Глобальный анализ чувствительности — Сёбол, Моррис и FAST
Глобальный анализ чувствительности (GSA) — это семейство методов, которые разлагают дисперсию выходных данных модели по входным параметрам, количественно определяя, какой вклад вносит каждый входной параметр — и каждая комбинация входных параметров — в общую неопределенность результата. Индексы дисперсии Сёбола (2001), метод одномерных изменений (OAT) Морриса (1991) и тест амплитуды Фурье (FAST, впервые предложенный Cukier et al. в 1973 г.) являются тремя наиболее широко используемыми подходами. Вместе они служат стандартным набором инструментов для определения того, какие параметры определяют поведение модели, а какие можно безопасно зафиксировать.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/ru/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.
- Планирование экспериментаПланирование эксперимента↔ compare
- Латинское гиперкубическое проектированиеИмитационное моделирование↔ compare
- Метод Монте-КарлоПринятие решений↔ compare
- Количественная оценка неопределенностиИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →