【MATLAB第105期】基于MATLAB的Monte Carlo蒙特卡洛抽样的全局敏感性分析方法研究,与sobol抽样对比(无目标函数–代理模型rf、svm、rbf、bp)
全局敏感性分析方法参照64期sobol抽样分析方法,均基于方差法实现。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
rng(30)
%% 导入数据
res = xlsread('数据集.xlsx');
%% 划分训练集和测试集
%temp = randperm(103);
temp = randperm(size(res,1));
trainnum=80;%训练数量
P_train = res(temp(1: trainnum), 1: end-1)';
T_train = res(temp(1: trainnum), end)';
M = size(P_train, 2);
P_test = res(temp(trainnum+1: end), 1: end-1)';
T_test = res(temp(trainnum+1: end), end)';
N = size(P_test, 2);
%% 数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);
[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);
一、BP神经网络
1、训练模型
2、MC敏感性分析
3、sobol敏感性分析
二、rbf神经网络
1、训练模型
2、MC敏感性分析
3、sobol敏感性分析
三、随机森林rf
1、训练模型
2、MC敏感性分析
3、sobol敏感性分析
四、libsvm模型
1、训练模型
2、MC敏感性分析
3、sobol敏感性分析
五、代码获取
1.阅读首页置顶文章
2.关注CSDN
3.根据自动回复消息,回复“105期”以及相应指令,即可获取对应下载方式。