敏感度分析的基础概念
文本主要参考了维基百科(对其中的关键部分进行了摘选了翻译):https://en.wikipedia.org/wiki/Sensitivity_analysisen.wikipedia.org
敏感度分析是指对一个模型输出中的不确定性进行研究,并进一步判断不确定性的来源,也就是研究哪个输入参数的改变造成的输出变化的程度大小. 所以灵敏度分析是进行数学建模过程中一个必不可少的常规步骤.
选择敏感度分析方法的时候需要考虑的要素:每运行一次模型的计算代价
输入参数之间的相关性
模型的响应是否非线性
输入因素之间的相互作用
已有数据的输入范围
常见的敏感度分析方法(跳过了傅里叶分析相关的方法,只有最后两个方法是全局分析):One at a time(OAT) 方法每次变动一个输入并检查对于输出的影响。
这种方法很简单,但由于它没有考虑输入变量的同时变化,因此并未充分探索输入空间。也无法检测输入变量之间是否存在交互。
Screening方法窗口法是一种基于采样的方法。目的是要确定哪些输入变量对高维模型中的输出不确定性有重大影响,而不是准确地量化灵敏度。
它具有相对较低的计算成本,并且可以在对其余集合应用更具信息性的分析之前,用于初步分析中以清除无影响的变量。
最常用的筛选方法之一是基本效应方法(moris方法)
散点图法
基于偏导数的局部分析法检查输出对于各个输入的偏导数
也无法充分探索输入空间
Adjoint modelling and Automated Differentiation 都属于这类方法
回归分析在敏感性分析的背景下,回归分析包括将线性回归拟合到模型响应,并使用标准化回归系数作为敏感性的直接度量。