Globális érzékenységelemzés — Sobol, Morris és FAST
A globális érzékenységelemzés (GSA) olyan technikák családja, amelyek egy modell kimeneti varianciáját bontják szét a bemeneti paraméterei mentén, kvantifikálva, hogy az egyes bemenetek — és az egyes bemenetek kombinációi — mennyiben járulnak hozzá az eredmény teljes bizonytalanságához. A Sobol-féle varianciaalapú indexek (2001), a Morris-féle egyszere-egymásutáni (OAT) szűrés (1991) és a Fourier-amplitúdó-érzékenységi teszt (FAST, amelyet először Cukier et al. javasoltak 1973-ban) a három legelterjedtebb megközelítés. Együtt a standard eszközkészletet alkotják annak azonosítására, hogy mely paraméterek vezérlik a modell viselkedését, és melyek rögzíthetők biztonságosan.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/hu/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.
- KísérlettervezésKísérlettervezés↔ compare
- Latin Hypercube SamplingSzimuláció↔ compare
- MONTE-CARLO-SIMULATIONDöntéshozatal↔ compare
- Bizonytalanság-kvantifikálásSzimuláció↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →