一种计算总灵敏度指数的新的基于样本的算法

基于方差的灵敏度指数已在模型输出灵敏度分析的从业者中确立了参考地位。通常认为，如果基于方差的灵敏度分析至少能为所分析数学模型的所有不确定因子产生一阶灵敏度指数S_j和所谓的总效应灵敏度指数T_j，则其具有信息价值。计算经济性在灵敏度分析中至关重要，主要取决于获得稳定估计值所需的模型评估次数。虽然对于一阶指数存在与所分析因子数量无关的高效估计程序，但对于总灵敏度指数则不尽然。在估计T_j时，可以使用基于样本的方法（其计算成本依赖于因子数量），或基于元建模/仿真器的方法（例如基于高斯过程）。本研究聚焦于T_j的基于样本的估计程序，并尝试不同途径以实现对现有最佳实践中提出的设计的算法改进。我们得出结论，文献中发现的一些基于样本的改进方案并未如声称的那样有效，且改进现有最佳实践确实困难重重。我们引入设计的探索性和效率概念来论证我们的结论。