基于多保真方法来估计方差和全局敏感度指数分析（Matlab代码实现）
主要和总效应敏感性指数可以使用蒙特卡罗估计来估计。为了估计d输入的主效应敏感性指数和总效应敏感性指数，需要对每个蒙特卡罗样本进行（d+2）函数评估
预览截图
应用介绍
此代码实现了多保真方法来估计方差和全局敏感度指数。当模型具有不确定的输入时，模型输出也是不确定的。基于方差的全局敏感性分析通过将总方差除以由于每个输入和输入之间的相互作用而产生的方差百分比来量化每个不确定输入对输出的相对影响。
主要和总效应敏感性指数可以使用蒙特卡罗估计来估计。为了估计d输入的主效应敏感性指数和总效应敏感性指数，需要对每个蒙特卡罗样本进行（d+2）函数评估，以便在模型昂贵且d较大时，蒙特卡罗估计可能非常昂贵。我们提出了多保真估计器，它将使用昂贵模型计算的一些高保真样本与使用更便宜的代理模型计算的许多低保真样本相结合，以产生固定计算预算的方差估计低于单独使用高保真模型获得的方差估计，同时保持高保真估计的准确性。
©版权声明：本文内容由互联网用户自发贡献，版权归原创作者所有，本站不拥有所有权，也不承担相关法律责任。如果您发现本站中有涉嫌抄袭的内容，欢迎发送邮件至： www_apollocode_net@163.com 进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
转载请注明出处： apollocode » 基于多保真方法来估计方差和全局敏感度指数分析（Matlab代码实现）
文件列表(部分)
| 名称 | 大小 | 修改日期 |
|---|---|---|
| generate_inputs.m | 0.24 KB | 2022-07-23 |
| main_CDR.m | 1.24 KB | 2023-01-04 |
| samples.mat | 42,524.00 KB | 2022-07-23 |
| ishi.png | 21.03 KB | 2022-07-23 |
| generate_inputs.m | 0.21 KB | 2022-07-23 |
| main_ishi.m | 1.33 KB | 2023-01-04 |
| model1.m | 0.35 KB | 2022-07-23 |
| model2.m | 0.36 KB | 2022-07-23 |
| model3.m | 0.36 KB | 2022-07-23 |
| truestats.mat | 0.35 KB | 2022-07-23 |
| estimate_sobol.m | 0.68 KB | 2023-01-04 |
| estimate_statistics.m | 0.90 KB | 2022-07-23 |
| mfsobol.m | 1.62 KB | 2022-07-23 |
| optalloc.m | 1.10 KB | 2022-07-23 |
| pie.png | 34.41 KB | 2022-07-23 |
| CDR | 0.00 KB | 2022-07-23 |
| ishigami | 0.00 KB | 2022-07-23 |
| mfgsa | 0.00 KB | 2022-07-23 |
| 基于多保真方法来估计方差和全局敏感度指数分析（Matlab代码实现） | 0.00 KB | 2023-01-04 |
发表评论 取消回复