የስሜታዊነት ትንተና የገለልተኛ ሁኔታዎች ስብስብ በተወሰኑ ሁኔታዎች በጥገኛ ተለዋዋጭ ላይ ያለውን ተጽእኖ ለመወሰን ይጠቅማል።
የአምሳያው ውፅዓት በአምሳያው ግብአቶች በአጠቃሊይ አገሌግልት ሇመመሇስ ጠንከር ያለ አቀራረብ ነው. በዚህ ልጥፍ፣ ነፃ የ Python ስሜታዊነት ትንተና ጥቅል የሆነውን SALibን በመጠቀም ስለ ትብነት ትንተና ፈጣን መግለጫ እሰጣለሁ።
የስሜታዊነት ኢንዴክስ በመባል የሚታወቀው አሃዛዊ እሴት በተደጋጋሚ የእያንዳንዱን ግቤት ትብነት ይወክላል። ብዙ ዓይነት የስሜታዊነት ጠቋሚዎች አሉ-
- የመጀመሪያ ደረጃ ኢንዴክሶች፡ የአንድ ነጠላ ሞዴል ግቤት ለውጤት ልዩነት ያለውን አስተዋፅዖ ያሰላል።
- ሁለተኛ-ትዕዛዝ ኢንዴክሶች፡ የሁለት ሞዴል ግብአቶች ለውጤት ልዩነት ያላቸውን አስተዋጽዖ ያሰላል።
- ጠቅላላ-ትዕዛዝ መረጃ ጠቋሚ፡- የአንድን ሞዴል ግብዓት ለውፅአት ልዩነት ያለውን አስተዋፅዖ ያሰላል፣ ሁለቱንም የመጀመሪያ ደረጃ ተፅእኖዎች (ግብአት ብቻውን የሚለዋወጥ) እና ማንኛውንም ከፍተኛ-ትዕዛዝ መስተጋብሮችን ያጠቃልላል።
SAlib ምንድን ነው?
ሳሊብ በ Python ላይ የተመሠረተ ነው። ክፍት ምንጭ የትብነት ግምገማዎችን ለማድረግ መሣሪያ ስብስብ። የተነጠለ የስራ ሂደት አለው, ይህም ማለት ከሂሳብ ወይም ከኮምፒዩቲካል ሞዴል ጋር በቀጥታ አይገናኝም. በምትኩ፣ SALib የሞዴሉን ግብአቶች የማምረት (በአንዱ የናሙና ተግባር) እና የስሜታዊነት ኢንዴክሶችን (በአንደኛው የትንታኔ ተግባራት) ከአምሳያው ውጤቶች የማስላት ሃላፊነት አለበት።
የተለመደው የ SAlib ትብነት ትንተና አራት ደረጃዎችን ያቀፈ ነው፡-
- የሞዴሉን ግብዓቶች (መለኪያዎች) እና ለእያንዳንዱ የናሙና ወሰን ይወስኑ።
- የሞዴል ግብዓቶችን ለመፍጠር የናሙና ተግባሩን ያሂዱ።
- የተፈጠሩትን ግብዓቶች በመጠቀም ሞዴሉን ይገምግሙ እና የሞዴል ውጤቶችን ያስቀምጡ.
- የስሜታዊነት ኢንዴክሶችን ለማስላት በውጤቶቹ ላይ ያለውን የትንታኔ ተግባር ይጠቀሙ።
ሶቦል፣ ሞሪስ እና FAST በ SALib ከሚቀርቡት የስሜታዊነት ትንተና ዘዴዎች ጥቂቶቹ ናቸው። በኋላ እንደምንመለከተው ብዙ ምክንያቶች ለአንድ መተግበሪያ የተሻለው የትኛው አቀራረብ ላይ ተጽዕኖ ያሳድራሉ። ለጊዜው ምንም አይነት ቴክኒክ ምንም ይሁን ምን ሁለት ተግባራትን መጠቀም፣ ናሙና እና መተንተን እንደሚያስፈልግዎት ያስታውሱ። SALibን እንዴት እንደሚጠቀሙ ለማሳየት በመሠረታዊ ምሳሌ እንመራዎታለን።
የሳሊብ ምሳሌ - የሶቦል ስሜታዊነት ትንተና
በዚህ ምሳሌ ከዚህ በታች እንደሚታየው የኢሺጋሚ ተግባርን የሶቦል ስሜትን እንመረምራለን ። ከፍተኛ ግልጽነት የጎደለው እና ሞኖቶኒክነት ስላለው፣ የIshigami ተግባር እርግጠኛ አለመሆንን እና የትብነት ትንተና ዘዴዎችን ለመገምገም በሰፊው ጥቅም ላይ ይውላል።
እርምጃዎቹ እንደሚከተለው ይሄዳሉ።
1. SALib ማስመጣት
የመጀመሪያው እርምጃ አስፈላጊ የሆኑትን ቤተ-መጻሕፍት መጨመር ነው. የሳሊብ ናሙና እና የመተንተን ተግባራት በፓይዘን ሞጁሎች ውስጥ ተለይተው ተቀምጠዋል። የሳተላይት ናሙና እና የሶቦል ትንተና ተግባራትን ማስመጣት, ለምሳሌ ከታች ይታያል.
እንዲሁም በ SALib ውስጥ እንደ የሙከራ ተግባር የሚገኘውን የ Ishigami ተግባርን እንጠቀማለን። በመጨረሻም NumPyን እናስመጣለን SAlib የሞዴል ግብአቶችን እና ውጤቶችን በማትሪክስ ውስጥ ለማከማቸት ይጠቀምበታል።
2. የሞዴል ግቤት
ከዚያም የአምሳያው ግብዓቶች መገለጽ አለባቸው. የ Ishigami ተግባር ሶስት ግብዓቶችን ይቀበላል: x1, x2, እና x3. በ SAlib ውስጥ፣ ከታች እንደሚታየው የግብአት ብዛትን፣ ስማቸውን እና በእያንዳንዱ ግብአት ላይ ያለውን ገደብ የሚገልጽ ዲክት እንሰራለን።
3. ናሙናዎችን እና ሞዴሉን ይፍጠሩ
ከዚያም ናሙናዎቹ ይፈጠራሉ. የሶቦል ስሜታዊነት ትንተና እየሰራን ስለሆነ የሳልቴሊ ናሙናን በመጠቀም ናሙናዎችን መፍጠር አለብን። በዚህ አጋጣሚ፣ ፓራም እሴቶች የNumPy ማትሪክስ ናቸው። ፓራም እሴቶችን በማስኬድ ማትሪክስ 8000 በ 3 መሆኑን ማስተዋል እንችላለን። 8000 ናሙናዎች የተፈጠሩት ከሳልቴሊ ናሙና ጋር ነው። የሳልቴሊ ናሙና ናሙናዎችን ይፈጥራል, N 1024 (ያቀረብነው ግቤት) እና ዲ 3. (የአምሳያው ግብዓቶች ብዛት).
ቀደም ሲል እንደተገለፀው ሳሊብ በሂሳብ ወይም በስሌት ሞዴል ግምገማ ላይ አልተሳተፈም። ሞዴሉ በፓይዘን የተፃፈ ከሆነ፣ በተለምዶ እያንዳንዱን የናሙና ግብዓት ይመለከታሉ እና ሞዴሉን ይገመግማሉ፡-
ሞዴሉ በፓይዘን ውስጥ ካልተሰራ ናሙናዎቹ ወደ የጽሑፍ ፋይል ሊቀመጡ ይችላሉ፡-
በፓራም እሴቶች.txt ውስጥ ያለው እያንዳንዱ መስመር አንድ የሞዴል ግቤትን ይወክላል። የአምሳያው ውፅዓት በእያንዳንዱ መስመር ላይ አንድ ውፅዓት ያለው በተመሳሳይ ዘይቤ ወደ ሌላ ፋይል መቀመጥ አለበት። ከዚያ በኋላ ውጤቶቹ በሚከተለው ሊጫኑ ይችላሉ-
በዚህ ምሳሌ፣ የኢሺጋሚ ተግባርን ከ SALib ልንጠቀም ነው። እነዚህ የሙከራ ተግባራት እንደሚከተለው ሊገመገሙ ይችላሉ.
4. ትንተና ያከናውኑ
በመጨረሻ የአምሳያው ውጤቶችን ወደ Python ከጫንን በኋላ የስሜታዊነት ኢንዴክሶችን ማስላት እንችላለን። በዚህ ምሳሌ ውስጥ የመጀመሪያውን ፣ ሁለተኛ እና አጠቃላይ የትዕዛዝ ኢንዴክሶችን ለማስላት sobol.analyze እንጠቀማለን።
ሲ “S1” “S2” “ST” “S1 conf” “S2 conf” እና “ST conf” ቁልፎች ያሉት የፓይዘን መዝገበ ቃላት ነው። የ _conf ቁልፎች በአጠቃላይ ወደ 95 በመቶ የተቀናበሩትን የመተማመን ክፍተቶችን ይይዛሉ። ሁሉንም ኢንዴክሶች ለማውጣት፣የቁልፍ ቃል መለኪያ ህትመትን ወደ ኮንሶል=እውነት ይጠቀሙ። በአማራጭ፣ ከታች እንደተገለጸው፣ የነጠላ እሴቶችን ከሲ ማተም እንችላለን።
x1 እና x2 የመጀመሪያ ደረጃ ትብነት እንዳላቸው እናያለን ነገርግን x3 ምንም አይነት የመጀመሪያ ደረጃ ተጽዕኖዎች ያላቸው አይመስልም።
የጠቅላላ-ትዕዛዝ ኢንዴክሶች ከመጀመሪያ-ትዕዛዝ ኢንዴክሶች በጣም ትልቅ ከሆኑ ከፍተኛ-ትዕዛዝ ግንኙነቶች በእርግጠኝነት እየተከናወኑ ናቸው። የሁለተኛ ደረጃ ኢንዴክሶችን በመመልከት እነዚህን ከፍተኛ-ደረጃ ግንኙነቶች ማየት እንችላለን፡-
x1 እና x3 ጉልህ የሆነ መስተጋብር እንዳላቸው መመልከት እንችላለን። ከዚያ በኋላ ውጤቱ ለተጨማሪ ጥናት ወደ Pandas DataFrame ሊቀየር ይችላል።
5. ማሴር
ለእርስዎ ምቾት, መሰረታዊ የቻርጅንግ መገልገያዎች ቀርበዋል. የሴራው() ተግባር የማትፕሎትሊብ ዘንግ ቁሶችን ለቀጣይ ማጭበርበር ይፈጥራል።
መደምደሚያ
SAlib የተራቀቀ የትብነት ትንተና መሣሪያ ስብስብ ነው። በSALib ውስጥ ያሉ ሌሎች ቴክኒኮች የ Fourier Amplitude Sensitivity Test (FAST)፣ የሞሪስ ዘዴ እና የዴልታ-አፍታ ገለልተኛ መለኪያ ያካትታሉ። የፓይዘን ቤተ መፃህፍት ቢሆንም፣ ከማንኛውም አይነት ሞዴሎች ጋር ለመስራት የታሰበ ነው።
SALib የሞዴል ግብዓቶችን ለመፍጠር እና የሞዴል ውጤቶችን ለመገምገም ለአጠቃቀም ቀላል የሆነ የትዕዛዝ-መስመር በይነገጽ ያቀርባል። ጨርሰህ ውጣ SAlib ሰነድ ተጨማሪ ለማወቅ.
መልስ ይስጡ