Эффективный метод выявления ключевых неопределенностей доказал свою жизнеспособность в региональном комплексном анализе

Ученые Тихоокеанской северо-западной национальной лаборатории провели прямое оценивание процесса характеристики неопределенностей в рамках платформы PRIMA. Они исследовали политику в области энергоэффективности зданий, используя субрегиональную версию модели оценки глобальных изменений GCAM-USA, и применили метод дробного факторного анализа. Целью было создание ориентированного на принятие решений анализа чувствительности, который выявляет факторы, наиболее влияющие на выбор заинтересованных сторон.

Использованный метод представляет собой промежуточный вариант между упрощенными оценками и полным анализом Монте-Карло. Он позволил определить, что для моделирования конкретного исхода в GCAM требуется небольшое число факторов, что значительно снижает вычислительную нагрузку. Анализ выявил устойчивые паттерны чувствительности, помогающие в принятии решений по смягчению последствий и адаптации, и сократил количество необходимых прогонов модели для сравнения ключевых параметров.

Метод применяет специально отобранное подмножество решений, переменных и неопределенностей к комплексной модели GCAM-USA. В данном случае изучалась субнациональная политика в области энергоэффективности зданий. Были рассмотрены три сценария: отсутствие изменений (фиксация на уровне 2005 года), улучшение эффективности на 50% к 2050 году и агрессивное улучшение на 80% к 2050 году. Также были созданы сценарии для ключевых неопределенностей: населения, благосостояния, углеродной политики и изменения климата.

Полный факторный анализ всех комбинаций потребовал бы 162 прогона GCAM. Стратегия дробного факторного анализа сократила это число до 54. Сравнение результатов показало, что статистически значимые переменные остались теми же. Всего 7 комбинаций из 54 объяснили более 98% изменчивости в потреблении энергии, выбросах CO₂ и затратах. Это позволяет лицам, принимающим решения, сосредоточиться на разрешении действительно важных неопределенностей. Успех метода открывает путь для его применения в поддержке региональных энергетических и климатических решений в условиях неопределенности.