IPSAL: Implementation of the module to generate the Sobol sequence and indices

Luiz Felipe  Alves Borges; Fabio Freitas Ferreira; Fábio  Gonçalves; Antônio  Espósito Junior; Aline Fernanda  da Silva Oliveira; Wagner  Rambaldi Telles

doi:10.14295/vetor.v33i2.16439

Autores

Luiz Felipe Alves Borges Universidade Federal Fluminense
Fabio Freitas Ferreira Universidade Federal Fluminense
Fábio Gonçalves Universidade Federal Fluminense
Antônio Espósito Junior Universidade Federal Fluminense
Aline Fernanda da Silva Oliveira Universidade Federal Fluminense
Wagner Rambaldi Telles Universidade Federal Fluminense

DOI:

https://doi.org/10.14295/vetor.v33i2.16439

Palavras-chave:

análise de sensibilidade, Método de Sobol, operação não usual, correlação de parâmetros

Resumo

A análise de sensibilidade e da incerteza tem uma importância significativa numa série de aplicações, abrangendo desde problemas industriais até alterações climáticas, avaliação de riscos financeiros, bem como modelos matemáticos e computacionais. Essas análises envolvem a identificação de parâmetros de entrada influentes nos modelos para compreender seu impacto na saída. A análise de sensibilidade pode ser realizada localmente, examinando os efeitos dos parâmetros em um valor fixo, ou globalmente, avaliando o modelo em uma faixa de valores de parâmetros. O método de Sobol apresenta uma abordagem robusta para análise de sensibilidade global, empregando uma sequência de Sobol para criar amostras de forma mais uniforme dentro do espaço de parâmetros de entrada, permitindo assim a exploração eficiente das entradas do modelo. Este artigo tem como objetivo apresentar uma implementação computacional no Scilab para gerar a sequência e os índices de Sobol para utilização em análise de sensibilidade através do método Sobol. Um caso de teste foi aplicado para gerar sequências de Sobol e discutir os resultados obtidos.

Downloads

Não há dados estatísticos.

Referências

T. Barbe, “A new algorithm for applications of Sobol sequences to the pricing of financial derivatives (in Portuguese),” Ph.D. dissertation, University of São Paulo, Faculty of Economics, Administration and Accounting, SP, 2005. Available at: https://doi.org/10.11606/T.12.2005.tde-14122022-095219

F. F. Ferreira, A. J. da Silva Neto, G. B. Lyra, and S. P. de Queiroz, “van Genuchten sensitivity analysis by Morris method,” in Anais do XXIII Encontro Nacional de Modelagem Computacional. Palmas, Brazil: ISSN: 2527-2357, 2020. Available at: http://enmc.ccam.uesc.br/

F. Ferretti, A. Saltelli, and S. Tarantola, “Trends in sensitivity analysis practice in the last decade,” Science of The Total Environment, vol. 568, pp. 666–670, 2016. Available at: https://doi.org/10.1016/j.scitotenv.2016.02.133

D. M. Hamby, “A review of techniques for parameter sensitivity analysis of environmental models,” Environmental Monitoring and Assessment, vol. 32, pp. 135–154, 1994. Available at: https://doi.org/10.1007/BF00547132

I. M. Sobol, “Global sensitivity indices for nonlinear mathematical models and their Monte Carlo estimates,” Mathematics and Computers in Simulation, no. 55, pp. 271–280, 2001. Available at: https://doi.org/10.1016/S0378-4754(00)00270-6

D. P. Kroese and R. Y. Rubinsteino, “Monte Carlo methods,” Wires Computational Statistics, vol. 4, no. 1, pp. 48–58, 2012. Available at: https://doi.org/10.1002/wics.194

S. Joe and F. Y. Kuo, “Constructing Sobol sequences with better two-dimensional projections,” SIAM Journal on Scientific Computing, vol. 30, no. 5, pp. 2635–2654, 2008. Available at: https://doi.org/10.1137/070709359

D. Kumar, A. Singh, P. Kumar, R. K. Jha, S. K. Sahoo, and V. Jha, “Sobol sensitivity analysis for risk assessment of uranium in groundwater,” Environmental Geochemistry and Health, vol. 6, no. 42, pp. 1789–1801, 2020. Available at: https://doi.org/10.1007/s10653-020-00522-5

J. Nossent, P. Elsen, and W. Bauwens, “Sobol sensitivity analysis of a complex environmental model,” Environmental Modelling and Software, vol. 26, no. 12, pp. 1515–1525, 2011. Available at: https://doi.org/10.1016/j.envsoft.2011.08.010

K. F. Rocha, “Unusual numerical bases: A brief study (in portuguese),” Master’s thesis, Federal University of Grande Dourados, Professional master’s degree in mathematics, MS, Mato Grosso do Sul, Brazil, 2019. Available at: http://repositorio.ufgd.edu.br/jspui/handle/prefix/1375

A. Navid, S. Khalilarya, and M. Abbasi, “Diesel engine optimization with multi-objective performance characteristics by non-evolutionary Nelder-Mead algorithm: Sobol sequence and Latin hypercube sampling methods comparison in DoE process,” Fuel, vol. 228, pp. 349–367, 2018. Available at: https://doi.org/10.1016/j.fuel.2018.04.142