生成样本参数进行敏感性分析
这一主题演示如何生成参数样本进行敏感性分析。
您可以执行全局灵敏度分析使用金宝app®优化设计™软件。使用技术,如实验设计(DOE)(也称为实验设计),你可以选择一组参数进行敏感性分析。
您生成参数样本通过改变模型的价值根据指定感兴趣的模型参数和状态概率分布。金宝app这些统称为参数和状态参数。每个组合生成的参数值称为样本或样本点。的集合称为样本设计空间,样本空间,或参数集。
生成一个参数集之后,您定义一个成本函数通过创建设计要求对模型的信号。然后计算每个样本的成本函数的参数集,然后你分析之间的关系参数和要求了解影响成本函数的参数。
生成随机参数值
当生成随机参数值,指定以下参数空间的特征:
数量的样品
选择足够的样本产生有用的结果。然而,每个模型评价计算费用和时间密集。随着参数的数量增加,探索设计空间通常所需的样本数量增加。相关和回归分析,考虑使用10Np样品,Np参数的数量。
抽样方法
指定用于生成样本的方法。你可以选择从以下方法:
随机——随机样本来自指定参数的概率分布。
如果指定参数之间的相关性,软件使用Iman-Conover算法对参数的相关性。
拉丁超立方——拉丁超立方采样来自指定参数的概率分布。使用这个选项更系统的空间比随机抽样方法。Sobol和哈尔顿quasirandom抽样方法比拉丁超立方体空间方法。
如果指定参数之间的相关性,软件使用Iman-Conover算法对参数的相关性。
Sobol——需要统计和机器学习工具箱™软件。Sobol quasirandom序列是来自指定参数的概率分布。使用该方法对高系统的空间。
两个参数的图中显示20个样品。样品是均匀分布,生成的间隔从0到1。随机抽样可以导致一些样品差距巨大,并关闭集群的其他样本。Sobol和哈尔顿quasirandom取样方法避免差距和聚类的样本。如果你有许多参数在参数设置,Sobol集给系统的空间填充比哈尔顿quasirandom集。有关更多信息,请参见生成拟随机数字(统计和机器学习的工具箱)。
如果指定参数之间的相关性,软件使用Iman-Conover算法对参数的相关性。
哈尔顿——需要统计和机器学习工具软件。哈尔顿quasirandom序列是来自指定参数的概率分布。像Sobol方法,您可以使用哈尔顿空间高度系统化的方法。然而,Sobol方法提供更系统的空间填充如果你有许多参数在参数设置。更多的信息,知道了生成拟随机数字(统计和机器学习的工具箱)。
如果指定参数之间的相关性,软件使用Iman-Conover算法对参数的相关性。
连系动词——需要统计和机器学习工具软件。随机样本来自一个连系动词。使用这个选项使用介体对参数之间的相关性。
您可以使用高斯相关(默认)或t接合部。用t接合部当极端参数值的概率是不可以忽略不计(是重尾分布),并指定的自由度。当你增加自由度,t接合部收敛于高斯相关,极端的参数值的概率变得微不足道。下图显示了1000个样本得出的两个参数区间为0 - 1,使用高斯和t接合部。
相比,高斯相关,t接合部有更多的样品代表的极端值参数。随着自由度增加,t接合部收敛于高斯相关。
指定相关类型的斯皮尔曼等级相关的或肯德尔秩相关性。
概率分布
指定概率分布函数和相关的每个参数的分布特征。使用您的系统的知识(经验或理论)选择概率分布。
请注意
金宝app仿真软件优化设计软件允许您指定统一(默认),正常,多项式,分段线性,三角分布。对于其他发行版,需要统计和机器学习工具软件。
考虑以下特点选择分布时的参数:
| 参数特征 | 适用的分布 |
|---|---|
从- - - - - - 来 |
|
有界的两端 |
|
扩展了从0到 |
|
自定义的分布 |
分段线性 |
对这些分布的更多信息,见概率分布(统计和机器学习的工具箱)类别。
参数的相关性
指定参数之间的相关性。所使用的算法对参数的相关性取决于采样方法。有关更多信息,请参见抽样方法。
生成随机参数值在应用程序
在灵敏度分析仪后,你选择参数的参数集,点击生成值而且,选择生成随机值。
在生成随机参数值对话框中,指定样本的数量,概率分布,参数范围和相关性和抽样方法。信息如何在对话框中指定字段,点击帮助。
生成的参数设置和相应的参数设置表显示在应用程序。在参数设置表的行数对应于指定的数量的样品。
生成参数值后,把它们检查生成的参数值是否符合规范。这是相关的,如果你为每个参数生成少量的随机样本集。更多信息,明白了检查生成的参数集。
例如,看到的识别关键参数估计(GUI)。
不支持此功能金宝app金宝app仿真软件在线™。
在命令行生成随机参数值
在命令行中,使用sdo.ParameterSpace定义参数空间。该对象指定参数的概率分布和相关性。使用这个对象作为输入sdo.sample从指定的参数空间生成的参数值。
生成随机参数值:
指定样本作为第二个输入参数的数量
sdo.sample。指定用于生成这些样本使用的方法
方法财产的sdo.SampleOptions对象。使用这个对象作为输入sdo.sample指定取样选项。如果选择方法
“sobol”或“荷”,指定MethodOptions的属性sdo.SampleOptions。如果选择方法
连系动词的,指定介体使用的选择MethodOptions的属性sdo.SampleOptions。还指定RankCorrelation财产的sdo.ParameterSpace对象。指定一个参数使用的概率分布
ParameterDistributions财产的sdo.ParameterSpace对象。指定参数之间的相关性,使用
RankCorrelation财产的sdo.ParameterSpace。
生成参数值后,情节生成的值来检查,如果他们匹配所需的规范。这是相关的,如果你为每个参数生成少量的随机样本集。更多信息,明白了检查生成的参数集。
例如,看到的识别关键参数估计(代码)。
在命令行生成自定义参数值
这个例子展示了如何使用一个自定义生成随机参数值分布在命令行执行敏感性分析时。生成一个1000个样本模型的参数,R在标称值的5%左右,10。R是一个电阻。电阻的1%公差是被制造商,所以不会产生R值在1%左右的标称值。
构造一个
param.Continuous对象。R = param.Continuous (“R”10);创建一个定制的概率分布,
pdR配置参数空间。x = (0.95 - 0.99 1.01 - 1.05) * R.Value;F = [0 0.5 0.5 1];pdR = makedist (“PiecewiseLinear”,“x”,x,“外汇”F);x = linspace (0.9 * R.Value, 1.1 * R.Value, 1 e3);情节(x, pdf (pdR x));
makedist指定一个分段线性分布电阻的值,和一个“洞”在1%左右。指定
pdR的概率分布R参数在一个sdo.ParameterSpace对象。ps = sdo.ParameterSpace (R, pdR);
产生1000个样本。
Ns = 1000;x = sdo.sample (ps、Ns);
(可选)使用
sdo.scatterPlot样品和形象化验证样本空间。
生成网格参数值
您可以生成网格的参数值灵敏度分析仪或在命令行。
生成网格敏感性分析的参数值
您可以生成网格参数后的应用程序,您已经创建了一个参数集。
创建一个参数集。
在灵敏度分析仪,在敏感性分析选项卡上,单击选择参数。
在Select参数对话框中,选择您想要包含在你的所有参数参数设置,并点击好吧。
一个
ParamSet在创建变量参数设置区域的应用。当前值为每个参数在参数设置显示在一个表中。
指定起始参数值和网格网格生成的方法。
在灵敏度分析选项卡中,单击生成值,并选择生成网格值从下拉菜单。
在生成网格参数值对话框中,指定网格方法所有的组合。应用程序生成所有可能的组合中指定的值值。
开始指定参数值值。您在此处输入的值确定参数空间。看到其他方式指定参数值和网格方法开始,点击帮助。
生成的参数。
点击覆盖。参数设置表更新生成的网格参数值。
您还可以将生成的值附加到先前生成的随机或网格参数设置表中参数值。为此,单击附加。
(可选)情节生成的值。
在参数设置区域的应用程序,选择ParamSet。在情节标签的应用,选择散点图从情节画廊。
块生成的直方图分布在对角线上显示的参数值。非对角的情节显示双参数之间的散点图。更多地了解故事情节,看到与阴谋的敏感性分析。
不支持此功能金宝app金宝app网络仿真软件。
在命令行生成网格参数值
这个例子展示了如何创建一个表的网格在命令行参数值。
为两个模型参数生成网格的样本,一个和B。不同一个之间的(2、3、4)和B之间的(20、30、40)。
构造一个
param.Continuous对象。一个= param.Continuous (“一个”1);B = param.Continuous (“B”10);
指定网格生成的参数值。
保兑= (2 3 4);Bvals = (20 30 40);
创建一个表的网格参数值。为每个参数指定一列,并为每个样本一行。列名必须相同参数名称。
[方式,Bgrid] = meshgrid(保兑,Bvals);x =表(方式(:),Bgrid (:),“VariableNames”,{“一个”,“B”});
x = 20 B _ __ 2 2 30 40 3 20 30 40 3 40 4 20 30 4
