intressant och, såvitt jag bedömer, korrekt resonemang, inkl. ’räknerier’. Länk:
http://tallbloke.wordpress.com/2012/01/02/robert-brown-what-we-dont-know-about-energy-flow/
Rubriken förtäljer en hel del – mkt läsvärd! Förhoppningsvis till nytta & glädje – enjoy! 😀
Mvh/TJ
Pelle L; # 58 : Det vore spännande att få se scenarierna efter att man lagt in lite fakta i klimatmodellerna t.ex att det inte finns några ”växthusgaser”. Jag tror att man skulle få större överensstämmelse med observationerna då.
Mvh, Håkan.
Pelle L #58
Nu var min kaos nöt inte något vidare ändå. Det är svårt att erkänna, men jag gör det. Och alltid gläder det ju någon., t.ex. Thomas.
I min iver att på ett enkelt sätt visa fjärilseffekten, d.v.s. att icke linjära iterativa modeller är känsliga för ingångsvärden, negligerade jag kaosmomentet.
För att kaoseffekter skall uppstå är fjärilseffekten ett nödvändigt, men icke ett tillräckligt villkor. I min hypotetiska modell, som inte har någonting med klimatet att göra, identifierar jag fjärilens puppa, och visar att hemska saker börjar hända när puppan blir en fjäril.
Men den börjar inte kaotiskt hoppa mellan olika värden eller i övrigt söka sig till attraktorer. Den går raka vägen mot oändligheten, utan att passera kaos.
Fjärilseffekten med påföljande kaos, är ett av många argument mot dagens klimatmodeller. Det finns puppor i dagens modeller som är svåra eller omöjliga att märka.
Jordens dragningskraft g är inte en konstantkonstant. Om den oförändrade delen anges med 7(?) signifikativa siffror skall man inte ange andra storheter med större.
Men 7 signifikativa siffror innebär att en klimatmodell tappar all sin realism efter relativt få itereringar.
Pelle L: Fjärilseffekten har du fått uppleva, men inte kaoseffekten. Hoppas att min nöt inte inspirerat dig till: ”Vilken utveckling värme, vindar, moln och strömmar än tar så nog kommer det att sluta med en katastrof för klimatet, som alltid blir värre ”än vi tidigare trott”.
Visserligen tror jag att jorden kommer att vara obeboelig om 20 miljarder år. Men innan dess hinner det bli nya istider och följande står kanske redan inför dörren?
På dagens klimatmodeller tror jag däremot inte. (Se motiveringar i mina tidigare kommentarer.)
[…] Welander har i ett par utmärkta artiklar förra och denna veckan här på TCS diskuterat svagheterna med klimatmodellerna, speciellt orimligheten […]