【Dakota】04 官方案例

案例地址：E:\software\Dakota\share\dakota\examples\official

不确定性量化

地址：E:\software\Dakota\share\dakota\examples\official\uncertainty_quantification\mlmf
不确定性量化采样方法包括MC，以及改进算法CV、MLMC和MLMF。

MC

Monte Carlo（MC）
运行方式：
CMD或powershell：dakota -i dakota_MC.in -o dakota_MC.out
输出结果中重要的两个文件：

• dakota_MC_HF.dat 记录了输入的参数组及输出结果
• dakota_MC.out 记录的分析结果。接近输出的末尾有（均值、标准差、偏度和峰度），并且还提供了默认95%置信区间的均值和标准差。

<<<<< Function evaluation summary: 1000 total (1000 new, 0 duplicate)
-----------------------------------------------------------------------------
Statistics based on 1000 samples:

Sample moment statistics for each response function:
                            Mean           Std Dev          Skewness          Kurtosis
 response_fn_1  4.0550855939e+01  1.0778033484e+02  2.4185521044e+00  8.4391131873e+00

95% confidence intervals for each response function:
                    LowerCI_Mean      UpperCI_Mean    LowerCI_StdDev    UpperCI_StdDev
 response_fn_1  3.3862581142e+01  4.7239130736e+01  1.0325489177e+02  1.1272371842e+02

均值是4.0550855939e+01即40.551，方差除以样本开根号是$107.78033484/\sqrt{1000}=3.4083$，1000是指采样数，107.78033484是指Std Dev方差。
因此95%置信区间可以根据$\pm 1.96\mathbb{V}a{r}^{1/2}\left[{\hat{Q}}^{MC}\right]$算得。[40.551-1.963.4083, 40.551+1.963.4083] = [33.871,47.231]与给出的置信区间是接近的。同理，99.7%的置信区间可以这样计算，[40.551-33.4083, 40.551+33.4083] = [30.326, 50.776]。
至于方差前的系数可以查表得到。
置信区间公式
$$\overline{X}\pm Z\frac{s}{\sqrt{n}}$$

CV

控制变量蒙特卡罗（Control Variate Monte Carlo）比原始蒙特卡罗方法精度更高、花费更低。
运行方式：
CMD或powershell：dakota -i dakota_CV.in -o dakota_CV.out

MLMC

Multilevel Monte Carlo (MLMC) 比原始蒙特卡罗方法精度更高、花费更低。
运行方式：
CMD或powershell：dakota -i dakota_MLMC.in -o dakota_MLMC.out

MLMF

Multilevel-Multifidelity Monte Carlo (MLMF) 比原始蒙特卡罗方法精度更高、花费更低。
运行方式：
CMD或powershell：dakota -i dakota_MLMF.in -o dakota_MLMF.out

全局敏感性

MOAT

使用Morris One-At-A-Time (MOAT)进行全局敏感性分析。
运行方式：
CMD或powershell：dakota -i dakota_moat.in -o moat.out > moat.stdout

说明 考虑到学习效果，后续分析暂不写，改为利用Dakota分析新安江模型