书本网

二十分钟过去，她只在纸上列了几个最普通的问题：什么算“大范围变化”？预警需要提前多久才有用？假警报能接受多少？过去几次事件前，有没有共同的变化？

这些问题都对。

也都不够。

半小时以后，江遥开始看数据。

首先看平均值。

过去几年里共有四次明显的大范围异常。四次之前，全池平均浓度确实都有上升，但上升时间很晚，有两次几乎到事件开始前一两天才明显。这说明继续优化平均值预测，即使做得再精，也很可能只是在更准确地告诉管理者“事情已经发生了”。

她把这一条写下来。

然后看局部。

真正有意思的东西慢慢出现。

在四次大变化前，平均值虽然还不高，不同位置之间的差异却开始变大。有的地方仍旧正常，有的地方已经冒出几个高点。换句话说，如果只看全池平均，这些高点会被大量正常区域稀释掉；如果看每个位置，又会觉得它们只是噪声，因为异常出现在哪里并不固定。

江遥盯着其中一次事件前十天的数据看了很久。

她突然想到一个很普通的画面。

一个班级平均分仍然是八十分，过去所有人都在七十五到八十五之间；后来平均分还是八十，却变成一部分九十五、一部分六十五。只看平均数，好像什么都没变，班级内部其实已经完全不同。

这个类比没有出现在答卷上。

但它帮她把问题往前推了一步。

也许真正应该监测的，不是“全池水平有没有升高”，而是“内部是不是开始变得不均匀”。

她在纸上写下：

**平均还没动，内部先散开？**

写完以后，她没有继续。

前几次教训已经形成条件反射：这个解释太顺了，先找怎么错。

如果外部条件本来就不均匀，比如某些区域光照更强、营养输入更高，那么局部差异变大，并不意味着系统接近整体变化；也可能只是天气、采样位置或者测量误差造成。尤其数据里每天采样的位置还会变化，“今天差异大”有可能只是刚好测了两个极端位置。

这让她原本刚形成的想法一下变得不够用了。

她没有失望。

反而觉得题终于开始真正有意思。

接下来的一个小时，她没有建立复杂模型，只做了一件很笨的事：把四次事件之前的局部数据，和大量没有发生事件的普通日期放在一起比较。她不再问“异常点多不多”，而是试着看几种更简单的特征——局部差异是否持续增加，相邻区域是不是开始更像彼此，异常是否总是孤立出现，还是会慢慢形成连续的小片。

第一项不够稳定。

第二项有一点信号，却受采样位置影响很大。

第三项反而让她停住。

平常日子里，高值点偶尔也会出现，但像散落的斑点，今天这里，明天那里，没有连续性。真正的大变化前，那些高值点开始变得“有邻居”：一个高值附近更容易再出现另一个高值，小片区域慢慢连起来。平均数仍可能正常，可空间上的组织方式已经变了。

江遥在电脑上画出几张最粗糙的分布图。

没有精美配色。

只有灰点和黑点。

可四次事件前，图上的变化肉眼都能看出来。

这时已经过去两个半小时。

她终于感到一种熟悉的兴奋开始往上冒。

不是“我找到答案了”。

而是“这可能值得继续”。

她没有立刻给这种现象起名字，也没有从记忆里搜某个正式理论。只把问题重新写了一遍：

**真正需要预警的，也许不是浓度升高，而是局部异常开始彼此连接。**