SimLab 2.2是为基于蒙特卡洛的不确定性和灵敏度分析而设计的软件。
Monte Carlo (MC)方法在这里用于伪随机数的生成,重点是来自联合概率分布的点的采样集;经常使用“样本分布”的名称。
基于mc的不确定性和敏感性分析是基于使用概率选择的模型输入执行多个模型评估,然后使用这些评估的结果来确定1)模型预测中的不确定性和2)导致这种不确定性的输入变量。一般来说,一个分析包括五个步骤。Monte Carlo
在第一步中,为每个输入变量(输入因子)选择范围和分布。这些选择将在下一步从输入因子生成样本时使用。如果分析主要是探索性的,那么相当粗略的分布假设可能就足够了。
在第二步中,根据第一步中指定的输入的分布生成点的样本。这一步的结果是一个样本元素序列。
在第三步中,向模型输入样本元素,产生一组模型输出。本质上,这些模型评估创建了一个从输入空间到结果空间的映射。这个映射是后续不确定性和敏感性分析的基础。
第四步,将模型评价的结果作为不确定度分析的基础。描述不确定性的一种方法是用一个平均值和一个方差。还提供了其他模型输出统计数据。
第五步,将模型评价的结果作为敏感性分析的基础。