tundlikkusanalyüüs

Tundlikkusanalyüüs on meetod, mille eesmärk on hinnata, kuidas mudeli väljund sõltub selle sisenditest ja parameetritest. Selle abil tuvastatakse, millised sisendid mõjutavad kõige rohkem mudeli tulemusi, ning hinnatakse, kui suur on tulemuslikkus või risk sõltuvalt sisendi ebakindlusest. Tundlikkusanalyüsi kasutatakse laialdaselt otsuste astumisel riskianalüüsides, modelleerimises, inseneritöös ja keskkonnauuringutes.

Tundlikkuse analüüsi võib jagada kaheks peamiseks lähteviisiks: lokaalseks ja globaaliks. Lokaalne lähenemine uurib väikeste muutuste mõju ühele sisendile korraga, teisi sisendeid pidades konstantina. Selleks kasutatakse tavaliselt osat derivaate või finite-difference meetodeid. Globaalne analüüs katab kogu sisendi ruumi ja hindab, kuidas erinevad väärtused kogu sisendruumis tulemusele mõjuvad. Populaarsed globaalsete meetodite hulka kuuluvad Sobol’i indeksid ja Morris’i meetod; neid saab kasutada suuremahulise simulatsiooni ja ulatuslike sisendi hajuvuste korral. Lisaks on levinud ühepsendiline (one-at-a-time) lähenemine, FAST ja Latin Hypercube Samplinguga seotud tehnikaid.

Tööprotsess hõlmab mudeli defineerimist, sisendite ulatuste ja ebakindluste määramist, sobiva meetodi valimist, simulatsioonide läbiviimist ja tulemuste tõlgendamist. Tundlikkusanalyüsi tulemused aitavad keskenduda parendamist vajavatele parameetritele, hinnata mudeli robustust ning korraldada andmete kogumist või täpsustamist. Piirangud hõlmavad mõju, mida võivad avaldada sisendite vahelised korrelatsioonid ja valitud meetodi eeldused.