تحلیل حساسیت واریانس مبنا در مدل های تعیینی

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 100

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISS-21-2_004

تاریخ نمایه سازی: 21 شهریور 1401

چکیده مقاله:

امکان مطالعه بسیاری از پدیده های علمی و طبیعی در شرایط آزمایشگاهی میسر نیست و لذا آنها را در قالب مدل های ریاضی بیان و با کدهای کامپیوتری پیچیده، شبیه سازی می کنند. اجرای مدل کامپیوتری با ورودی های متفاوت را آزمایش کامپیوتری می نامند. مباحث آماری، در آزمایش های کامپیوتری از جایگاه ویژه ای برخوردار است. در این مقاله ضمن تشریح ساختار این مدل ها، به معرفی وبیان اهمیت تحلیل حساسیت واریانس مبنا می پردازیم. تحلیل حساسیت، مجموعه روش هایی است که اثربخش بودن پارامترهای ورودی را بر خروجی مدل با شاخص های حساسیت تعیین می کنند. این شاخص ها بر اساس مفاهیم واریانس های شرطی بیان می شوند. از آن جا که شکل ریاضی این مدل ها، به صورت صریح مشخص نیست؛ مسئله برآورد این شاخص ها با روش های مونته کارلو مبنا مطرح می گردد. از طرف دیگر زمان اجرا، چالش جدی در مدل های کامپیوتری محسوب می شود. طرح نقاط آزمایش ویژه ای مبتنی بر اعداد شبه تصادفی، برای کاهش زمان اجرای مدل پیشنهاد شده است. به منظور پرداختن به جنبه عملی، از مدل ‎INCA-N‎ که میزان آلایندگی نیتروژن ورودی به آب رودخانه ها را شبیه سازی می کند، استفاده شده است تا بتوان با شاخص های حساسیت متغیرهای تاثیرگذار بر این عامل تهدید کننده سلامت انسان و محیط زیست را شناسایی کرد. 

کلیدواژه ها:

‎deterministic model‎ ، ‎variance based sensitivity analysis‎ ، ‎quasi-random number‎ ، ‎INCA-N model‎. ، مدل تعیینی ، تحلیل حساسیت واریانس مبنا ، اعداد شبه تصادفی ، مدل INCA-N

نویسندگان

مجید جانفدا

دانشگاه صنعتی شاهرود

داود شاهسونی

دانشگاه صنعتی شاهرود

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Archer, G. E. B. saltelli, A. and Sobol I.M. (۱۹۹۷), ...
  • Cuiker, R.I Schaiby, J. H. and Schular, A. G. (۱۹۷۵). ...
  • Cuiker, R.I. Fourtin, K. E. and Schular, A. G. (۱۹۷۳). ...
  • Cuiker, R.I Levine, H. and Schular, A. G. (۱۹۷۸). nonlinear ...
  • Fang, K.T. Runze, L. and Sudjianto, A. (۲۰۰۶). Design and ...
  • Homma, T. and Saltelli, A. (۱۹۹۶). Important measures in global ...
  • Iman, R. and Hora, S. (۱۹۹۰). A robust measure of ...
  • Ishighami, T. and Homma, T. (۱۹۹۶). An important qualification technique ...
  • Karaivanova, A. D. and Ivanovska, S. (۲۰۰۰). A Quasi-monte carlo ...
  • Krzykacz-Hausman, B. (۱۹۹۰). Gesellschaft fuer reaktor sicherheit (GRS) Mbh. Technical ...
  • Levy, G. (۲۰۰۲), A introducation to quasi-random number integration with ...
  • McKay, M. (۱۹۹۶). Variance based methods for assessing uncertainty importance ...
  • Sacks, J. Welch, W. J. Mitchell, T. J. and Wynn, ...
  • Saltelii, A. Andres, T.H. and Homma, T. (۱۹۹۳). Some new ...
  • Saltelii, A. (۲۰۰۲). Making best use of model valuations to ...
  • Saltelii, A. Annoni, P. Azzini, I. Compolongo, F. Ratto, M. ...
  • Saltelii, A. Ratto, M. Andres, T. Compolongo, F. Cariboni, J. ...
  • Saltelii, A. Tarantola, S. Compolongo, F. and Ratto, M. (۲۰۰۴). ...
  • Santner, T.J. Williams, B. J. and Notz, W. I. (۲۰۰۳). ...
  • Sobol, I.M. (۱۹۹۸). On quasi-monte carlo integrations, Math. and computation ...
  • Sobol, I.M. (۱۹۹۳). Sensitivity analysis for non-linear mathmatical model, Math. ...
  • Wade, A. J. Durand, P. Beaujouan, V. Wessel, W. W. ...
  • Whitehead, P.G. Wilson, E. J. Buterfield, D. (۱۹۹۸a). A semi-distributed ...
  • Whitehead, P.G. (۱۹۹۰). Modeling nitrate from agriculture to public water ...
  • نمایش کامل مراجع