通过计算基本效应进行全局敏感性分析
加载肿瘤的生长模型.
SBIOLADP项目tumor_growth_vpop_sa.sbproj
得到一个带有估计参数和适用于模型的剂量的变量。
v = getvariant (m1);d = getdose (m1,“interval_dose”);
获取活动配置集并将肿瘤重量设置为响应。
cs=getconfigset(m1);cs.RuntimeOptions.StatesToLog=“tumor_weight”;
模拟模型并绘制肿瘤生长曲线。
sbioplot(sbiosimulate(m1,cs,v,d));
对模型进行全局敏感性分析(GSA),找出肿瘤生长敏感的模型参数。
首先,定义感兴趣的模型参数,这些参数涉及肿瘤生长的药效学。将模型反应定义为肿瘤权重。
modelParamNames = {“10”,“L1”,“w0”,“k1”};outputName =“tumor_weight”;
然后通过计算基本效应执行GSA元素效应
.使用One hundred.
作为样本的数量和设置ShowWaitBar
到真正的
来显示模拟过程。
rng (“默认”);eeResults = sbioelementaryeffects (m1, modelParamNames outputName,变异= v = d剂量,NumberSamples = 100, ShowWaitbar = true);
显示模型响应的中值,模拟结果,以及覆盖90%模拟结果的阴影区域。
plotData (eeResults ShowMedian = true, ShowMean = false);
您可以通过指定将分位数区域调整为不同的百分比阿尔法
为所有模型响应的上、下分位数。例如,一个α
值0.1绘制的阴影区域之间的100*alpha
和100 *(1α)
所有模拟模型响应的分位数。
绘图数据(eeResults,Alphas=0.1,ShowMedian=true,ShowMean=false);
绘制基本效应的平均值和标准偏差的时间历程。
h=绘图(eeResults);%调整图形的大小。h.头寸(:)= [100 100 1280 800];
效应的平均值解释了输入参数值的变化是否对肿瘤重量反应有任何影响。效应的标准差解释了灵敏度变化是否依赖于参数域中的位置。
从效果图的均值,参数L1
和w0
在t=7剂量应用前,似乎是对肿瘤重量最敏感的参数。但是,在剂量应用后,k1
和L0
成为更敏感的参数,对给药后阶段的肿瘤重量贡献最大。效应标准差图显示,在肿瘤生长的后期(t > 35),较大的参数值的偏差大于给药前阶段。
您还可以在条形图中显示灵敏度的大小。每个颜色阴影表示一个直方图,表示不同时间的值。颜色越深表示这些值在整个时间过程中出现的频率越高。
酒吧(eeResults);
您还可以绘制用于计算基本效果的参数网格和样本。
绘图网格(eeResults)
您可以指定更多的示例来提高基本效果的准确性,但是模拟可能需要更长的时间才能完成。使用addsamples
添加更多样本。
eeResults2 = addsamples (eeResults, 200);
的SimulationInfo
属性包含计算基本效果的各种信息。例如,使用一组参数示例的每个仿真的模型仿真数据(SimData)存储在SimData
属性的字段。此字段是SimData
对象。
eeResults2.SimulationInfo.SimData
SimBiology SimData Array: 1500-by-1 Index: Name: ModelName: dataccount: 1 - Tumor Growth Model 1 2 - Tumor Growth Model 1 3 - Tumor Growth Model 1…1500 -肿瘤生长模型
通过检查,可以发现在计算过程中是否有模型模拟失败ValidSample
领域SimulationInfo
.在本例中,该字段显示没有失败的模拟运行。
所有(eeResults2.SimulationInfo.ValidSample)
ans =逻辑1
您可以将自定义表达式添加为可观察对象,并计算添加的可观察对象的基本效果。例如,可以通过定义如下自定义表达式来计算最大肿瘤权重的效果。
%抑制发出的信息警告。warnSettings =警告(“关闭”,'模拟生物学:sbservices:SB_DIMANALYSISNOTDONE_MATLABFCN_UCON');%添加可观察表达式。eeObs=添加可观察(eeResults2,“最大肿瘤重量”,'最大(肿瘤重量)',“单位”,“克”);
绘制显示90%分位数区域的计算仿真结果。
h2=绘图数据(eeObs);h2.位置(:)=[100 1500 800];
你也可以通过指定它的名字来删除这个可观察对象。
eeNoObs=可移除可观察(eeObs,“最大肿瘤重量”);
恢复警告设置。
警告(warnSettings);
modelObj
- - - - - -SimBiology模型SimBiology模型,指定为SimBiology模型对象
.
参数个数
- - - - - -模型参数、物种或隔间的名称指定为字符向量、字符串、字符串向量或字符向量单元数组的模型参数、种类或分区的名称。
例子:(k1, k2”)
数据类型:字符
|一串
|细胞
可见
- - - - - -模型反应指定可选参数对为名称1=Value1,…,名称n=ValueN
哪里名称
参数名和价值
为对应值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。
eeResults = sbioelementaryeffects (modelObj params,可见,StopTime = 10)
指定使用10的停止时间。
界限
- - - - - -参数范围参数边界,指定为具有两列的数字矩阵。第一列包含下界,第二列包含上界。中参数的行数必须等于参数个数
.
如果参数具有非零值,则默认边界为该值的±10%。如果参数值为零,则默认边界为[0 1]
.
例子:(0.5 - 5)
数据类型:双重的
剂量
- - - - - -在模拟期间使用的剂量ScheduleDose
对象|RepeatDose
对象|剂量客体矢量模型模拟期间使用的剂量,指定为ScheduleDose
或RepeatDose
物体或剂量物体的载体。
变体
- - - - - -模拟前要应用的变体在模型模拟之前应用的变量,指定为变量对象或变量对象的向量。
当为特性值指定多个具有重复规范的变量时,将在模拟过程中使用变量数组中特性值的最后一个引用。
NumberSamples
- - - - - -计算基本效应的样本数1000
(默认)|正整数用于计算基本效应的样本数,指定为正整数。功能要求(数量的输入
模型模拟,计算基本效应。参数个数
+1)*数字样本
数据类型:双重的
PointSelection
- - - - - -选择采样点以计算基本效果的方法“链”
(默认)|“放射状”
方法选择样本点来计算基本效应,具体为“链”
或“放射状”
.的“链”
点选择使用Morris方法[1].的“放射状”
点选择使用Sohier方法[2].有关详细信息,请参见全球敏感性分析的基本效应.
数据类型:字符
|一串
GridLevel
- - - - - -参数域的离散化层次10
(默认)|积极的偶数参数域的离散化水平,指定为正偶数。该参数在参数域中定义等距点网格,其中每个维度使用
点。下图显示了一个参数网格示例p1和p2在给定的参数范围内。Gridlevel
+1
有关详细信息,请参见全球敏感性分析的基本效应.
数据类型:双重的
GridDelta
- - - - - -计算基本效果的步长GridLevel / 2
(默认)|正整数绝对效应
- - - - - -标志以使用基本效果的绝对值真正的
(默认)|假
标志以使用基本效果的绝对值,指定为真正的
或假
.默认情况下,函数使用基本效果的绝对值。使用非绝对值可以在计算平均值时求出平均值。有关详细信息,请参见全球敏感性分析的基本效应.
数据类型:逻辑
抽样法
- - - - - -参数样本的生成方法“韩”
(默认)|“随机”
方法生成参数样本,指定为以下选项之一:
“韩”
-使用低差异的拉丁超立方体样本。
“随机”
—使用均匀分布的随机样本。
该函数通过对网格点进行采样来选择生成的参数样本。
StopTime
- - - - - -仿真停止时间模拟停止时间,指定为非负标量。如果你指定两者都不是StopTime
也没有输出时间
,该功能使用从模型的激活配置集的停止时间。不能同时指定两者StopTime
和输出时间
.
数据类型:双重的
输出时间
- - - - - -模拟输出时间模拟输出时间,指定为数值向量。该函数计算这些输出时间点的基本效果。不能同时指定两者StopTime
和输出时间
.默认情况下,该函数使用第一次模型仿真的报告时间点。
例子:[0 1 2 3.5 4 5 5.5]
数据类型:双重的
UseParallel
- - - - - -标志以并行地运行模型模拟假
(默认)|真正的
标志以并行运行模型模拟,指定为真正的
或假
.当值为真正的
并行计算工具箱™ 如果可用,该函数将并行运行模拟。
数据类型:逻辑
加速
- - - - - -打开模型加速的标志真正的
(默认)|假
开启模型加速的标志,指定为真正的
或假
.
数据类型:逻辑
ShowWaitbar
- - - - - -显示模型模拟进展的标志假
(默认)|真正的
通过显示一个等待栏(指定为)来显示模型模拟的进度的标志真正的
或假
.缺省情况下,不显示等待条。
数据类型:逻辑
元素效应结果
-包含基本效应的平均值和标准偏差的结果SimBiology.gsa.ElementaryEffects
对象结果包含基本效应的平均值和标准偏差,返回为aSimBiology.gsa.ElementaryEffects
对象。对象包括基本效应的均值和标准偏差以及用于计算基本效应的参数样本和模型模拟等信息。
元素效应
让您评估模型响应的全局敏感性与模型参数的变化。
考虑一个带有一个灵敏度输入参数的简单情况P.基本的效果EE的P关于模型响应R定义如下。
在这里EEP(x)的基本效果是P.R (x)和R (x +δ)是否对特定时间的模型响应或可观测值进行了参数值评估x
和x+δ
.
在一般情况下k敏感输入参数,x是一个不同参数值的向量,x= (v1,v2,v3.、……vk]
.这项研究的基本效果我参数的计算方法如下:
在这里e我是我因此,计算所有参数的基本效应P1,P2,P3.、……Pk
要求k+1
模型模拟。
该函数提供两种方法(“PointSelection”
)选择一组k+1
计算这些基本效应所需的点。
为了得到基本效应的平均值和标准偏差,该函数进行计算N(“NumberSamples”
)每个参数的基本效果,这需要N*(k+ 1)
模拟。默认情况下,函数报告的平均值和标准偏差完全的每个参数的基本效应P1,P2,P3.、……Pk
.
基本效应的均值解释了参数是否变化P对反应有影响吗R平均来说。
标准差解释了灵敏度变化是否依赖于参数域中的位置。
该函数使用完全的基本效果是默认的,因为基本效果可以在其他情况下计算平均值。或者,您可以设置“AbsoluteEffects”
名称-值参数假
的均值和标准差nonabsolute基本的效果。
函数报告用于计算基本效应的点ParameterSamples
返回的结果对象的属性。每个k+1
表中的行ParameterSamples
对应于用于计算基本效果的k+1径向或链式点SimulationInfo。SimData
属性的结果对象包含相应的模型仿真。函数从定义的参数网格中对点进行采样“GridLevel”
和“GridDelta”
.下图展示了一个简单的例子,其中有两个灵敏度输入(y1和y2),“NumberSamples”
= 2链
“PointSelection”
方法。
[1]初步计算实验的阶乘抽样计划。技术指标33,第2号(1991年5月):161-74。
[2]Sohier, Henri, Jean-Loup Farges和Helene Piet-Lahanier。“对空中发射-轨道分离莫里斯法代表性的改进”。IFAC诉讼卷47岁的没有。3(2014): 7954 - 59。
次の MATLABコマンドに対応するリンクがクリックされました。
コマンドを MATLABコマンド ウィンドウに入力して実行してください。网状物ブラウザーは MATLABコマンドをサポートしていません。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。