Advertisement

基于方差方法的动力系统全局灵敏度与不确定性分析(GSUA)...

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本文提出了一种基于方差的方法来执行动力系统的全局灵敏度和不确定性分析(GSUA),以评估模型参数对系统输出的影响,并识别关键不确定源。 动态系统(Simulink 模型)的全局灵敏度分析 (GSA) 使用基于方差的方法(包括 brute-force、Sobol、Jansen 和 Saltelli 方法),以及蒙特卡罗方法与均匀分布及拉丁超立方体采样相结合的技术进行参数选择。该工具箱生成了多种图形,具体如下: 1. 所有参数集的时间响应图(使用蒙特卡罗模拟绘制,并突出标称或实验响应); 2. 参数和输出的散点图; 3. 分数敏感指数图; 4. 归一化总敏感指数图; 5. 饼图及柱状图,展示每个参数在特定时刻下的敏感度指数。 这是一个正在开发中的工具箱(包括英文翻译版本)。欢迎发送评论与建议。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • GSUA)...
    优质
    本文提出了一种基于方差的方法来执行动力系统的全局灵敏度和不确定性分析(GSUA),以评估模型参数对系统输出的影响,并识别关键不确定源。 动态系统(Simulink 模型)的全局灵敏度分析 (GSA) 使用基于方差的方法(包括 brute-force、Sobol、Jansen 和 Saltelli 方法),以及蒙特卡罗方法与均匀分布及拉丁超立方体采样相结合的技术进行参数选择。该工具箱生成了多种图形,具体如下: 1. 所有参数集的时间响应图(使用蒙特卡罗模拟绘制,并突出标称或实验响应); 2. 参数和输出的散点图; 3. 分数敏感指数图; 4. 归一化总敏感指数图; 5. 饼图及柱状图,展示每个参数在特定时刻下的敏感度指数。 这是一个正在开发中的工具箱(包括英文翻译版本)。欢迎发送评论与建议。
  • MATLABMorris
    优质
    本研究利用MATLAB实现Morris方法进行全局灵敏度分析,旨在评估模型输入参数对输出结果的影响程度,为模型优化提供依据。 clear all; npoint = 100; % 在分位数超空间中要采样的点数 iter = npoint * (nfac + 1); nfac = 20; % 研究函数的不确定因素数量 [mu, order] = morris_sa1(@(x)test_function(x), nfac, npoint); for t=1:size(mu,2) W(1,t) = mu(1,t)/sum(mu); end figure() bar(W) grid on xlabel(Feature index) ylabel(Feature weight) % 输出: % 1)μ:每个因素,按降序排列。 % 2)order:各因素的指标。考虑修正最后的因素, % 那些“mu”非常接近于零的数。
  • .zip
    优质
    本研究探讨了一种新的基于方差灵敏度分析方法,用于评估和量化模型输入参数变化对输出结果的影响,以提高预测准确性。 在内容中包含三个例子来阐述Sobol采样后基于方差的全局灵敏度分析的过程。如果有不清楚的地方,请参考说明书中的相关指导。
  • Matlab Copula代码-UQSA:量化
    优质
    本项目提供基于MATLAB的Copula工具箱UQSA,专注于执行不确定性量化和灵敏度分析。适用于研究复杂系统中的概率模型。 此存储库中的代码实现了Eriksson和Jauhiainen等人(2018年)在论文“贝叶斯分析结合全局敏感性分析应用于动态细胞内通路模型的不确定性量化、传播和表征”中提出的方法,用于乌克萨不确定性量化(UQ)和灵敏度分析(SA)。代码在GNU通用公共许可证v3.0下分发。 UQ文件夹包含运行不确定性量化方法的R脚本(ABC-MCMCwithcopulas)。需要安装ks、VineCopula、MASS、R.utils和R.matlab包,其中最后一个包用于将输出数据保存为MATLAB兼容格式。主脚本名为runABCMCMC-Phenotype123.R,它使模型适应表型1至3(如论文中所述),作为说明性测试用例。结果数据以R和MATLAB格式上传到文件夹中。 我们使用表型4作为预测数据集来展示SA方法的应用。在SA文件夹内包含运行全局敏感性分析的MATLAB脚本,需要2014a或更新版本的MATLAB环境支持。主脚本名为get_prediction。
  • 在优化应用及计算函数梯
    优质
    本文探讨了全局灵敏度分析在优化问题中的重要性,并详细介绍了利用差分法来高效准确地计算函数梯度的方法。通过这些技术,我们能够更有效地理解参数变化对模型输出的影响,从而改善算法性能和决策过程。 优化方法中的全局灵敏度分析以及差分法计算函数梯度是重要的技术手段。通过这些方法可以有效地评估模型参数对系统输出的影响,并准确地求解复杂系统的最优解或近似最优解,从而提高工程设计、数据分析等领域的效率和准确性。
  • MATLABPAWN实现
    优质
    本研究介绍了在MATLAB环境下实现的PAWN(Partial Wasserstein with a Nested kernel)算法,用于进行全局灵敏度分析。该方法结合了部分瓦瑟斯特距离与嵌套核函数的优势,有效评估输入变量对模型输出的影响程度,为复杂系统建模提供了有力工具。 这是全局灵敏度分析算法PAWN的MATLAB实现。文件 PAWN.m 包含了 PAWN 算法的具体代码。另一个文件 ishigami_homma.m 用于重现论文 [1] 中图 4 的结果。 参考文献: [1] Pianosi, F., Wagener, T., 2015. 基于累积分布函数的简单有效的全局敏感性分析方法。环境模型软件,67: 1-11。doi:10.1016/j.envsoft.2015.01.004
  • SobolMatlab代码
    优质
    本代码实现基于Sobol指标的全局敏感性分析,适用于评估模型输入参数对输出结果的影响程度,帮助用户优化复杂系统建模。采用Matlab编写,易于使用和扩展。 Sobol全局敏感性分析的Matlab代码可以输出一阶敏感度Sol_1及总敏感度Sol_t。对于简单函数来说,可以根据需要构造一个目标函数Sobol_obj;如果要分析的是外部模型,则不需要使用Sobol_obj,在代码中kp表示模型参数值,output、c_out_1和c_out_2则是将kp代入实际模型计算得到的输出结果。 本程序参考文献:Bilal, N. (2014). Implementation of Sobols Method of Global Sensitivity Analysis to a Compressor Simulation Model. International Compressor Engineering Conference. Paper 2385。
  • MCS.rar_mcs最小_sobol_wooden677_可靠评估_指标
    优质
    本资源为MCS.rar,包含针对mcs模型进行最小灵敏度分析的内容,采用Sobol方法计算灵敏度指标,由用户wooden677分享,适用于可靠性评估研究。 可靠性灵敏度SOBOL指标计算通用程序采用蒙特卡洛算法作为参考解法,并包含正态分布和均匀分布的算例。
  • SimBiology中:利用Sobol指数进行多参数(MPGSA)-MATLAB...
    优质
    本文介绍了在SimBiology中使用Sobol指数实施多参数全局灵敏度分析(MPGSA)的方法,旨在评估和量化模型参数对模型输出的影响。通过这种分析,研究人员可以更好地理解复杂生物系统中的关键驱动因素,并优化模型参数以提高预测准确性。 此应用程序支持您对SimBiology模型进行全局敏感性分析(GSA),以研究参数、物种或隔室变化如何影响模型响应。使用该工具可以计算Sobol指数,并执行多参数的全球灵敏度分析,从而深入了解多个因素同时变动时的影响。 安装Global Sensitivity Analysis App非常简单:只需双击.mltbx文件即可完成安装过程。您还可以通过点击MATLAB界面中的附加组件按钮来管理已有的插件和工具包。 要开始使用该应用程序,请在MATLAB命令行中输入以下指令:“startGlobalSensitivityAnalysisApp(model)”,其中model是指定的SimBiology模型对象。如需了解更多关于如何应用剂量与变体的信息,可以尝试运行“help startGlobalSensitivityAnalysisApp”以获取帮助文档。
  • 水利参数GLUE
    优质
    本研究探讨了在水利参数分析中应用GLUE(模型不确定性的概率赋权法)的方法和效果,深入评估其在不确定性量化与管理中的作用。 针对模型参数的等效性,Beven 和 Binley (1992) 提出了普适似然不确定性估计方法(Generalized Likelihood Uncertainty Estimation, GLUE),用于分析水文数学模型预报的不确定性。具体原理可以参考相关文献。 笔者用 C++ 实现了 GLUE 算法,并通过常见的测试函数进行了验证。详细介绍可参阅本人博客中的“算法”系列文章,标题为《GLUE算法C++实现》。 版本:2022.4 版权: MIT 引用格式: 卢家波,GLUE算法C++实现. 南京:河海大学,2022.