Sensitivitetsanalyser

Sensitivitetsanalyser er en gruppe metoder som brukes for å undersøke hvordan usikkerhet i inngangsparametere påvirker utdata i en modell eller et system. Formålet er å identifisere hvilke parametere som har størst effekt, vurdere modellens robusthet og prioritere datainnsamling eller modifikasjoner der det gir mest nytte.

Det finnes to hovedretninger: lokale sensitivitetsanalyser og globale sensitivitetsanalyser. Lokale analyser undersøker endringer i utdata rundt et nominalt verditilfelle ved å bruke partielle derivater eller små endringer i enkeltparametere (one-at-a-time). De er raske å utføre men kan undervurdere interaksjoner og ikke-lineære effekter når usikkerhet er stor eller systemet oppfører seg forskjellig i ulike regioner.

Globale sensitivitetsanalyser søker å belyse hele inngangsrommet og tar hensyn til ikke-lineariteter og samspill mellom parametere. Vanlige metoder inkluderer Morris-skjermingsmetoden (screening) og variansbaserte metoder som Sobol-indekser (førsteordens og totalordens indekser) samt FAST-metoden. Resultatene gir rangordning av parameternes påvirkning, samt andelen av variasjonen i utdata som kan tilskrives hver komponent.

Prosessen omfatter definisjon av modellen og usikkerheter, valg av metode, kjøring av omfattende simuleringer, analyse av sensitivitet og tolkning i beslutningsprosessen. Sensitivitetsanalyser brukes i ingeniørfag, miljømodellering, helseforskning og risikovurdering for å forbedre modelltiltak, planlegge datainnsamling og styrke beslutningsgrunnlaget.

Softwareverktøy som ofte brukes inkluderer Python-biblioteket SALib og R-pakker for sensitivitetsanalyse, samt ulike Matlab- og ekspertverktøy.