Global sensitivitetsanalyse — Sobol, Morris og FAST
Global sensitivitetsanalyse (GSA) er en familie av teknikker som dekomponerer variansen til en modells utdata på tvers av dens inndataparametere, og kvantifiserer hvor mye hver inndata — og hver kombinasjon av inndata — bidrar til den totale usikkerheten i resultatet. Sobols variansbaserte indekser (2001), Morris' one-at-a-time (OAT) screening (1991), og Fourier Amplitude Sensitivity Test (FAST, først foreslått av Cukier et al. i 1973) er de tre mest brukte tilnærmingene. Sammen tjener de som standardverktøykassen for å identifisere hvilke parametere som driver modellatferd og hvilke som trygt kan fikses.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/no/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 av eksperimenter (DOE)Forsøksdesign↔ compare
- Latin Hypercube SamplingSimulering↔ compare
- Monte Carlo-simuleringBeslutningstaking↔ compare
- Kvantifisering av usikkerhetSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →