بخش 1: وارونگی فضای داده: تطبیق تاریخ، تجزیه و تحلیل عدم قطعیت و ارزیابی ارزش داده برای مدل های پیچیده

خلاصه: وارونگی فضای داده (DSI) مدتی است که وجود داشته است، اما تا حد زیادی نادیده گرفته شده است، به جز برخی در صنعت نفت. درک آن ساده و پیاده سازی آن آسان است. با این وجود، بسیار قدرتمند است.

فرض کنید که یک مدل پیچیده آب زیرزمینی با مدت زمان طولانی ساخته اید. احتمالاً شما این کار را انجام داده اید زیرا به دنبال یکپارچگی نمایش فرآیندهایی هستید که بر آب های زیرزمینی در منطقه مورد مطالعه خود تأثیر می گذارد. همین ایده‌آل باید شما را وادار کند که به دنبال یکپارچگی نمایش ویژگی‌هایی باشید که بر این فرآیندها تأثیر می‌گذارند. با این حال این ویژگی ها ناهمگن و اغلب بسیار نامشخص هستند. بنابراین آنها باید به صورت تصادفی نمایش داده شوند. نمایش تصادفی خواص هیدرولیک زیرسطحی و سایر ویژگی‌ها از تعیین کمیت عدم قطعیت‌های پیش‌بینی‌های مورد علاقه مدیریت پشتیبانی می‌کند - یک پیش نیاز ضروری برای تصمیم‌گیری آگاهانه است. با این حال، کاهش این عدم قطعیت ها از طریق تطبیق تاریخ، هنگام استفاده از یک مدل پیچیده، با مشکلات عملی شدیدی مواجه است.