Active Learning for Derivative-Based Global Sensitivity Analysis with Gaussian Processes
Stanford University(斯坦福大学);Meta;Washington State University(华盛顿州立大学)
本文提出直接针对导数型全局敏感性度量(DGSMs)的主动学习采集函数,在高斯过程代理模型下通过方差缩减和信息增益策略提升昂贵黑盒函数敏感性分析的样本效率,并在合成与真实问题上验证了其在有限预算下的显著优势。
2024-10-19 cs.AI cs.LG stat.ML
Gradient-based Active Learning with Gaussian Processes for Global Sensitivity Analysis
Institut Camille Jordan, CNRS UMR 5208, École Centrale de Lyon, Écully, France(坎梯尔·乔丹研究所,法国国家科学研究中心UMR 5208, Lyon中央理工大学,法国);INRAE, RiverLy, 69625 Villeurbanne, France(国家农业研究院,法国)
本文提出了一种基于高斯过程的梯度主动学习方法,用于提高复杂模型的全局敏感性分析精度,通过优化输入空间的采样策略,增强敏感性度量的全面性和鲁棒性。
2026-01-16 cs.LG stat.ME stat.ML
From data to decisions: Bayesian modelling and global sensitivity analysis for flotation control
University College London(伦敦大学学院);Universidad Técnica Federico Santa María(弗雷德里科·萨马利亚技术大学);Imperial College London(帝国理工学院)
本文提出一个数据驱动框架,集成高斯过程回归与基于Sobol指数的全局灵敏度分析及SHAP局部可解释性,用于浮选系统的可解释建模和决策支持,通过实验室数据建立静态GP代理模型,识别影响空气回收率的关键变量及其交互作用。
2026-06-04 cs.SY eess.SY stat.AP
Mixed-Variable Global Sensitivity Analysis For Knowledge Discovery And Efficient Combinatorial Materials Design
Northwestern University(西北大学)
本文提出首个结合潜变量高斯过程与Sobol'分析的混合变量全局敏感性分析方法,验证其有效性后,将其与多目标贝叶斯优化整合为敏感性感知设计框架,可加速多水平组合空间中MOF材料的帕累托前沿探索。
2023-10-23 cond-mat.mtrl-sci cs.LG stat.ME
Emulator-based global sensitivity analysis for flow-like landslide run-out models
滑坡径流模拟涉及到源自模型输入数据的各种不确定性。因此,需要评估模型的敏感性。能够探索整个输入空间并考虑所有相互作用的全局敏感性分析通常由于大量必要模型运行导致的计算挑战而受到限制。我们通过将高斯过程仿真集成到滑坡径流建模中来解决这一研究空白,并将其应用于开源仿真工具r.avaflow。基于2017年Bondo滑坡事件,说明了我们的方法的可行性和有效性。研究了聚集模型输出(如表观摩擦角、影响面积以及空间分辨的最大流动高度和速度)对干库仑摩擦系数、湍流摩擦系数和释放体积的敏感性。一阶效应的结果与以前常见的一次一个敏感性分析的结果一致。除此之外,我们的方法允许严格调查相互作用。强相互作用被检测到的流动路径的边缘上的期望值和变化的最大流的高度和速度是小的。随着最大流高和流速变化的增大,相互作用逐渐减弱。此外,两个摩擦系数之间的相互作用比释放体积与每个摩擦系数之间的相互作用更强。在未来,它是有希望的,以扩展其他计算昂贵的任务,如不确定性量化,模型校准,智能预警的方法。
2020-10-08 physics.flu-dyn stat.ML
Uncertainty quantification and global sensitivity analysis of seismic fragility curves using kriging
地震易损性曲线已被引入作为地震概率风险评估研究的关键组成部分。它们表示机械结构在地震烈度测量条件下的失效概率,并且必须考虑此类研究中的固有不确定性,即所谓的认知不确定性(即来自结构机械参数的不确定性)和偶然不确定性(即来自地震地面运动的随机性)。对于基于仿真的方法,我们提出了一种方法来建立和校准一个高斯过程代理模型,以估计一个家庭的非参数地震易损性曲线的机械结构,通过传播代理模型的不确定性和认知的。高斯过程的主要优点确实是提出了一个预测器和评估其预测的不确定性。此外,我们将此方法扩展到敏感性分析。全局敏感性指标,如聚合Sobol指数和基于核的指数,建议知道如何分配的不确定性的地震易损性曲线根据每个不确定的力学参数。这个全面的不确定性量化框架,最后应用到工业测试的情况下,在一个压水堆的管道系统的一部分。
2022-10-12 stat.AP
A Bayesian approach for global sensitivity analysis of (multi-fidelity) computer codes
复杂的计算机代码被广泛用于科学和工程中,以模拟物理现象。此外,它们通常具有大量的输入参数。全球灵敏度分析旨在识别对产出有最重要影响的因素。Sobol指数是执行此类分析的流行工具。然而,他们的估计需要大量的模拟,往往不能在合理的时间限制下处理。为了解决这个问题,本文建立了一个高斯过程回归模型来替代计算机代码,并通过它来估计Sobol指数,目的是提供一种通过替代模型来估计Sobol指数的方法,该方法同时考虑了估计误差和替代模型误差。特别是,它使我们能够获得非渐近的置信区间的Sobol指数估计。此外,我们将建议的策略扩展到可以以不同准确度运行的多保真度计算机代码的情况。对于这样的模拟器,我们使用高斯过程回归模型的多元输出的扩展。
2013-07-08 math.ST stat.TH
Data-Driven Sensitivity Inference for Thomson Scattering Electron Density Measurement Systems
我们开发了一种方法来推断多通道测量系统的校准参数,如灵敏度和噪声幅度的通道变化,从实验数据。我们把这种校准参数的不确定性作为相关噪声。在高斯过程核中对相关噪声和隐函数的统计特性进行建模和实现。基于它们的统计学差异,从数据推断出这两个参数。我们将这种方法应用于大型螺旋装置等离子体汤姆逊散射电子密度测量系统,该系统配备了141个空间通道。基于210组实验数据,我们评估了每个通道的灵敏度和噪声幅度的校正因子。校正因子变化$\approx$ 10\%,随机噪声幅度为$\approx$ 2\%,即,在该灵敏度校正之后,测量精度增加了5倍。证明了空间导数推理的确定性改进。
2016-12-12 stat.AP
Exploring Hoover and Perez's experimental designs using global sensitivity analysis
本文研究了利用全局敏感性分析的回归变量选择方法。该方法与现有的算法相结合,并将其应用于Hoover和Perez提出的时间序列回归设计。将全局敏感性分析算法与Hoover和Perez的优化算法进行了比较,结果表明,全局敏感性分析算法显著提高了原始规格的恢复率。
2014-01-22 stat.CO
Variance-based global sensitivity analysis of numerical models using R
敏感性分析通过识别每个(不确定)输入因素对模型输出可变性的贡献,在计算机模型/模拟器的开发中发挥着重要作用。本报告调查不同方面的方差为基础的全球敏感性分析的背景下,复杂的黑箱计算机代码。该分析主要使用两个R包进行,即sensobol(Puy et al.,2021)和灵敏度(Looss等人,2021年)。虽然软件包灵敏度配备了一套丰富的方法来进行敏感性分析,特别是在模型与相关输入的情况下,软件包sensobol提供了一堆用户友好的可视化工具。提供了几个说明性的例子,使用户能够轻松地学习这两个包,并从它们的功能中受益。
2022-06-22 stat.CO
Derivative-based global sensitivity analysis for models with high-dimensional inputs and functional outputs
我们提出了一个基于导数的全局敏感性分析(GSA)的框架,模型具有高维输入参数和功能输出。我们结合了基于导数的GSA,随机场表示通过Karhunen-Loève扩展,和基于伴随的梯度计算的思想,提供了一个可扩展的计算框架计算建议的基于导数的GSA措施。我们说明了战略的非线性常微分方程模型的霍乱流行病和椭圆偏微分方程的应用实例,从地球科学和生物运输。
2019-08-16 stat.CO
Parametric Sensitivity Analysis: Local and Global Approaches in Stochastic Biochemical Models
Florida Gulf Coast University(佛罗里达海湾海岸大学);The University of Alabama(阿拉巴马大学);Arizona State University(亚利桑那州立大学)
本文针对随机生化模型中CME难以直接模拟的问题,采用基于矩的常微分方程进行局部与全局参数敏感性分析,以识别影响模型动态的关键参数,并通过数值测试验证了方法的有效性。
2025-10-12 stat.CO
Computing derivative-based global sensitivity measures using polynomial chaos expansions
在计算机实验领域,敏感性分析旨在量化计算模型的每个输入参数(或其组合)相对于模型输出不确定性的相对重要性。方差分解方法导致众所周知的Sobol'指数被认为是准确的技术,在一个相当高的计算成本,虽然。使用多项式混沌展开(PCE)来计算Sobol指数,可以减轻计算负担。然而,在处理大维度输入向量时,首先使用筛选方法以丢弃不重要的变量是一种良好的做法。在这方面,最近开发了{ \em基于导数的全球敏感性度量}(DGSM)。在本文中,我们将展示如何多项式混沌展开可用于计算分析DGSMs作为一个纯粹的后处理。这需要分析推导的正交多项式的衍生物进入PC的扩展。在敏感性分析中的两个著名的基准问题上说明了该方法的有效性。
2014-05-22 stat.CO
Global Sensitivity Analysis via Multi-Fidelity Polynomial Chaos Expansion
在工程设计和分析中,不确定性的存在是不可避免的,如果不了解其影响,可能会导致系统的结构或功能故障。全局敏感性分析在这方面的作用是对输入随机变量及其组合对随机输出方差的影响进行量化和排序。在需要使用昂贵的计算机模拟的问题中,元模型被广泛用于加速全局敏感性分析的过程。本文提出了一种基于多项式混沌展开的全局敏感性分析多保真度框架。我们的目标是加快Sobol敏感性指数的计算时,确定性的模拟是昂贵的,模拟具有多个级别的保真度。这在利用偏微分方程求解器计算机代码来解决工程问题的情况下特别有用。将低保真PCE与校正PCE相结合,构造了多保真PCE。在该步骤之后,使用该组合PCE计算Sobol指数。利用谱投影技术和稀疏网格积分计算了低保真和校正PCE的PCE系数。为了证明所提出的方法的敏感性分析的能力,进行了几次模拟。在空气动力学的例子中,多保真度的方法是能够获得一个准确的值的Sobol指数与36.66%的计算成本相比,标准的单保真度的PCE几乎相似的精度。
2017-10-23 stat.CO
Principal component analysis and sparse polynomial chaos expansions for global sensitivity analysis and model calibration: application to urban drainage simulation
本文提出了一种有效的替代建模策略,用于水文模型的不确定性量化和贝叶斯校准。特别是,被认为是一个基于过程的动态城市排水模拟器,预测从集水区在降水事件的排放。案例研究的目的是进行全局敏感性分析,并识别未知的模型参数以及测量和预测误差。这些目标只能通过降低计算成本来实现,也就是说,减少必要的模型运行次数。考虑到这一点,提出了一种利用规则的元建模技术,使快速的不确定性量化。利用主成分分析对输出进行降维,并利用稀疏多项式混沌展开对降维后的输出进行仿真。Sobol灵敏度指数直接由展开系数通过简单的后处理获得。通过马尔可夫链蒙特卡罗后验抽样的贝叶斯推断大大加快。
2019-11-13 stat.CO
Global sensitivity analysis using low-rank tensor approximations
在全局敏感性分析的背景下,Sobol指数构成了评估模型的不确定输入参数的相对重要性的有力工具。我们在这里介绍了一种新的方法来评估这些指标在低计算成本,通过后处理多项式元模型的系数属于低秩张量近似类。这类元模型在表示高维模型的响应时特别有效,因为其一般函数形式的未知数的数量仅随输入维度线性增长。所提出的方法在示例应用中进行了验证,其中将从元模型系数导出的Sobol指数与参考指数进行比较,后者通过精确解析解或具有极大样本的蒙特卡罗模拟获得。此外,低秩张量近似面临流行的多项式混沌扩展元模型的案例研究,涉及分析秩一函数和有限元模型有关的结构力学和热传导。在检查的应用程序中,指数的基础上的新的方法往往收敛速度更快的参考解决方案的试验设计用于建立元模型的大小。
2016-05-29 stat.CO
A simple algorithm for global sensitivity analysis with Shapley effects
全局敏感性分析旨在测量不同变量或变量组对于感兴趣的量的可变性的相对重要性。在几个敏感性指标中,所谓的Shapley效应最近越来越受欢迎,主要是因为所有单个变量的Shapley效应被加总为总方差,这比称为主效应和总效应的经典敏感性指标提供了更好的可解释性。在本文中,假设所有的输入变量是独立的,我们引入了一个非常简单的蒙特卡罗算法来估计Shapley效应的所有个人变量同时,这大大简化了现有的算法提出的文献。我们提出了一个简短的Matlab实现我们的算法,并显示了一些数值结果。一个可能的扩展的情况下,输入变量是依赖的也进行了讨论。
2021-04-26 stat.CO stat.ME
Time-dependent global sensitivity analysis of the Doyle-Fuller-Newman model
Technical University of Munich(慕尼黑工业大学);Capgemini Engineering(凯捷工程)
本文提出了一种新的时间依赖性模型输出全局敏感性分析框架,用于研究锂离子电池驱动循环模拟中参数敏感性,识别对电压响应影响较小的参数。
2026-03-31 cond-mat.mtrl-sci stat.CO
Using sparse polynomial chaos expansions for the global sensitivity analysis of groundwater lifetime expectancy in a multi-layered hydrogeological model
该研究利用多项式混沌展开计算Sobol'指数的一个全球敏感性分析的框架内的水分散参数在一个简化的垂直横截面的一段地下巴黎盆地。应用保守的范围内,在78个输入变量的不确定性传播后的平均寿命预期的水分子离开一个特定的位置在一个高度封闭的层位于模型域的中间。预期寿命是与地下污染物(如放射性核素)安全分析有关的水文地质性能指标。敏感性分析表明,平均预期寿命的变化可以充分解释的岩相,\ie的孔隙度和水力传导性,只有几个层的模型的不确定性。所获得的结果提供指导,在未来的调查采用详细的数值模型的巴黎盆地地下的不确定性建模。此外,研究表明,稀疏多项式混沌展开在计算高维模型的Sobol'指数的高效率。
2015-11-23 stat.AP stat.CO
Surrogate-based global sensitivity analysis with statistical guarantees via floodgate
计算模型在许多科学领域中用于模拟复杂系统。敏感性分析是帮助我们理解这些模型的机制及其描述的过程的重要实践,但是执行足够数量的模型评估以获得准确的敏感性估计通常是昂贵的。为了减少计算负担,一个常见的解决方案是使用代理模型,近似原始模型合理,但在成本的一小部分。然而,为了换取基于替代的敏感性分析的计算优势,这种方法的代价是替代模型和原始模型之间的差异导致的准确性损失。为了解决这个问题,我们调整了Zhang和Janson(2020)的闸门方法,以提供有效的基于代理的置信区间,而不是点估计,允许使用对于高维模型特别明显的代理的计算速度加快的好处,同时仍然保留相对于原始(非代理)模型的全局灵敏度的严格和准确的界限。我们的置信区间是渐近有效的,几乎没有条件的计算模型或代理。此外,我们的置信区间的准确性(宽度)随着替代品准确性的增加而缩小,因此当使用准确的替代品时,我们报告的置信区间将相应地非常窄,从而在其估计中注入适当的高置信度。我们证明了我们的方法的属性,通过数值模拟的小Hymod水文模型,并将其应用到更复杂的CBM-Z气象模型与最近的神经网络为基础的代理。
2022-08-11 stat.CO stat.ME
Global sensitivity analysis for stochastic simulators based on generalized lambda surrogate models
全局敏感性分析旨在量化输入变量对计算模型响应变量的影响。它已被广泛应用于确定性仿真器,其中一组输入参数具有唯一对应的输出值。然而,随机模拟器由于使用(伪)随机数而具有内在随机性,因此当使用相同的输入参数但使用非常见的随机数运行两次时,它们会给出不同的结果。由于这种随机性,用于全局敏感性分析的传统Sobol指数可以以不同的方式扩展到随机模拟器。在本文中,我们讨论了三种可能的扩展,并专注于那些只依赖于输入和输出之间的统计依赖。这种选择忽略了涉及内部随机性的详细数据生成过程,因此可以应用于更广泛的问题。我们建议使用广义lambda模型来模拟随机模拟器的响应分布。这样的代理可以在不需要复制的情况下构造。所提出的方法被应用到三个例子,包括两个案例研究在金融和流行病学。结果证实了收敛的方法估计的灵敏度指数,即使存在强异方差和小的信号噪声比。
2021-05-31 stat.CO stat.ME stat.ML
A sensitivity analysis to quantify the impact of neuroimaging preprocessing strategies on subsequent statistical analyses
Neurobiology Research Unit, Rigshospitalet(神经生物学研究单位,哥本哈根大学医院);Section of Biostatistics, University of Copenhagen(生物统计学系,哥本哈根大学);Molecular Imaging Branch, National Institute of Mental Health (NIMH)(分子成像分支,国家心理健康研究所);Department of Computer Science, University of Copenhagen(计算机科学系,哥本哈根大学)
针对神经影像预处理流程灵活性影响研究结果的问题,提出可整合多流程结果的统计工具与跨流程假设检验的灵敏度分析框架,通用性强且经正电子发射断层扫描数据验证。
2024-04-24 cs.CV stat.CO
Global sensitivity analysis in the context of imprecise probabilities (p-boxes) using sparse polynomial chaos expansions
全局敏感性分析旨在确定计算模型的哪些不确定输入参数主要驱动感兴趣的输出量的方差。当输入参数由使用随机变量的古典概率理论建模时,Sobol指数现在常规地应用于这种情况。然而,在许多实际应用中,输入参数受偶然和认知(所谓的多态性)的不确定性,其中不精确的概率表示在过去十年中已经变得流行。在本文中,我们认为,不确定的输入参数的参数概率箱(P盒)建模。我们提出区间值(所谓的不精确)Sobol指数作为其经典定义的扩展。基于增广空间、等概率变换和稀疏多项式混沌展开的概念,设计了一种新的算法,以极低的代价计算这些不精确的Sobol指数。特别是,幻影点被引入,以建立一个试验设计在增强空间(必要的稀疏PCE的校准),这导致了一个聪明的重复使用运行的原始计算模型。三个分析和工程的例子,它允许一个验证所提出的算法对蛮力双环蒙特卡罗模拟的方法说明。
2017-05-29 stat.CO stat.ME
Enhancing Variable Importance in Random Forests: A Novel Application of Global Sensitivity Analysis
University of Naples Federico II(那不勒斯费德里科二世大学);University Pompeu Fabra(庞培法布拉大学);Barcelona School of Management(巴塞罗那管理学院);University of Bergen(卑尔根大学)
本文提出将全局敏感性分析应用于随机森林,以新颖方式对输入特征按可解释性重要性排序,模拟实验验证了其在效率与解释能力上的提升。
2024-07-19 cs.LG stat.AP stat.CO
Derivative based global sensitivity analysis and its entropic link
针对仅用二阶中心矩难以表征高度偏态或重尾分布不确定性、基于熵的GSA因难估计而应用受限的问题,提出基于导数的条件熵上界作为熵基总效应指标代理,经数值验证和物理模型测试,其性能良好且能补充Sobol'指标适应多样分布。
2025-02-10 cs.NA math.NA math.PR
A global sensitivity analysis approach for morphogenesis models
CWI(荷兰数学与计算机科学中心);Leiden University(莱顿大学);King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学)
本文提出一种全局敏感性分析方法,用于研究形态发生模型中单参数及参数交互对输出的影响,通过血管形态发生模型验证,识别了主导参数并为模型简化提供依据。
2015-11-24 cs.NA math.NA q-bio.CB
Global sensitivity analysis using derivative-based sparse Poincaré chaos expansions
本研究证明庞加莱基的导数仍具正交性,提出基于导数的稀疏庞加莱混沌展开方法,通过稀疏回归计算谱展开,能准确估计Sobol'指数且性能优于PCE,还推导了DGSM的解析表达式并探究其作为总Sobol'指数上界的性能。
2023-06-09 cs.NA math.CA math.NA