Global følsomhedsanalyse — Sobol, Morris og FAST
Global følsomhedsanalyse (GSA) er en familie af teknikker, der dekomponerer variansen af en models output på tværs af dens inputparametre og kvantificerer, hvor meget hvert input — og hver kombination af input — bidrager til den samlede usikkerhed i resultatet. Sobols variansbaserede indekser (2001), Morris' one-at-a-time (OAT) screening (1991) og Fourier Amplitude Sensitivity Test (FAST, først foreslået af Cukier et al. i 1973) er de tre mest udbredte tilgange. Sammen fungerer de som standardværktøjssættet til at identificere, hvilke parametre der driver modeladfærden, og hvilke der sikkert kan fastsættes.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Sobol, I.M. (2001). Global Sensitivity Indices for Nonlinear Mathematical Models and Their Monte Carlo Estimates. Mathematics and Computers in Simulation, 55(1–3), 271–280. DOI: 10.1016/S0378-4754(00)00270-6 ↗
- Saltelli, A. et al. (2008). Global Sensitivity Analysis: The Primer. Wiley. DOI: 10.1002/9780470725184 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/da/simulation/global-sensitivity-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Design of ExperimentsForsøgsdesign↔ compare
- Latin Hypercube SamplingSimulering↔ compare
- Monte Carlo-simuleringBeslutningstagning↔ compare
- Kvantificering af UsikkerhedSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →