FAQ

Dlaczego mUQSA nie obsługuje QoI (ang. “Quantity of Interest”) o wymiarach większych niż 2? Co zrobić, jeśli mam QoI o więcej niż 2 wymiarach?
OdpowiedźmUQSA skupia się głównie na analizie wrażliwości uniwariantowej i biwariantowej. Obsługa wielowymiarowych QoI może być złożona i wymagać dużych zasobów. Ponadto wizualizacja wyników analizy w więcej niż dwóch wymiarach jest zwykle skomplikowana i mało skuteczna. Z tych też względów, jeśli Twoja QoI ma więcej niż dwa wymiary, w celu dokonania analizy, możesz spróbować przetransfromować dane do postaci 2-wymiarowej. Jeśli Twoja analiza wymaga wykorzystania przestrzeniach wielowymiarowych, możesz potrzebować opracowania niestandardowych rozwiązań lub użycia specjalistycznego oprogramowania przeznaczonego do analizy wrażliwości o większej liczbie wymiarów.
Jak mogę być pewny, że wyniki generowane przez mUQSA są wiarygodne?
Odpowiedź

Aby zapewnić wiarygodność wyników generowanych przez mUQSA, rozważ zastosowanie następujących praktyk:

Weryfikacja i Walidacja: Upewnij się, że Twoje modele są zweryfikowane i zwalidowane pod kątem dokładności i poprawności.

Ustawienia Analizy Wrażliwości: Starannie skonfiguruj ustawienia mUQSA, w tym liczbę próbek i metodę analizy wrażliwości.

Niepewność Modelu: Uwzględnij niepewności w Twoich modelach i parametrach wejściowych.

Sprawdzenia Zbieżności: Zweryfikuj, czy indeksy wrażliwości zbiegają się, zwiększając liczbę próbek w razie potrzeby.

Interpretacja: Zrozum ograniczenia wykorzystywanej metody analizy wrażliwości i interpretuj wyniki w kontekście konkretnego problemu.

Śledząc te kroki, możesz poprawić wiarygodność wyników analizy wrażliwości generowanych przez mUQSA.

Dlaczego mUQSA oferuje kilka metod analizy wrażliwości?
OdpowiedźmUQSA dostarcza kilka metod analizy wrażliwości, aby zaspokoić różne potrzeby użytkowników i rodzaje problemów. Każda metoda ma swoje zalety i ograniczenia. Użytkownicy mogą wybrać najbardziej odpowiednią metodę w zależności od swoich konkretnych celów, złożoności modelu i dostępnych zasobów obliczeniowych. Zróżnicowanie metod w mUQSA pozwala użytkownikom przeprowadzać analizę wrażliwości w sposób najlepiej odpowiadający ich wymaganiom, co czyni ją wszechstronnym narzędziem do szerokiego zakresu zastosowań w ocenie niepewności i analizie wrażliwości.

Przy przeprowadzaniu analizy wrażliwości z mUQSA warto rozważyć metodę Monte Carlo (MC) jako odpowiedni punkt wyjścia. MC jest mniej wrażliwy na liczbę parametrów, co czyni go wszechstronnym wyborem dla szerokiego zakresu scenariuszy. Metoda ta może być skutecznie wykorzystana w analizie wrażliwości do odkrywania, które parametry są mniej istotne, a więc które mogą potencjalnie zostać pominięte w dalszej analizie.

W celu przeprowadzenia dogłębnej analizy kilku wybranych parametrów, możesz skorzystać z metod Polynomial Chaos Expansion (PCE) lub Stochastic Collocation (SC).

Jak poradzić sobie z problemem wymiarowości w analizie wrażliwości, gdy mam dużą liczbę parametrów wejściowych?
OdpowiedźPrzekleństwo wymiarowości (ang. "Curse of dimensionality"), które odnosi się do wyzwań związanych z obsługą wielowymiarowych przestrzeni wejściowych, może być rozwiązane poprzez zastosowanie technik redukcji wymiarowości lub modeli surogatów. Techniki redukcji wymiarów, takie jak Analiza Składowych Głównych (PCA) lub Metoda Najmniejszych Kwadratów Częściowych (PLS), mogą pomóc zidentyfikować i skupić się na najbardziej wpływowych parametrach. Niestety, obecnie mUQSA nie wspiera automatycznej obsługi ani metod redukcji wymiarów, ani surogatów. Jeśli chcesz, możesz zastosować te mechanizmy bezpośrednio w swoim modelu.
Czy mUQSA nadaje się do analizy wrażliwości modeli z kodem własnościowym?
OdpowiedźTak, mUQSA implementuje tak zwane nieinwazyjne UQ i traktuje modele jako czarne skrzynki, dzięki czemu może być używany do analizy wrażliwości modeli własnościowych. Nie wymaga dostępu do wewnętrznego działania modelu, ale opiera się na danych wejściowych i wyjściowych. Możesz użyć mUQSA do analizy zachowania modelu bez konieczności znajomości jego kodu źródłowego lub wewnętrznej struktury.
Czy mUQSA może wspierać analizę wrażliwości modeli wymagających długotrwałych obliczeń i znacznych zasobów obliczeniowych?
OdpowiedźJedną z istotnych zalet mUQSA jest jego płynna integracja ze środowiskiem superkomputerowym. Integracja ta pozwala mUQSA na efektywną obsługę analizy wrażliwości dla modeli dużej skali. W związku z tym, zasoby obliczeniowe superkomputera można łatwo wykorzystać do zwiększenia szybkości i możliwości analizy wrażliwości przeprowadzanej za pomocą platformy. Należy jednak pamiętać, iż wydajność i praktyczność analizy nadal zależy od wybranej metody analizy wrażliwości i jej konfiguracji.