但目前还未能发展如此完整的评价模式，前面的火球模型只是供评价者根据实际情况进行选择的一些参考模型，其评价结果的不确定性不言而喻。另外，许多评价模式均来源于实验，从实验的小尺度推广到实际评价的大尺度，必然伴随着不确定性，这是无法避免的。同时实验者由于实验条件的不同、实验方法的不同等原因，其实验结果也往往不同，因而建立的模型也存在差异。有必要对这些模型的质量进行评价，但这己超出了本文所能探究的范畴。
　　
　　(2)模式的有效性不足　
　　前面给出的火球基本参数公式中，虽然有着不同的评价模型，但这些模型几乎都假设火球是个球体，而这并不一定符合实际情况:因为有时火球是半球体，常在地面形成，这是燃气在离地面很接近时泄漏的结果;火球还有可能是圆柱体，这和燃气泄漏时的压力与泄漏方式有关。上述情况虽较为罕见，但在墨西哥市LPG大爆炸事故中，都曾出现过。这说明火球的评价模型的有效性不足的问题。
　　
　　(3)模式选择中的不确定性
　　
　　I.模式的选择难以确定
　　
　　前以述及，燃气火灾爆炸的形式有多种，在实际评价中，采用哪种火灾爆炸形式难以确定。例如，在1984年的墨西哥市LPG大爆炸中，开始是蒸气云被引燃所发生的爆炸，后来则是LPG储槽发生$LEVE，产生火球，但也有两座最大的2400衬的储槽没有发生爆炸，而只是被烧毁。从上例可看出，在一次事故中分别发生了不同形式的火灾和爆炸，而且各种火灾爆炸发生的时间有先后。在实际评价中，一般根据实际情况，排除不可能发生的形式，对可能发生的形式逐一评价，最后取其危害最大的情况作为评价结果。
　　
　　II.选择的模式不适当
　　
　　燃气火灾爆炸模式的种类虽然不少，而且实际发生事故时也比较复杂，但在模式的选择上还是有一些原则可以遵循，以避免出现模式选择错误的问题:燃气火灾爆炸的类型在某种程度上取决于引燃时间的长短。一般来说，对于数秒内发生的早期引燃，由于蒸气云还未完全成型，仅有闪火或是小型UVCE;对于15分钟后发生的晚期引燃，则容易引发后果严重的UVCE。而引燃时问的长短取决于泄漏源附近何处有火源，至于事故后果的严重程度则还与泄漏源的强度、泄漏时间的长短、天气情况因素(主要是风向、风速、大气稳定度)等有关。
　　
　　(4)模式中有关因素的不确定性
　　
　　由于天气情况因素几乎无时无刻不在变化中，即在任一时刻，风向、风速都不一样，一段时间后大气稳定度也会变化。一些常数的取值也存在着不确定性，如爆炸效率n的取值范围是0.01-0.1，这之间的差距达到一个数量级，具体的取值主要根据实际情况凭经验进行。
　　
　　3.损伤模式的不确定性
　　
　　在损伤模式方面，则更存在着极大的不确定性。一般而言，直接、间接伤亡模式都以50%的伤亡和受损几率作为评估的依据。损伤模式的不确定性，主要有:
　　
　　①效应模式中一些关于火灾爆炸对人产生的伤害效应数据来自于动物实验数据，由于人与动物的种属差异，两者在许多方面(例如体重、体表面积、遗传素质、所诱发的有害效应类型、个体敏感性、群体均一性等等)可能有着相当大的不同，因此，由动物实验数据所得出的效应应用于人的伤害效应，必然产生不同程度的不确定性。有可能的话，应对动物实验数据向人类外推所带来的不确定性做出定量的估算。
　　
　　②工厂附近的人口变化对后果严重程度影响很大:应考虑白天与晚上人口的变化、其它人口集中单位(如医院、学校等)的人口变化以及流动人口的多少等。
　　
　　③其它与避难逃生有关的因素:事故应急预案的有效性，如有关责任人和群众的反应是否正确，急救医疗措施是否有力等;逃生避难者的生理状况:居民房屋窗户的透气程度等。④对居民区风险进行估计，由死亡人数估计受伤人数时不确定性极大，死亡人数与受伤人数之比:Canvey(1981)报告为1/2,WASH1400(1976)为1/30，印度Bhopal事故中数据为1/8，黄清贤在对台湾永安液化气站进行风险评价时取1/10。可见，死伤的比值应针对实际情况并有待于进一步研究;⑤是否遗漏了一些能降低事故危害的因素:如建筑物的防火等级高、防爆、消防及防冲击波设施完善等。
　　
　　(五)不确定性问题的研究方法
　　
　　从以上对燃气事故的论述中可以看出，无论是在泄漏点、泄漏量还是在泄漏扩散模式、火灾爆炸损伤模式上，都存在着极大的不确定性。在实际风险评价中，对非数据和数据信息都要进行处理。非数据信息的处理，目前一般是通过专家根据经验来解决，下面简要介绍一下数据信息的常用处理办法:
　　
　　第一种是统计检验法，其中包括随机抽样推断法、拉丁超立方取样法(Latinhypercubesample.LHS)，适用于呈统计特征的数据信息的处理。使用这种方法时，为了说明风险评价的可信度，最好能给出以下数值:①风险的上下限;②风险的标准差;③风险的置信区间;④风险的概率密度函数。
　　
　　第二种是模糊集方法，它通过设立隶属函数'UA(x)来表示元素A属于集合x的程度，这就解决了不确定数据的表示问题。例如在利用扩散模式的数学模型计算下风向某点的浓度时，就可以将确定型数据直接代入，不确定型数据则以隶属函数的形式代入，通过模糊数学的运算，就可以得出这一点浓度的模糊分布。