• Follow Us

Modele de formulaire d`evaluation

Les modélisateurs tendent à considérer leurs modèles conceptuels comme immuables. L`évaluation d`un modèle réglementaire devrait se poursuivre tout au long de la vie d`un modèle. En particulier, l`évaluation des modèles ne devrait pas cesser avec les activités d`évaluation qui surviennent souvent avant la publication publique d`un modèle, mais devrait se poursuivre tout au long des demandes réglementaires et des révisions du modèle. Pour tous les modèles utilisés dans le processus de réglementation, l`Agence devrait commencer par élaborer un plan d`évaluation du cycle de vie correspondant à l`application réglementaire du modèle (par exemple, la complexité scientifique, le potentiel de création de précédents de la approche ou application de modélisation, la mesure dans laquelle les évaluations antérieures sont encore applicables et les impacts projetés de la décision réglementaire connexe). Certains plans peuvent être brefs, alors que d`autres plans seraient étendus. Au minimum, chaque plan doit tester le Framework Model: le Framework de modèle complet est testé comme le niveau ultime de test d`intégration pour vérifier que toutes les exigences spécifiques au projet ont été implémentées comme prévu. Évaluation des performances du modèle. Il est difficile d`imaginer qu`un modèle est acceptable pour une application réglementaire sans un certain niveau d`évaluation du rendement montrant que le modèle correspond aux observations sur le terrain ou au moins que ses résultats correspondent aux résultats d`un autre modèle bien établi. L`acceptabilité sera, dans une certaine mesure, proportionnelle au niveau d`évaluation des performances. Idéalement, mais rarement, un modèle sera corroboré à l`aide d`un ou plusieurs ensembles indépendants de données de champ appariés de la même manière au domaine d`exploitation du modèle. Les comparaisons modèle-à-modèle sont des compléments utiles à la corroboration et, dans certains cas, peuvent suffire à établir l`acceptabilité en l`absence de données de terrain pertinentes pour la comparaison des modèles. Les résultats du modèle ne sont pas sensibles aux facteurs qui ne devraient pas les affecter il existe un certain chevauchement entre le premier et le deuxième types de données, selon l`application de modèle, mais en général, ces besoins en données peuvent être considérés comme distincts. Un problème majeur est que la collecte de nouvelles données à ce stade précoce est rarement envisagée.

Le développement et l`évaluation des modèles et la collecte de données devraient être itératifs et procéder ensemble, mais dans la pratique, ces activités dans des organismes tels que l`EPA sont souvent faites par des groupes distincts qui peuvent ne pas se rencontrer jusque tard dans le processus. La question cruciale est que, à ce stade du cycle de vie d`un modèle, il devrait y avoir une exigence pour une évaluation des besoins en données et un plan de collecte de données correspondant. Les modélisateurs devraient construire des collaborations en cours avec les expérimentalistes et les responsables de la collecte de données supplémentaires pour déterminer comment ces nouvelles données peuvent guider le développement de modèles et comment les modèles résultants peuvent guider la collecte de données supplémentaires. Les analyses de sensibilité et d`incertitude sont des procédures fréquemment exécutées lors du développement et de l`application des modèles. Comme appliqué aux modèles de calcul, l`analyse de sensibilité est généralement considérée comme la quantification des changements dans les résultats du modèle en raison des changements dans les paramètres de modèle individuels. Le concept d`analyse de sensibilité a une valeur dans la phase de développement du modèle pour établir des objectifs modèles et examiner les avantages et les limitations des algorithmes alternatifs. Par exemple, la définition de l`analyse de sensibilité élaborée par le Conseil sur les modèles environnementaux réglementaires (CREM) de l`EPA comprend l`examen de la formulation du modèle (EPA 2003d). L`objectif d`une analyse de sensibilité est de juger les paramètres d`entrée, les algorithmes de modèle ou les hypothèses de modèle en termes de leurs effets sur la sortie du modèle. Les analyses de sensibilité peuvent être locales ou globales. Une analyse de sensibilité locale est utilisée pour examiner les effets de petits changements dans les valeurs de paramètre à un certain point défini dans la plage de ces valeurs.