量化临界转变早期预警检测的局限性

通过先进检测可以避免复杂自然系统中的灾难性状态突变。最近的工作提供了原理性证明，即许多接近灾难性转变的系统可以通过早期预警指标（如方差上升或回归时间增加）的视角来识别。尽管人们广泛认识到此类预测所涉及的困难和不确定性，但 proposed 方法几乎从未刻画其预期错误率。在没有重复实验、对照组或事后认知的情况下，这些方法的应用必须量化不同指标在避免误报方面的可靠性以及它们在捕捉细微预警信号方面的敏感性。我们提出了一种基于模型的方法来量化这种可靠性与敏感性之间的权衡，并允许在不同指标之间进行比较。我们表明，即使在有利假设下，常见指标的错误率也可能相当严重，并说明了基于模型的指标如何改善这种性能。我们展示了早期预警指标的性能在不同数据集中的变化，并建议不确定性量化应成为早期预警预测中更核心的部分。