Analisis Sensitiviti Global — Sobol, Morris, dan FAST
Analisis sensitiviti global (GSA) ialah satu keluarga teknik yang menguraikan varians output model merentasi parameter inputnya, mengukur sejauh mana setiap input — dan setiap gabungan input — menyumbang kepada ketidakpastian keseluruhan dalam hasil. Indeks berasaskan varians Sobol (2001), saringan satu demi satu (OAT) Morris (1991), dan Ujian Sensitiviti Angplitude Fourier (FAST, mula dicadangkan oleh Cukier et al. pada 1973) ialah tiga pendekatan yang paling meluas digunakan. Bersama-sama, ia berfungsi sebagai kelengkapan standard untuk mengenal pasti parameter yang memacu kelakuan model dan yang boleh ditetapkan dengan selamat.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/ms/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.
- Reka Bentuk EksperimenReka Bentuk Eksperimen↔ compare
- Pensampelan Hiperkubus LatinSimulasi↔ compare
- Simulasi Monte CarloPembuatan Keputusan↔ compare
- Kuantifikasi KetidakpastianSimulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →