精华内容
下载资源
问答
  • 为了提高彬长矿区大佛寺井田地面直井开发煤层气的产能和经济效益,利用煤储层数值模拟方法对孔隙度、煤层厚度、渗透率以及气含量等煤储层参数进行产能敏感性分析。研究表明:对于大佛寺井田煤层特征来讲,直井累计产气...
  • 为了有效识别作物模型关键参数,减少模型模拟的不适用性,选取河北省藁城市2009—2010年冬小麦作为研究对象,应用扩展傅立叶振幅灵敏度检验法(EFAST),对WOFOST模型26个作物参数进行敏感性分析。结果表明,生育期为0.5和...
  • GLUE方法对新安江模型参数的敏感性分析,刘娜,,简要介绍普适似然不确定估计GLUE方法的原理,应用该方法研究新安江水文模型的参数敏感性问题,以资水流域资料为例,分析日径流参�
  • 基于LH-OAT方法的SWAP-EPIC模型参数敏感性分析,能锋田,姜瑶,综述文章:以背景、研究现状、研究用途的结构书写,篇幅以150~300字左右为宜,不用第一人称做主语,不与正文语句重复。一般研究性
  • 传统敏感性分析方法被广泛用于识别重要参数,然而它并没有考虑参数交互作用的动态变化对筛选过程的影响。对此,利用一个典型非线性数学函数分析该变化导致的筛选结果偏差,进而提出了动态敏感性分析方法(Dynamic ...
  • 为了得到高重度、低强度、低模量的岩石相似材料模型,采用正交试验设计的方法对铁晶砂胶结类岩石试样材料参数进行敏感性分析。以骨料含量,铁粉:重晶石粉,(铁粉+重晶石粉):粗石英:细石英以及水泥:石膏为4因素3水平,...
  • 问题是,我想知道对于此数据和模型,参数a,b,c的敏感性,也就是y的改变量与a、b、c的改变量的比值关系。首先用1stopt分析:1 NewCodeBlock"SA";2 Parameter a=[1,3],b=[2,4],c=[3,5];//要优化的参数及其范围3 ...

    首先看抛物线函数:

    现在我取a=2,b=3,c=4 ,得到如下函数:

    x或t都是指自变量,就不改了,一个意思。

    问题是,我想知道对于此数据和模型,参数a,b,c的敏感性,也就是y的改变量与a、b、c的改变量的比值关系。

    首先用1stopt分析:

    1 NewCodeBlock"SA";2 Parameter a=[1,3],b=[2,4],c=[3,5];//要优化的参数及其范围3 Variable t,y;//变量4 Function y=a*t^2+b*t+c;5 Data;6 //t y 变量顺序要和Variable后变量对应

    7 -5 39

    8 -4 24

    9 -3 13

    10 -2 6

    11 -1 3

    12 0 4

    13 1 9

    14 2 18

    15 3 31

    16 4 48

    17 5 69

    以下分别为各种参数敏感性方法(包括morris局部和全局,偏微分方法局部和全局):

    以上就是4中方法的结果。用的目标函数是SSR,点的范围我用的是上下浮动50%,正好布满整个给定空间:

    可以看morris局部敏感度分析具体数据:

    a:

    b:

    c:

    然后将灵敏度指数平均得到morris局部方法(本质是OAT方法,一次改变一个)分析结果:

    全局方法(本质是通过拉丁抽样实现同时考虑多个参数的影响)就不是这个思路了,看一下超拉丁抽样:

    总结一下1stopt中4种方法参数灵敏度结果:

    morris方法局部:

    名称 灵敏度指数 灵敏度指数(%)

    a3.916E1889.1113892365457

    b4.125E179.38673341677096

    c6.6E161.50187734668335

    morris方法全局:

    名称 灵敏度指数 灵敏度指数(%)

    a2.00290323137447E1881.4890482414753

    b2.10289523274038E178.55572692595605

    c2.44687506069835E179.95522483256862

    偏微分方法局部:

    名称 灵敏度指数 灵敏度指数(%)

    a3.99432000000567E1889.1113892365577

    b4.20750000000213E179.38673341676365

    c6.73199999998753E161.50187734667864

    偏微分方法全局:

    名称 灵敏度指数 灵敏度指数(%)

    a3.98876054886661E1882.084202339751

    b4.20542269921853E178.65428655186941

    c4.50049450186404E179.26151110837963

    下面用matlab写sobol方法进行分析:

    1 %sobol 参数敏感性分析2 %算法参考:3 % csdn : https://blog.csdn.net/xiaosebi1111/article/details/46517409

    4 % wiki: https://5 %运行环境 matlab2016b6 %作者 blzhu@buaa.edu.cn 2020年6月7日7 %%初始化8 clc;9 clear all;10 close all;11 %%设定:给定参数个数和各个参数的范围12

    13 % % 1-自定义子函数114 % D=3;%维度3,几个参数15 % nPop=4:500:5000;%采样点个数,也就是参数水平数 ,取大了好,比如4000,但慢16 % VarMin=[-pi -pi -pi ];%各个参数下限 SALib :S1: [ 0.30797549 0.44776661 -0.00425452] ;ST: [0.56013728 0.4387225 0.24284474]17 % VarMax=[pi pi pi];%各个参数上限18 % myFunction=@(x) Ishigami(x);%目标函数,也可以是个黑盒子19

    20 % % 1-自定义子函数221 D=3;%维度3,几个参数22 nPop=4:50:1000;%采样点个数,也就是参数水平数 ,取大了好,比如4000,但慢23 VarMin=[1 2 3 ];%各个参数下限24 VarMax=[3 4 5];%各个参数上限25 myFunction=@(x) myx2(x);26

    27 % % 1-自定义子函数328 % D=4;%维度3,几个参数29 % nPop=4:50:1000;%采样点个数,也就是参数水平数 ,取大了好,比如4000,但慢30 % VarMin=[1 2 3 4];%各个参数下限31 % VarMax=[3 4 5 5];%各个参数上限32 % myFunction=@(x) myx3(x);33

    34

    35 %%开始计算36 numnPop=numel(nPop);37 SAll=zeros(numnPop,D+1);%分别是各参数的敏感度,最后一列是各参数敏感度之和38 STAll=zeros(numnPop,D+1);39 for i=1:numnPop40 [S,ST]=sobol(D,nPop(i),VarMin,VarMax,myFunction);41 SAll(i,1:D)=S';

    42 SAll(i,D+1)=sum(SAll(i,1:D));43 STAll(i,1:D)=ST';

    44 STAll(i,D+1)=sum(STAll(i,1:D));45 end46 %%绘图47 color=[1 0 0;0 1 0;0 0 1;0.5 0.1 0;0 0.3 0.4;0.6 0.7 0.2;0.5 0.8 0.9;0 0.2 0.1;0.1 0.5 0;0.1 0 0.5;0.5 0 0.1];%12种颜色 一般颜色不一样48 marker=['o','+','*','.','x','s','d','^','v','>','

    52 figure(1)53 for i=1:D+1

    54 plot(nPop,SAll(:,i),'Marker',marker(i),'LineStyle',char(linestyle(useL)),'Color',color(i,:),'LineWidth',1);55 hold on56 end57 title('Sobol-S');58 whichPara=sprintfc('%g',repmat(1:D+1,1,2));%把数字数组转化成字符串数组59 legend(whichPara,'Location','bestoutside');%加图例60

    61

    62 figure(2)63 for i=1:D+1

    64 plot(nPop,STAll(:,i),'Marker',marker(i),'LineStyle',char(linestyle(useL)),'Color',color(i,:),'LineWidth',1);65 hold on66 end67 title('Sobol-ST');68 whichPara=sprintfc('%g',repmat(1:D+1,1,2));%把数字数组转化成字符串数组69 legend(whichPara,'Location','bestoutside');%加图例70

    71 disp('一阶影响指数(左方向收敛于1)Sobol-S:');72 disp(S);73 disp('总效应指数(大于等于1,且仅当myfun是纯相加时取等号)Sobol-ST:');74 disp(ST);75 disp(datetime);76 disp('parameter sensitive analyse success use sobol method!');77 %%火车声音提示已经算完了78 load train79 sound(y,Fs)80

    81

    82

    83 %% -------------------------子函数 matlab2016之前不支持子函数写在同一个m文档中----------------------------

    84 % 1-自定义子函数1(3个参数)Ishigami https://www.sfu.ca/~ssurjano/ishigami.html

    85 function y=Ishigami(x)86 y=sin(x(1))+7*(sin(x(2)))^2+0.1*x(3)^4*sin(x(1));%SALib用的这个87 % y=sin(x(1))+7*(sin(x(2)))^2+0.05*x(3)^4*sin(x(1));88 end89

    90 % 1-自定义子函数2 (3个参数)91 function y=myx2(x)92 t=-5:1:5;%与此处有t范围和步距有关系93 % t=-5:0.1:5;%与此处有t范围和步距有关系94 ylab=2*t.^2+3*t+4;95 ytheory=x(1)*t.^2+x(2)*t+x(3);96 y=sum((ylab-ytheory).^2);%残差平方和SSR作为目标函数97 % y=sum((ylab-ytheory).^2)/numel(t);%各参数灵敏度与上式相同98 end99

    100

    101 % 1-自定义子函数3(4个参数)102 function y=myx3(x)103 t=-5:1:5;104 ylab=2*t.^3+3*t.^2+4*t+5;105 ytheory=x(1)*t.^3+x(2)*t.^2+x(3)*t+x(4);106 y=sum((ylab-ytheory).^2);107 end108

    109

    110

    111 %% 2-求sobol敏感度112 function [S,ST]=sobol(D,nPop,VarMin,VarMax,myFunction)113 M=D*2;%

    114 %%产生所需的各水平参数115 VarMin=[VarMin,VarMin];116 VarMax=[VarMax,VarMax];117 p= sobolset(M);% https://www.cnblogs.com/zhubinglong/p/12260292.html

    118 % R=p(1:nPop,:);%我只用前nPop个119 R=[];120 for i=1:nPop121 r=p(i,:);122 r=VarMin+r.*(VarMax-VarMin);123 R=[R; r];124 end125 % plot(R(:,1),'b*')126 %拆分为A B127 A=R(:,1:D);%每行代表一组参数,其中每列代表每组参数的一个参数;行数就代表共有几组参数128 B=R(:,D+1:end);129 %根据A B 产生矩阵AB130 AB=zeros(nPop,D,D);131 for i=1:D132 tempA=A;133 tempA(:,i)=B(:,i);134 AB(1:nPop,1:D,i)=tempA;135 end136 %%求各参数解137 YA=zeros(nPop,1);%解138 YB=zeros(nPop,1);139 YAB=zeros(nPop,D);%分别代表YAB1,YAB2,YAB3,YAB(:,D)就代表YABD140 for i=1:nPop141 YA(i)=myFunction(A(i,:));142 YB(i)=myFunction(B(i,:));143 for j=1:D144 YAB(i,j)=myFunction(AB(i,:,j));145 end146 end147 %%根据一阶影响指数公式:148 VarX=zeros(D,1);%S的分子149 S=zeros(D,1);150

    151 % 0: 估算基于给定样本的方差(EXCEL var.p) ; 1:计算基于给定的样本总体的方差(EXCEL var.p())152 % var([2.091363878 1.110366059 3.507651769 1.310950363 2.091363878 3.507651769 1.110366059 1.7066512],1);153 VarY=var([YA;YB],1,'omitnan');% S的分母。 计算基于给定的样本总体的方差(EXCEL var.p())154 for i=1:D155 for j=1:nPop156 VarX(i)=VarX(i)+YB(j)*(YAB(j,i)-YA(j));157 end158 VarX(i)=1/nPop*VarX(i);%蒙特卡罗估计量159 S(i)=VarX(i)/VarY;160 end161

    162 %%总效应指数163 EX=zeros(D,1);164 ST=zeros(D,1);165 for i=1:D166 for j=1:nPop167 EX(i)=EX(i)+(YA(j)-YAB(j,i))^2;168 end169 EX(i)=1/(2*nPop)* EX(i);%蒙特卡罗估计量170 ST(i)=EX(i)/VarY;171 end172 end

    我分别取了不同个数的样点 4:50:1000 ,结果如下,可见1000个样点基本稳定了。

    各参数的灵敏度:

    一阶影响指数(左方向收敛于1)Sobol-S:

    0.9728

    0.0030

    0.0001

    总效应指数(大于等于1,且仅当myfun是纯相加时取等号)Sobol-ST:

    0.9860

    0.0031

    0.0155

    当然,也可以在matlab的fileexchange上下载各种工具箱,但这个根据csdn和wiki上写的算法相对简单些,便于魔改。

    用python的SALib包分析

    Method of Morris, including groups and optimal trajectories ([Morris 1991], [Campolongo et al. 2007])

    Fourier Amplitude Sensitivity Test (FAST) ([Cukier et al. 1973], [Saltelli et al. 1999])

    Delta Moment-Independent Measure ([Borgonovo 2007], [Plischke et al. 2013])

    Derivative-based Global Sensitivity Measure (DGSM) ([Sobol and Kucherenko 2009])

    Fractional Factorial Sensitivity Analysis ([Saltelli et al. 2008])

    下面以sobol方法举例:

    1 #https://salib.readthedocs.io/en/latest/basics.html#run-model

    2 #-*- coding: utf-8 -*-

    3 from SALib.sample importsaltelli4 from SALib.analyze importsobol5 from SALib.test_functions importIshigami6 importnumpy as np7 importmath8 from SALib.plotting.bar importplot as barplot9 importmatplotlib.pyplot as plot10

    11 #problem = {

    12 #'num_vars': 3,

    13 #'names': ['x1', 'x2', 'x3'],

    14 #'bounds': [[-3.14159265359, 3.14159265359],

    15 #[-3.14159265359, 3.14159265359],

    16 #[-3.14159265359, 3.14159265359]]

    17 #}

    18

    19 problem ={20 'num_vars': 3,21 'names': ['x1', 'x2', 'x3'],22 'bounds': [[1, 3],23 [2, 4],24 [3, 5]]25 }26

    27

    28 param_values = saltelli.sample(problem, 1000)#不管用哪个方法计算y,这个要有

    29 np.savetxt("param_values.txt", param_values)#将参数变化保存,其实是各参数范围内的sobol抽样

    30

    31 ## 计算Y

    32 ##1-自定义-1

    33 #Y = np.zeros([param_values.shape[0]])

    34 #A = 7

    35 #B = 0.1

    36 #for i, X in enumerate(param_values):

    37 #Y[i] = math.sin(X[0]) + A * math.pow(math.sin(X[1]), 2) + \

    38 #B * math.pow(X[2], 4) * math.sin(X[0])

    39

    40 #1-自定义-2

    41 Y =np.zeros([param_values.shape[0]])42 for i, X inenumerate(param_values):43 tarr=np.arange(-5,6,1);44 yerror=0.0;45 for t intarr:46 ylab=2*t**2+3*t+4;47 ytheory=X[0]*t**2+X[1]*t+X[2];48 yerror=yerror+(ylab-ytheory)**2;49

    50 Y[i] =math.sqrt(yerror);51

    52 #2-load计算好的txt

    53 #Y = np.loadtxt("outputs.txt", float)

    54

    55 #3-SALib自带测试函数

    56 #Y = Ishigami.evaluate(param_values)

    57 ## np.savetxt("outputs.txt", Y)#将因变量变化结果保存

    58

    59 Si = sobol.analyze(problem, Y ,print_to_console=True)60 print()#自动输出S1(单个参数对因变量的影响)、ST(考虑各个变量相互影响)和S2(两两参数之间影响),需有,print_to_console=True

    61

    62 print("all parameters first-order sensitivity indices S1:")63 print(Si['S1'])#一阶影响指数

    64 print("all parameters second-order sensitivity indices S2:")65 print(Si['S2'])#二阶影响指数

    66 print("all parameters total sensitivity indices ST:")67 print(Si['ST'])#总效应指数

    68

    69 #绘图 https://zhuanlan.zhihu.com/p/137953265

    70 Si_df =Si.to_df()71 barplot(Si_df[0])72 plot.show()

    输出结果:

    Parameter S1 S1_conf ST ST_conf

    x1 0.969397 0.069624 0.982232 0.058139

    x2 0.007222 0.009055 0.009680 0.001325

    x3 0.000848 0.008468 0.011699 0.001033

    Parameter_1 Parameter_2 S2 S2_conf

    x1 x2 0.000330 0.070070

    x1 x3 0.010014 0.069389

    x2 x3 -0.000129 0.013788

    all parameters first-order sensitivity indices   S1:

    [9.69397123e-01 7.22243327e-03 8.47690887e-04]

    all parameters second-order sensitivity indices   S2:

    [[        nan  0.00032978  0.01001386]

    [        nan         nan -0.00012935]

    [        nan         nan         nan]]

    all parameters total  sensitivity indices   ST:

    [0.9822323  0.00968001 0.01169928]

    也可以用morris方法:

    只需要导入

    from SALib.analyze import morris

    然后用

    Si = morris.analyze(problem, Y ,print_to_console=True)  代替

    Si = sobol.analyze(problem, Y ,print_to_console=True)

    1 #https://salib.readthedocs.io/en/latest/basics.html#run-model

    2 #-*- coding: utf-8 -*-

    3 from SALib.sample importsaltelli4 from SALib.analyze importsobol5 from SALib.analyze importmorris6 from SALib.test_functions importIshigami7 importnumpy as np8 importmath9 from SALib.plotting.bar importplot as barplot10 importmatplotlib.pyplot as plot11

    12 #problem = {

    13 #'num_vars': 3,

    14 #'names': ['x1', 'x2', 'x3'],

    15 #'bounds': [[-3.14159265359, 3.14159265359],

    16 #[-3.14159265359, 3.14159265359],

    17 #[-3.14159265359, 3.14159265359]]

    18 #}

    19

    20 problem ={21 'num_vars': 3,22 'names': ['x1', 'x2', 'x3'],23 'bounds': [[1, 3],24 [2, 4],25 [3, 5]]26 }27

    28

    29 param_values = saltelli.sample(problem, 1000)#不管用哪个方法计算y,这个要有

    30 np.savetxt("param_values.txt", param_values)#将参数变化保存,其实是各参数范围内的sobol抽样

    31

    32 ## 计算Y

    33 ##1-自定义-1

    34 #Y = np.zeros([param_values.shape[0]])

    35 #A = 7

    36 #B = 0.1

    37 #for i, X in enumerate(param_values):

    38 #Y[i] = math.sin(X[0]) + A * math.pow(math.sin(X[1]), 2) + \

    39 #B * math.pow(X[2], 4) * math.sin(X[0])

    40

    41 #1-自定义-2

    42 Y =np.zeros([param_values.shape[0]])43 for i, X inenumerate(param_values):44 tarr=np.arange(-5,6,1);45 yerror=0.0;46 for t intarr:47 ylab=2*t**2+3*t+4;48 ytheory=X[0]*t**2+X[1]*t+X[2];49 yerror=yerror+(ylab-ytheory)**2;50

    51 Y[i] =math.sqrt(yerror);52

    53 #2-load计算好的txt

    54 #Y = np.loadtxt("outputs.txt", float)

    55

    56 #3-SALib自带测试函数

    57 #Y = Ishigami.evaluate(param_values)

    58 ## np.savetxt("outputs.txt", Y)#将因变量变化结果保存

    59

    60 #Si = sobol.analyze(problem, Y ,print_to_console=True)

    61 Si = morris.analyze(problem, Y ,print_to_console=True)62 print()#自动输出S1(单个参数对因变量的影响)、ST(考虑各个变量相互影响)和S2(两两参数之间影响),需有,print_to_console=True

    63

    64 print("all parameters first-order sensitivity indices S1:")65 print(Si['S1'])#一阶影响指数

    66 print("all parameters second-order sensitivity indices S2:")67 print(Si['S2'])#二阶影响指数

    68 print("all parameters total sensitivity indices ST:")69 print(Si['ST'])#总效应指数

    70

    71 #绘图 https://zhuanlan.zhihu.com/p/137953265

    72 Si_df =Si.to_df()73 barplot(Si_df[0])74 plot.show()

    python3.8.1+SALib1.3 use morris

    Parameter S1 S1_conf ST ST_conf

    x1 0.969397 0.072129 0.982232 0.062795

    x2 0.007222 0.008033 0.009680 0.001303

    x3 0.000848 0.009519 0.011699 0.001045

    Parameter_1 Parameter_2 S2 S2_conf

    x1 x2 0.000330 0.087924

    x1 x3 0.010014 0.087743

    x2 x3 -0.000129 0.013700

    all parameters first-order sensitivity indices   S1:

    [9.69397123e-01 7.22243327e-03 8.47690887e-04]

    all parameters second-order sensitivity indices   S2:

    [[        nan  0.00032978  0.01001386]

    [        nan         nan -0.00012935]

    [        nan         nan         nan]]

    all parameters total  sensitivity indices   ST:

    [0.9822323  0.00968001 0.01169928]

    小技巧:

    SALib如果不便于将目标函数写为函数的形式,可以将代码:

    np.savetxt("param_values.txt", param_values)# 将参数变化保存,其实是各参数范围内的sobol抽样

    生成的抽样带入自己的系统,然后根据自己需要生成对应抽样的目标函数,将目标函数放入同目录下的 outputs.txt 文档中,一行一个结果,然后用这个语句代替上面求Y[i]:

    Y = np.loadtxt("outputs.txt", float)

    就是说提供了参数变化以及目标函数变化,用SALib就可以求参数灵敏度了。

    总结:

    matlab我用的sobol生成的抽样和别人的不一样,不知道为什么,这个是造成与python计算不一样的一个原因吧。但差别不大。

    展开全文
  • 为了提高预应力锚索抗滑桩的支护效果,采用数值模拟方法研究其敏感性,计算了锚索抗滑桩锚固深度、锚索抗滑桩倾斜角度、锚固角度、锚固长度及锚固位置5个因素对滑坡稳定性的影响,并对各因素的敏感性进行排序,影响程度...
  • 为了理清实验过程中各参数的影响和提高等温吸附实验的测试精度,基于波义尔定律建立了煤储层容量法等温吸附实验稳定性和精确性分析的数学模型,利用Matlab软件对吸附实验过程进行了数值模拟。研究表明,吸附实验的稳定...
  • 敏感性分析

    2020-11-05 10:24:07
    敏感性分析是投资项目的经济评价中常用的一种研究不确定性的方法。它在确定性分析的基础上,进一步分析不确定性因素对投资项目的最终经济效果指标的影响及影响程度。 类型 敏感性因素一般可选择主要参数(如销售...

    敏感性分析是投资项目的经济评价中常用的一种研究不确定性的方法。它在确定性分析的基础上,进一步分析不确定性因素对投资项目的最终经济效果指标的影响及影响程度。


    类型

    敏感性因素一般可选择主要参数(如销售收入、经营成本、生产能力、初始投资、寿命期、建设期、达产期等)进行分析。若某参数的小幅度变化能导致经济效果指标的较大变化,则称此参数为敏感性因素,反之则称其为非敏感性因素。
    敏感性分析


    敏感性分析是指从定量分析的角度研究有关因素发生某种变化对某一个或一组关键指标影响程度的一种不确定分析技术。其实质是通过逐一改变相关变量数值的方法来解释关键指标受这些因素变动影响大小的规律。
    利润的敏感性分析


    利润的敏感性分析是指专门研究制约利润的有关因素在特定条件下发生变化时对利润所产生影响的一种敏感性的分析方法。进行利润敏感性分析的主要目的是计算有关因素的利润灵敏度指标,揭示利润与有关因素之间的相对关系,并利用灵敏度指标进行利润预测。

    步骤

    1、确定敏感性分析指标
    敏感性分析的对象是具体的技术方案及其反映的经济效益。因此,技术方案的某些经济效益评价指标,例如息税前利润、投资回收期、投资收益率、净现值、内部收益率等,都可以作为敏感性分析指标。
    2、计算该技术方案的目标值
    一般将在正常状态下的经济效益评价指标数值,作为目标值。
    3、选取不确定因素
    在进行敏感性分析时,并不需要对所有的不确定因素都考虑和计算,而应视方案的具体情况选取几个变化可能性较大,并对经效益目标值影响作用较大的因素。例如:产品售价变动、产量规模变动、投资额变化等;或是建设期缩短,达产期延长等,这些都会对方案的经济效益大小产生影响。
    4、计算不确定因素变动时对分析指标的影响程度
    若进行单因素敏感性分析时,则要在固定其它因素的条件下,变动其中一个不确定因素;然后,再变动另一个因素(仍然保持其它因素不变),以此求出某个不确定因素本身对方案效益指标目标值的影响程度。
    5、找出敏感因素,进行分析和采取措施,以提高技术方案的抗风险的能力。

    资源

    全局敏感性分析工具箱

    临床测试性能的Matlab项目

    展开全文
  • 对于敏感性分析,我们使用拉丁超立方体采样(LHS)方法生成采样点,并使用部分秩相关系数(PRCC)方法,使用这些采样点来找出哪些参数对于模型很重要。 根据我们的发现,我们建议一些治疗策略。 我们研究了肿瘤体积...
  • 提高液压支架设计的可靠性,应用有限元法对液压支架进行强度、可靠性和敏感性分析,研究液压支架在不同工况下对不同载荷、材料特性等的敏感性,提出了用有限元法对液压支架进行可靠性及敏感性分析方法,并以ZF8000/22/...
  • 针对体积模型中泥质、烃俘获截面参数变化范围较大,不利于在解释中确定准确参数和在解释过程中对实际资料微调参数的问题,采用参数敏感性方法,进行对各参数的偏导数分析和在实际井当中的应用,取得了不同深度下各参数...
  • prosail模型敏感性分析

    千次阅读 2020-04-06 22:07:55
    敏感性分析一般借助simlab软件,具体敏感性分析方法可以参考https://www.jianshu.com/p/2656af9f8d81 首先通过simlab软件进行样本采样,生成.SAM文件(我定义了7个参数), 然后读取文件中的参数值,代入PROSAIL...

    敏感性分析一般借助simlab软件,具体敏感性分析的方法可以参考https://www.jianshu.com/p/2656af9f8d81
    首先通过simlab软件进行样本采样,生成.SAM文件(我定义了7个参数),
    在这里插入图片描述然后读取文件中的参数值,代入PROSAIL模型
    不了解PROSAIL的可以参考https://blog.csdn.net/weixin_45452300/article/details/105300067
    得到的结果生成是simlab可以读取的模型结果文件。

    import os
    import prosail
    para_dir = r'C:\Users\Administrator\Desktop\在家写的小程序'
    data_dir = r'C:\Users\Administrator\Desktop\在家写的小程序'
    
    with open(os.path.join(para_dir,'prosailoutput3.txt'),'a') as fp2:# 打开创建输出结果文件
        fp2.writelines(['1','\n','spectrum','\n','time = yes','\n'])
        with open(os.path.join(para_dir,'prosailminganx3.sam'),'r') as fp:
            fp.readline() # 第一行
            number = fp.readline() #第二行为生成参数个数
            fp.readline() #变量个数
            fp.readline() #0  此后开始读参数
            fp2.write(str(number))
            for i in range(int(number)):#提取参数
                sim_paraments = list(map(float,fp.readline().split('\t')[:-1]))
                rr = prosail.run_prosail(sim_paraments[0], sim_paraments[1], sim_paraments[2], sim_paraments[3], sim_paraments[4], sim_paraments[5], sim_paraments[6], -0.35, 0.01,
                            30., 10., 0., typelidf=2, 
                            rsoil = 1., psoil=1., factor="SDR")
                fp2.writelines(['RUN',' ',str(i),'\n'])
                fp2.write('2101')
                fp2.write('\n')
                for j in range(2101):
                    fp2.writelines([str(j+400),' ',str(rr[j]),'\n'])
                if i%50==0:
                    print(i)
    

    得到结果
    在这里插入图片描述
    经过simlab分析后得到敏感性结果,做成图如下
    这里有个问题尚未解决,采样一阶敏感性指数作图时发现采样次数小的话,参数的一阶敏感性指数之和会大于一,3000次左右采样后就不大于一了。
    采样2000次
    在这里插入图片描述
    采样3500次
    在这里插入图片描述

    展开全文
  • 根据安太堡露天矿西北帮边坡工程实践,运用极限平衡理论的方法,借助Slide软件,探讨了进行边坡稳定性分析的3个关键问题,并采用4种极限平衡方法进行了该边坡稳定性的计算和分析;研究了岩体黏聚力、内摩擦角和容重参数对...
  • 我已经推导出了基本再生数R0的公式,现在我想分析它对公式中不同参数敏感性。我想l利用PRCC(偏序相关系数) 分析 (我想使用拉丁超立方体采样 - 我不确定) 。如何使用 MATLAB 进行此类灵敏度分析?有没有相应的...
  • 引入全局敏感性分析方法,研究典型传输场景下113个输入参数的不确定性对热畸变参数(ND)数值模型的影响。通过主效应检测将输入参数分为对ND影响重要的参数和不重要的参数;把主效应检测筛选出的不重要参数固定后,...
  • 时空图像测速法的敏感性分析及不确定度评估.pdf,时空图像测速方法(STIV)是一种以测速线为分析区域、通过检测合成时空图像的纹理主方向估计一维时均流速测量方法。由于具有空间分辨率高、实时性强的优点,在河流...
  • 药代动力学模型是数学模型,可提供有关化学物质与生物过程相互作用的见解。... 我们已经使用PRCC通过LHS蒙特卡洛方法进行了全球敏感性分析。 我们确定了对人体不同器官中的药物和NP吸收和分布影响最大的关键参数
  • 激光雷达系统是一种功能强大的遥感设备,具有较高的时空分辨率和精度,广泛应用于区域或全球尺度的...重点分析了重叠因子对各个参数敏感性分析结果为指导激光雷达的系统调试、优化配置和误差控制提供了一定的参考。
  • 导读:今天知网小编给知友们分享一期关于《数控加工程序的编制》知识干货,主要讲述数控加工的工艺分析和典型的加工方法;加工程序的编制、结构及常用算法;简要介绍自动编程。本期资料共144页,需要下载请私信小编...

    导读:今天知网小编给知友们分享一期关于《数控加工程序的编制》知识干货,主要讲述数控加工的工艺分析和典型的加工方法;加工程序的编制、结构及常用算法;简要介绍自动编程。

    本期资料共144页,需要下载请私信小编回复“030”

    一、程序编制的基本概念

    数控加工程序编制:从零件图纸到制成控制介质的全过程。

    将零件的加工信息:加工顺序、零件轮廓轨迹尺寸、工艺参数(F、S、T)及辅助动作(变速、换刀、冷却液启停、工件夹紧松开等)等,用规定的文字、数字、符号组成的代码按一定的格式编写加工程序单,并将程序单的信息变成控制介质(磁带、磁盘、穿孔带)的整个过程。

    b386c69126646a5aa9793f8dc2fb5e9f.png

    常用的程序编制方法有:手工编程和自动编程两种。

    手动编程:整个编程过程由人工完成。对编程人员的要求高(不仅要熟悉数控代码和编程规则,而且还必须具备机械加工工艺知识和数值计算能力)

    自动编程:编程人员只要根据零件图纸的要求,按照某个自动编程系统的规定, 将零件的加工信息用较简便的方式送入计算机,由计算机自动进行程序的编制,编程系统能自动打印出程序单和制备控制介质。

    21902e1426e8ed8c067281509cc819bc.png

    手工编程适用于:几何形状不太复杂的零件。

    自动编程适用于:形状复杂的零件;虽不复杂但编程工作量很大的零件(如有数千个孔的零件);虽不复杂但计算工作量大的零件(如轮廓加工时,非圆曲线的计算)

    8c8b4f3a37b36d5b08314b61777c7c95.png

    二、手工编程的内容和步骤

    图纸工艺分析:这一步与普通机床加工零件时的工艺分析相同,即在对图纸进行工艺分析的基上,选定机床、刀具与夹具;确定零件加工的工艺线路、工步顺序及切削用量等工艺参数等。

    be8bd8dc2d4138672bd6fa6cb9c63c6f.png

    计算运动轨迹:根据零件图纸上尺寸及工艺线路的要求,在选定的坐标系内计算零件轮廓和刀具运动轨迹的坐标值,并且按NC机床的规定编程单位(脉冲当量)换算为相应的数字量,以这些坐标值作为编程尺寸。

    8abed8ad42663fd5840aae93ee6166c2.png

    编制程序及初步校验:根据制定的加工路线、切削用量、刀具号码、刀具补偿、辅助动作及刀具运动轨迹,按照数控系统规定指令代码及程序格式,编写零件加工程序,并进行校核、检查上述两个步骤的错误。

    ee00f47f41cd2f938ee537d65c09c089.png

    制备控制介质:将程序单上的内容,经转换记录在控制介质(穿孔带、磁带或磁盘、存储器)上,作为数控系统的输入信息,若程序较简单,也可直接通过键盘输入。

    d8c3fd8009f94a181fde7d09a55b9fcc.png

    程序的校验和试切:所制备的控制介质,必须经过进一步的校验和试切削,证明是正确无误,才能用于正式加工。如有错误,应分析错误产生的原因,进行相应的修改。

    8dd2b641e0267131120feebe859598fc.png

    常用的校验和试切方法:

    1、对于平面轮廓零件可在机床上用笔代替刀具、坐标纸代替工件进行空运转空运行绘图。

    2、对于空间曲面零件,可用蜡块、塑料或木料或价格低的材料作工件,进行试切,以此检查程序的正确性。

    三、数控加工的工艺分析和数控加工方法

    1. 数控加工的工艺分析

    数控机床加工零件和工艺除按一般方式对零件进行分析外,还必须注意以下几点:

    选择合适的对刀点:

    1、对刀点确定刀具与工件相对位置的点。由于程序也是从这一点开始执行,所以对刀点也叫做“程序起点”或起刀点。

    2、对刀点可以是工件或夹具上的点,或者与它们相关的易于测量的点。

    3、对刀点确定之后,机床坐标系与工件坐标系的相对关系就确定了。

    选择对刀点的原则:

    1、选在零件的设计基准或工艺基准上,或与之相关的位置上。2、选在对刀方便,便于测量的地方。

    3、选在便于坐标计算的地方

    3bf9fd63cc995b3a77bfdc2ddcf47c79.png

    刀位点:用于确定刀具在机床坐标系中位置的刀具上的特定点。

    49d06c334075743093d890422eb38ca4.png

    对刀:就是使“对刀点”与“刀位点”重合的操作。

    4f988d669bfa455f83c1db3d25424716.png

    常用的对刀方法为试切法。

    根据试切后工件的尺寸确定刀尖的位置。

    3f0ba8a5e964f7464119a896118911e1.png

    数控车床的对刀

    b00d6fd7c0992157ded19f4a64a47631.png
    918104f7323de634111eda903c63c461.png

    加工线路的确定:

    寻求最短加工路线 如图a所示零件上的孔系,图b的走刀路线为先加工完外圈孔后再加工内圈孔。若改用c图的走刀路线,减少空刀时间,则可节省定位时间近一倍,提高了加工效率。

    84b121e132c0c310d7c1f3f08aded7b5.png

    车削或铣削:

    原则:尽量采用切向切入/出,不用径向切入/切出,以避免由于切入/出路线的不当降低零件的表面加工质量,以保证工件轮廓光滑。

    cd697afe2a89da8bcc01aec2b3a88ab4.png

    刀具应避免在工件轮廓面上垂直上、下刀而划伤工件表面;尽量减少在轮廓加工切削过程中的暂停(切削力突然变化造成弹性变形),以免留下刀痕;

    25b3b1882ec16cfcc9633dd6d40f8863.png
    86e35e01f02d2508304e61f8b2ea175b.png

    空间曲面的加工

    582dfc92ffad284938ce5711763ae496.png

    加工线路的选择应遵从的原则:

    1、尽量缩短走刀路线,减少空走刀行程以提高生产率。

    2、保证零件的加工精度和表面粗糙度要求。

    3、保证零件的工艺要求。

    4、利于简化数值计算,减少程序段的数目和程序编制的工作量。

    9d971f56a4e667d4255614039c9e8f20.png
    65a383eaf563f38dbc0d29ff007b41f7.png
    12b663e177356b67409b958b02f741a3.png

    本文共144页,需要下载全部文档的朋友请点击小编头像,私信回复“030

    展开全文
  • 利用3DEC离散元数值模拟软件建立深部巷道围岩热力耦合模型,并结合Morris全局敏感性分析法,通过一次只改变一个参数的取值方法轮流计算各参数的"基本影响",并根据其均值μ和方差σ的大小判断围岩热传导率、围岩比热容...
  • 在对已有应力敏感性评价参数分析的基础上,提出了新的应力敏感性系数S1与S2,揭示了有效应力对煤储层渗透性的影响规律。研究结果表明:煤储层渗透率随有效应力的增加按负指数函数规律降低,在煤层气开发中煤储层表现出...
  • 根据灰色关联理论分析方法,构建了评价零件表面耐磨指标的灰关联分析模型.通过对5种不同三维表面表征参数对耐磨影响程度的定量分析,得出三维表征参数与耐磨的内在相关性,并计算出三维表面表征参数对耐磨的...
  • 为明确多重因素对计数效率的影响关系,并确定切割粒径的预测模型,以氯化钠细颗粒物为粒子源,采用响应曲面实验设计方法设计实验工况点研究自主研发的正丁醇基凝聚核粒子计数器特性关系。研究结果表明:冷凝器温度...
  • 分析现有在轨标定方法、比较在轨标定和地面标定的差别的基础上,重点分析了星敏感器焦距和主点等内部参数的在轨标定方法,采用扩展卡尔曼滤波对在轨星图进行处理。仿真结果表明,焦距和主点估计值的扩展卡尔曼方法较...
  • 利用概率统计、Monte Carlo数值模拟等技术手段建立空心包体应变计法测试地应力的参数敏感性和误差估算模型,并以国投新集能源股份有限公司两淮矿区4个矿井的实验测试数据为例,统计分析了岩体物理力学参数分布概型和...
  • 为了解决这些问题,提出一种新的基于非参数判别分析(NDA)的维数约减方法,称作动态加权非参数判别分析(DWNDA).DWNDA采用动态加权距离来计算类间散布度和类内散布度,不仅能够保留多模态数据集的本质结构特征,还能有效地...
  • hello,各位,最近在研究全局敏感性分析方法中的Sobol方法,灵敏度之前我们提过可以用来评估某一设计参数对性能的影响程度,全局灵敏度可以分析各设计参数单独或者组合起来对全局的影响。也看了一些国内外的论文,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 390
精华内容 156
热门标签
关键字:

参数敏感性分析方法