博文
吐槽一下为啥突然又写博客了&模型之于我也
|
吐槽无缘毕业还是那么久之前的事情，而现在毕业依然不是很远。
原来这就叫时间。
而没有记录的时间，就是被被抹掉了带子，在试图放映满屏闪烁的屏幕时候，要么选择快进，要么会怀疑是不是刚刚在看电视的时候一不小心睡着了。不必惊慌，不必诧异，反正就是这样突然跳转到进行时态的。
https://blog.sciencenet.cn/blog-1245877-765467.html
上一篇：我所认知的遥感测量
下一篇：有限范围内的分形
为什么又突然想起来记录了呢？这应该不是突发奇想PHD的生活是枯燥和单调的，但是人的脑子不是。有思考就注定了又不同的可能性，即使结果是一样的。
要死的终归要死，要活的却还是活下来——《火凤燎原》里颇拉风的一句。
每当不确定性靠拢的时候，我的脑子里总能进行这样快速的搜索与思考。这样的理性的分析总能迅速的帮我扩大搜索半径，并给出一个可行性与成功性的结果。但其实，这样的分析往往又不可靠。因为在分析之前，我已然作出了一个倾向性的预判。我们不能假设每次的行动都是马尔科夫链上的一环。因为累积的经验构成了自身。诚然，更具bayes的分析，在统计概率中，先验概率也是非常重要的判断。但是毫无疑问，他会非常直接的影响最后的结果。 而改变他的就是冲动。 这样一种冲动为何产生？ 是在自身经验积累过程中产生的么？如果自身经验积累是一个最优化累积的结果，那又为何会产生对其自身的疑惑呢？一种可能的解释是，作出判断的时候，人还是带有不确定的因素，而这种不确定因素在自身优化模型（或者分析）的在未来的投影中会产生比现在设计的未来有更强的满足感。 这里涉及几个定义：1，不确定因素；2，自身优化模型；3，满足感。 不确定因素，可以是人自身情绪或者选择上的不稳定。很多人在选择的时候，会选择“随便”。虽然有很多“伪随便”，但是很多时候，这种随机性确实存在，尤其表现于对待未知（或者不了解）事物的时候。比如，上大学之前一无所知的选专业的时候。那个时候，哪个热门就选哪个，并无了解。才会造成了很多人会说“早知道，应该选XXX”。 自身优化，是不断把自己引入自己期望的过程的表现。最常见的表现是，新年计划。 满足感，比较难以定义。因为，很难知道人在什么时候，什么地方，因为某个方面而得到满足。它应该是一个多元的复杂的感受。因而，只能选择一个全局最优的过程。而这偏偏又是和自身发展的模式本身是耦合的，所以就更加复杂。比方说，小时候唱歌唱的比较好，老师就会不断把你往唱歌的长处上引。自身因此也不断投入进行练习，而变的更好。 这里以气候模型作为类比。任何气候模型都需要1）线性（非线性）模型描述物理现象；2）初始条件。模型对于未来尤其是长期间的未来的预测，是非稳定性的。其最著名的体现即“蝴蝶效应”。那么对于此解决方法1）优化模型本身，即不断寻找更优化的模型。比如加入更多的描述性参数。当然这会引来非线性系统优化中另外的问题。 2）优化初始输入数据的准确性。这是目前以来，学术界一直在做的事情。包括IPCC引入uncertainty和confidence level的做法。知道不确定性的存在，也是一种确定。 3）数据同化（data assimilation）：其意义在于利用对于现象在时间I=0,1,2，。。。的观测A（0），A（1）,..A(N)对模型进行重新校准。虽然不能一次性在长时间上给出最准确的预测，但是模型在短时间内都是相对准确的。因此，在每个时间段上的重新校准有助于短期的预测。这为找到未来的预测提供了经验，比如为何从A（0）到A（1）的预测会与事实a（1）发生偏差。或者选择哪一个时间尺度预测，精确度最高（在i=1的时候校准，或者i=5的时候才校准）。但是这里依然回到了方法1）和方法2），而不是对于长久的未来的准确预测。同时，另一个问题是，在每一个点的校准打断了事件本身的连续性。如果把事件发生的过程看成是一个连续函数的话，这样的描述过程就不再是连续的。或者，真的只能以波动方程的形式描述，引入随机数？ 而这个随机数，是不是就是冲动呢？人情绪上莫名其妙的冲动？这样一种冲动，是为何产生的呢？是人本身固有的，还是人成长（即发展模式中）才有的？
总之，冲动的结果就是又开始写博客了。
借曹丕的话，“夫文章者，经国之大业，不朽之盛事”。
https://blog.sciencenet.cn/blog-1245877-765467.html
上一篇：我所认知的遥感测量
下一篇：有限范围内的分形
扫一扫，分享此博文