چکیده

در دنیای امروزی با استفاده از فرآیند مدل‌سازی آماری می‌توان پدیده‌های طبیعی را جهت تحلیل و پیش‌بینی اتفاقات مورد بررسی، بکار برد. به‌طور مشخص در هنگام پیش‌بینی، پارامترها بر عملکرد مدل‌های آماری تاثیر می‌گذارند. در بسیاری از مسائل ارزیابی ریسک, وجود عدم ‌قطعیت در پارامترها منجر به عدم ‌قطعیت در پیش‌بینی‌های مدل می‌شود. تحلیل حساسیت کلی ‏(‎‎‎‎GSA‎) ابزاری است که برای نشان‌دادن عدم‌قطعیت استفاده می‌­شود و در تصمیم‌گیری، ارزیابی ریسک، ساده‌سازی مدل‌ها و غیره کاربرد دارد. تحلیل حساسیت فاصله مینکوفسکی و تحلیل حساسیت منطقه‌ای دو روش پرکاربرد هستند که می‌توانند با یک مجموعه نمونه داده‌شده از جفت‌های ورودی - خروجی مدل کار کنند. یک تفاوت قابل توجه بین این دو روش آن است که تحلیل حساسیت فاصله مینکوفسکی، توزیع‌های خروجی را مشروط به مقادیر ورودی ‎(پیشرو)‎ تحلیل می‌کند در حالی که تحلیل حساسیت منطقه‌ای، توزیع‌های ورودی را مشروط به مقادیر خروجی تحلیل می‌کند (معکوس). در این مقاله به تعیین روابط روش‌های حساسیت کلی (فاصله مینکوفسکی و منطقه‌ای) پرداخته و نشان داده خواهد شد، هنگامی که تحلیل حساسیت منطقه‌ای بر توابع چگالی احتمالی متمرکز شود به سمت تحلیل حساسیت فاصله مینکوفسکی همگرا می‌شود. همچنین مشابه شاخص‌های حساسیت پیشرو می‌توان شاخص‌های حساسیت معکوس را به دست آورد. سرانجام با تحلیل حساسیت یک طرح ذخیره‌سازی آب با ابعاد بالای خروجی‌های مدل پرداخته می‌شود.

کليدواژه ها

تحلیل حساسیت کلی، تحلیل حساسیت فاصله مینکوفسکی، تحلیل حساسیت منطقه‌ای، رده‌بندی خروجی

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محمد خراسانی , 1400 , تاثیر عوامل ورودی بر احتمال‌های پاسخ ‏از مرتبه‌ی ‎p , نخستین همایش بین المللی و سومین همایش ملی ریاضیات زیستی