分析之间的关系参数和设计要求- MATLAB和Simulink MathWorks澳大利亚金宝app

分析参数和设计要求之间的关系

分析了参数和状态(统称为参数)的仿真软件金宝app^®模型影响的设计要求模型信号,首先生成样本参数。然后定义代价函数通过创建一个设计要求在模型信号,并评估每个样本的成本函数。最后,分析参数变化之间的关系,成本函数的值。您可以执行这个分析在以下方面:

视觉分析

视图的一块成本函数对参数样本识别趋势评价。非正式和此方法提供了视觉直观的各种参数如何影响成本函数。

在灵敏度分析仪评价完成后,生成评价结果散点图的应用。情节显示评估成本函数值作为参数组中的每个参数的函数。最后一列次要情节显示评估成本函数值的概率分布。你可以添加一个最佳的分散次要情节情节,单击右键并选择覆盖线性适合在上下文菜单中。在这个情节,最佳线表示获得参数对需求有很大的影响。

还可以绘制等高线图的计算结果。了解更多关于这些情节,看到的与阴谋的敏感性分析。例如,看到的识别关键参数估计(GUI)。

在命令行上,您可以使用工具,如:

sdo.scatterPlot散点图的参数对成本函数评估样本
冲浪,网,轮廓——三维块样品的两个参数对成本函数的评估

例如,看到的识别关键参数估计(代码)。

统计分析

除了视觉效果的分析参数对成本函数,还可以计算统计量化的关系。

获取汇总统计信息成本函数评估样本和参数之间的关系。可用的分析方法包括:

方法	描述
相关	使用分析模型参数和成本函数的输出是如何相关的。
偏相关	使用分析模型参数和相关成本函数,删除其余的参数的影响。
标准化的回归	使用当你期望模型参数线性影响成本函数。

对于这些方法,您指定要使用什么数据分析通过选择从下面的分析类型:

线性分析,也称为皮尔森分析-使用原始数据进行分析。用线性分析当你期望和成本函数的参数之间的线性关系,当残差的最佳线预计将正态分布。线性分析也推荐当样本的数量,所以剩余点的数量大。

排名分析,也称为斯皮尔曼分析和排名转换——使用的数据进行分析。使用排名分析,当你期待一个非线性参数和成本函数之间的单调关系,当残差的最佳线不是正态分布。排名分析也推荐当样本的数量,所以剩余点的数量很小。

线性分析保留信息数据值之间的间隔,而不是排名分析。假设你有以下数据集:

x₁	x₂	y
9	20.	340年
5	60	106年
2.3	50.4	870.5

在这里x₁和x₂模型参数,y是成本函数。每一行代表一个样本和相关的成本函数的评估。

排名根据每列的数据。例如,当你排名第一列中的数据(x₁9),它包含条目5和2.3,排名数据等于3,2,1。的排名数据集的样本x₁,x₂和y如下:

x₁	x₂	y
3	1	2
2	3	1
1	2	3

排名数据集可用于相关,偏相关,或标准化的回归分析。

肯德尔-肯德尔τ等级相关系数计算。
适用的相关分析方法时。需要统计和机器学习工具箱™软件。

偏相关方法

计算偏相关系数,R。此方法需要统计和机器学习工具软件。使用这个方法来分析模型参数和成本函数是如何相关,调整删除其他参数的影响。

R计算使用partialcorri(统计和机器学习的工具箱)从统计和机器学习工具软件。

标准化的回归方法

计算标准化回归系数,R。使用这种方法,当你期望模型参数线性影响成本函数。

R计算如下:

$R = b_{x} \frac{σ_{x}}{σ_{y}}$

考虑一个示例(x₁、……xNp)和相应的单输出,y。b_x使用最小二乘回归系数向量计算假设一个线性模型 $\hat{y} = b_{0} + \sum_{我 = 1}^{N p} {\hat{b}}_{x_{我}} x_{我}$ 。R标准化的每个元素b_x通过乘以相应的标准差的比值x样品(σ_x的标准偏差y(σ_y)。