Parametergevoeligheid

Parametergevoeligheid, in het Engels parameter sensitivity, is een concept dat wordt gebruikt in verschillende wetenschappelijke en technische disciplines om te bepalen hoe de output van een model verandert als reactie op veranderingen in zijn invoerparameters. Het is een maatstaf voor hoe kritisch een bepaalde parameter is voor het algehele gedrag of de resultaten van een systeem. Hoge parametergevoeligheid betekent dat een kleine wijziging in de parameter een grote verandering in de output kan veroorzaken, terwijl lage parametergevoeligheid aangeeft dat de output relatief stabiel blijft, zelfs bij aanzienlijke parameterwijzigingen.

Het analyseren van parametergevoeligheid is essentieel voor het begrijpen van de robuustheid en betrouwbaarheid van modellen. Het helpt bij het identificeren van de meest invloedrijke parameters, die vervolgens meer aandacht kunnen krijgen tijdens modelkalibratie, validatie en foutenanalyse. Door de gevoeligheid te kennen, kunnen onderzoekers en ingenieurs beter geïnformeerde beslissingen nemen over modelvereenvoudiging, optimalisatie en het beheersen van onzekerheden.

Methoden voor het beoordelen van parametergevoeligheid variëren van eenvoudige één-parameter-variaties (one-at-a-time, OAT) waarbij één parameter tegelijk wordt gewijzigd, tot meer geavanceerde globale gevoeligheidsanalyse technieken zoals de Sobol-indices of de Morris-methode, die de interacties tussen meerdere parameters meenemen. Deze analyses worden vaak uitgevoerd in domeinen zoals klimaatmodellering, financiële modellering, proces engineering en machine learning, waar complexe systemen met veel veranderlijke componenten worden bestudeerd.