敏感性分析：解析輸入輸出關係中的關鍵參數
敏感性分析是一種探究數學模型或系統中輸出不確定性如何起源於輸入不確定性的過程。它通過排序輸入的強度和相關性，確定它們對輸出變異的影響程度。
影響建築物熱能表現的關鍵因素也能透過敏感性分析被辨別出來。建築領域的敏感性分析通常採用以下步驟：
輸入範圍：定義輸入變數的範圍是分析的基礎。不同的分析方法採用不同的取樣策略生成輸入組合。
採樣方法：迴歸和元模型方法偏好使用拉丁超立方體抽樣。篩選和基於變異的方法則會採用專門的抽樣方式。
執行分析：敏感性分析透過大量的模擬運算進行。建築模擬軟體如 EnergyPlus 和 DOE2 屬於適用的工具。
靈敏度測量：從輸入和輸出資料中進行靈敏度分析。這一步通常花費較少時間，但元模型方法可能需要較長的時間進行構建。
敏感性分析分為局部和全局兩種方法。全局方法包括迴歸、篩選、基於變異和元模型方法，能夠探討整個輸入空間並驗證自身結果。
基於變異的方法透過機率分佈量化輸入和輸出的不確定性，將輸出變異分解為可歸屬於輸入變量和變量組合的部分。篩選方法則是一個基於採樣的特殊實例，目的是識別影響輸出不確定性的輸入變數，而非精確量化敏感性。
迴歸分析應用於線性響應的模型。它透過線性迴歸模型輸出的響應，並使用標準化的迴歸係數作為敏感性的直接衡量標準。局部方法（例如偏導數和 Adjoint 模型）僅探討輸入的微小擾動，無法偵測多個輸入的耦合情況。
SALib 是一個開源 Python 函式庫，用於執行敏感性分析。它不直接與模型互動，而是使用 sample 函式產生模型輸入，並利用 analyze 函式從模型輸出計算敏感性指標。
總之，敏感性分析可以幫助決策者瞭解輸入因素對輸出結果的影響程度，從而提高模型的預測精度和可靠性。
敏感度分析是什麼？
敏感度分析是一種統計技術，用於評估因變數對自變數變化的反應程度。它可以幫助研究者確定模型中哪些變數對預測結果最具影響力，並瞭解變數間的敏感度。
敏感度分析的類型
| 類型 | 描述 |
|---|---|
| 一階敏感度分析 | 測量單一變數的變動對預測結果的影響。 |
| 二階敏感度分析 | 測量兩個變數同時變動對預測結果的影響。 |
| 全局敏感度分析 | 測量所有變數的變動對預測結果的影響。 |
敏感度分析的步驟
敏感度分析的步驟包括：
- 定義目標函數：確定感興趣的預測結果。
- 選擇輸入變數：確定影響目標函數的變數。
- 設定變數範圍：定義每個輸入變數的可能取值範圍。
- 執行模擬：多次執行模型，並將輸入變數隨機設定在指定的範圍內。
- 計算影響：記錄每次模擬的預測結果，並計算輸入變數變動對結果的影響。
- 評估敏感度：根據影響程度排序輸入變數，從而確定最具影響力的變數。
敏感度分析的應用
敏感度分析廣泛應用於各種領域，包括：
延伸閲讀…
敏感性分析_百度百科
敏感性分析法
- 金融建模：評估投資組合、風險和報酬。
- 藥物研究：確定藥物劑量的有效性。
- 氣候建模：預測氣候變化對生態系統的影響。
- 工程設計：優化設計參數以提高性能。