Global sensitivitetsanalys — Sobol, Morris och FAST
Global sensitivitetsanalys (GSA) är en samling tekniker som dekomponerar variansen i en modells utdata över dess indataparametrar, och kvantifierar hur mycket varje indata – och varje kombination av indata – bidrar till den totala osäkerheten i resultatet. Sobols variansbaserade index (2001), Morris' one-at-a-time (OAT) screening (1991) och Fourier Amplitude Sensitivity Test (FAST, först föreslagen av Cukier et al. 1973) är de tre mest använda metoderna. Tillsammans utgör de standardverktygen för att identifiera vilka parametrar som driver modellbeteendet och vilka som säkert kan fixeras.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/sv/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.
- ExperimentdesignFörsöksplanering↔ compare
- Latin Hypercube SamplingSimulering↔ compare
- MontecarlosimuleringBeslutsfattande↔ compare
- Kvantifiering av osäkerhetSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →