Sensitivity Analysis

Sobol' Sensitivity Analysis

该分析包括以下几个步骤：

1. 确定模型输入(参数)及其样本范围。

2. 运行sample函数来生成模型输入。

3. 使用生成的输入评估模型，保存模型输出。

4. 在输出上运行analyze函数来计算灵敏度指数。

#***********************************************************

#1.使用Saltelli对Sobol序列的扩展生成模型输入。

SALib.sample.saltelli.sample(problem: Dict, N: int, calc_second_order: bool = True, skip_values: Optional[int] = None)

#2. 对模型输出执行Sobol分析。

使用 Saltelli 的采样方案返回包含模型输入的 NumPy 矩阵。 Saltelli 的方案扩展了 Sobol' 序列，以降低所得灵敏度指数计算中的错误率。 如果 calc_second_order 为 False，则生成的矩阵有 N * (D + 2) 行，其中 D 是参数的数量。 如果 calc_second_order 为 True，则生成的矩阵有 N * (2D + 2) 行。 这些模型输入旨在与 SALib.analyze.sobol.analyze() 一起使用。

Sobol' 序列的初始点有一些重复（参见 Campolongo中的表 2），可以通过设置 skip_values 参数来避免。 据报道，跳跃值提高了样品的均匀性。 然而，已经表明，天真地跳过值可能会降低准确性，增加实现收敛所需的样本数量（参见 Owen [2]）。

这里采用的建议是 skip_values 和 N 都是 2 的幂，其中 N 是所需的样本数。 其中还建议 skip_values >= N。

该方法现在默认将 skip_values 设置为 >= N 的 2 次幂。如果提供了 skip_values，则该方法现在会在样本量根据上述建议可能不是最佳的情况下引发 UserWarning。

SALib.analyze.sobol.analyze(problem, Y, calc_second_order=True, num_resamples=100, conf_level=0.95, print_to_console=False, parallel=False, n_processors=None, keep_resamples=False, seed=None)

返回带有键“S1”(the first-order sensitivity indices)、“S1_conf”、“ST”（the total-order sensitivity indices）和“ST_conf”的字典，其中每个条目都是大小为 D（参数数量）的列表，其中包含与参数文件顺序相同的索引。 如果 calc_second_order 为 True，则字典还包含键“S2”和“S2_conf”。_conf 键存储相应的置信区间，通常置信度为 95% (conf_level=0.95)。

Campolongo, F., Saltelli, A., & Cariboni, J. (2011). From screening to quantitative sensitivity analysis. A unified approach. Computer Physics Communications, 182, 978-988