数据污染情形下的全局灵敏度分析

O212.1; 基于方差的全局灵敏度分析方法在很多领域得到了广泛应用.为解决数据污染情形下样本均值和方差易受异常值影响的问题,提出将稳健统计量和双循环重排序方法相结合改进Sobol'蒙特卡洛仿真计算方法.该方法采用样本中位数或Hodges-Lehmann替代样本均值估计位置参数,用中位数绝对偏差或Shamos替代样本方差估计尺度参数.在数据污染或偏态分布情形下基于改进的稳健双循环重排序方法能正确识别模型输入因子的重要度,实现了模型输出不确定性溯源.仿真结果表明:当数据中异常值的比例不超过29.3％时,所提方法是稳健的,具有较强的抵抗异常值能力;该方法不但在数据理想无污染情形下有效,而...

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 28; no. 9; pp. 2927 - 2938
Main Authors 谢恩, 马义中, 刘丽君, 林成龙
Format Journal Article
LanguageChinese
Published 南京理工大学经济管理学院,江苏 南京 210094 30.09.2022
Subjects
稳健统计量
全局灵敏度分析
Sobol’指数
数据污染
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2022.09.023

Cover

More Information
Summary:O212.1; 基于方差的全局灵敏度分析方法在很多领域得到了广泛应用.为解决数据污染情形下样本均值和方差易受异常值影响的问题,提出将稳健统计量和双循环重排序方法相结合改进Sobol'蒙特卡洛仿真计算方法.该方法采用样本中位数或Hodges-Lehmann替代样本均值估计位置参数,用中位数绝对偏差或Shamos替代样本方差估计尺度参数.在数据污染或偏态分布情形下基于改进的稳健双循环重排序方法能正确识别模型输入因子的重要度,实现了模型输出不确定性溯源.仿真结果表明:当数据中异常值的比例不超过29.3％时,所提方法是稳健的,具有较强的抵抗异常值能力;该方法不但在数据理想无污染情形下有效,而且在数据污染或偏态分布情形下表现良好.
ISSN:1006-5911
DOI:10.13196/j.cims.2022.09.023