تحليل الحساسية الشامل — سوبول، موريس، وفاسْت
- قدّمه
- I.M. Sobol (indices, 2001); Morris (screening, 1991); Cukier et al. (FAST, 1973)
- السنة
- 1973–2001
- النوع
- Variance-based sensitivity decomposition
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
تحليل الحساسية الشامل (GSA) هو عائلة من التقنيات التي تفكك تباين مخرجات النموذج عبر متغيراته المدخلة، وتقيس مقدار مساهمة كل مدخل — وكل تركيبة من المدخلات — في عدم اليقين الكلي للنتيجة. مؤشرات سوبول القائمة على التباين (2001)، وفحص موريس للعوامل المتغيرة واحداً تلو الآخر (OAT) (1991)، واختبار حساسية سعة فورييه (FAST، الذي اقترحه لأول مرة كوكير وآخرون في عام 1973) هي الأساليب الثلاثة الأكثر استخداماً. معاً، تشكل هذه الأساليب مجموعة الأدوات القياسية لتحديد أي المتغيرات تقود سلوك النموذج وأيها يمكن تثبيتها بأمان.
الفكرة الحدسية وراء الطريقة
تخيل نموذجاً بعشرة مقابض إدخال. تريد أن تعرف أي المقابض مهمة وأيها بالكاد تؤثر على المخرجات. فحص الحساسية المحلي يخبرك فقط بما يحدث بالقرب من إعداد معين؛ تحليل الحساسية الشامل يستكشف كامل مساحة الإعدادات المعقولة دفعة واحدة. نهج سوبول هو الأكثر شمولاً: فهو يخصص جزءاً من تباين المخرجات الكلي لكل مدخل ولكل تركيبة من المدخلات. موريس هو طريقة فحص أرخص تصنف المتغيرات حسب تأثيرها العام دون تفكيك كامل للتباين. يستخدم FAST خدعة تحويل فورييه لتحقيق تفكيك التباين بعدد أقل من تشغيلات النموذج مقارنة بسوبول. تجيب جميع الطرق الثلاث على نفس السؤال الأساسي — أي المدخلات هي المهمة — بمستويات مختلفة من التكلفة والدقة.
التاريخ
يعود تفكيك تباين مخرجات النموذج إلى مساهمات المدخلات الفردية إلى تقليد تحليل التباين (ANOVA)، ولكن تطبيقه المنهجي على النماذج الحسابية بدأ مع اختبار حساسية سعة فورييه الذي قدمه كوكير وليفين وشولر في السبعينيات. قام ماكس موريس بتشكيل نهج الفحص للعناصر الأساسية المتغيرة واحداً تلو الآخر في ورقة بحثية عام 1991 لا تزال تُستشهد على نطاق واسع لاقتصادها العملي. جاء الصياغة الحديثة الأكثر تأثيراً من إيليا إم سوبول، الذي أسست ورقته البحثية عام 2001 مقدرات مونت كارلو لمؤشرات التباين من الدرجة الأولى والتأثير الكلي التي أصبحت الآن المعيار. وحد الكتاب المدرسي لسالتيل وزملاؤه (2008) هذا المجال وأسس مخطط أخذ العينات لسالتيل كتطبيق مرجعي لمؤشرات سوبول. اليوم، يعد تحليل الحساسية الشامل مكوناً روتينياً للتحقق من صحة النموذج في الهندسة، والعلوم البيئية، وعلم الأوبئة، والاقتصاد.
متى تُستخدم
تحليل الحساسية الشامل مناسب كلما احتجت إلى فهم أي المدخلات تقود عدم اليقين في نموذج حسابي، أو عندما تريد تبسيط نموذج عن طريق تحديد المتغيرات غير المؤثرة التي يمكن تثبيتها. ينطبق على أي نموذج حتمي أو عشوائي يمكن وصف مدخلاته بتوزيعات أو نطاقات معقولة. مؤشرات سوبول هي الخيار الأكثر إفادة عندما تكون ميزانية تشغيلات النموذج معقولة (عادةً مئات إلى آلاف لكل متغير). يُفضل فحص موريس للاستكشاف الأولي عندما يكون النموذج مكلفاً وهناك العديد من المتغيرات المرشحة لترتيبها بسرعة. FAST هو حل وسط جيد عندما يكون تكلفة عينات سوبول باهظة ولكن يُراد تفكيك التباين الكامل. لا تتطلب الطريقة مدخلات موزعة طبيعياً؛ يُتوقع أنواع مدخلات مستمرة. ليست مناسبة عندما لا يمكن تعيين توزيعات احتمالية أو نطاقات معقولة للمدخلات، أو عندما يكون النموذج قائماً على البيانات بشكل بحت دون هيكل محاكاة أمامي.
الحدود والاعتبارات
- تتطلب مؤشرات سوبول N×(2k+2) تشغيلات للنموذج، والتي يمكن أن تكون باهظة الثمن للمحاكيات المكلفة ذات المتغيرات العديدة.
- يكشف فحص موريس عن ترتيب أهمية المتغيرات ولكنه لا يفكك التباين إلى أجزاء مُقيسة؛ لا يمكن أن يحل محل مؤشرات سوبول عندما تكون هناك حاجة إلى تقدير دقيق.
- تفترض جميع الطرق أن عدم اليقين في الإدخال يمكن وصفه بتوزيعات احتمالية أو نطاقات محدودة؛ إذا كانت هذه المعرفة المسبقة غير متاحة أو غير موثوقة، فإن المؤشرات الناتجة تعكس عدم اليقين المفترض بدلاً من عدم اليقين الحقيقي.
- بالنسبة للنماذج ذات المدخلات المنفصلة أو الفئوية، لا ينطبق الإطار القياسي القائم على التباين مباشرة وتتطلب امتدادات أو أساليب بديلة.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- يستكشف مساحة الإدخال بأكملها في وقت واحد بدلاً من إجراء افتراضات التقريب الخطي المحلي، مما يلتقط السلوك اللاخطي وتفاعلات المتغيرات.
- مؤشرات التأثير الكلي لسوبول (ST) تحدد مباشرة المتغيرات غير المؤثرة التي يمكن تثبيتها، مما يتيح تبسيط النموذج بشكل منهجي.
- طريقة موريس رخيصة للغاية مقارنة بتفكيك التباين الكامل، مما يجعلها عملية للنماذج عالية الأبعاد أو المكلفة حسابياً.
- يحقق FAST تفكيك التباين الكامل بعدد أقل من التشغيلات مقارنة بأخذ عينات سالتيلي-سوبول، مما يوفر حلاً وسطاً فعالاً.
- النتائج قابلة للتفسير: مؤشرات الحساسية هي أجزاء مُقيسة من التباين الكلي، مما يتيح ترتيباً وتواصلاً مباشراً.
التطبيقات
- تحديد أي متغيرات النموذج تؤثر بشكل أكبر على التنبؤات في نماذج المناخ وأنظمة الأرض، وتوجيه جهود المعايرة نحو المتغيرات المهمة.
- تبسيط نماذج الحرائك الدوائية والديناميكا الدوائية المعقدة عن طريق تثبيت المتغيرات غير المؤثرة قبل ملاءمتها للبيانات السريرية.
- تحديد أولويات تقليل عدم اليقين في تقييمات المخاطر والسلامة لأنظمة الهندسة النووية أو الكيميائية أو الهيكلية.
- توجيه تصميم التجارب في علم الأحياء الحسابي ونمذجة الأنظمة من خلال الكشف عن عوامل الإدخال التي تقود التباين في مخرجات النموذج بشكل أكبر.
- دعم تحليل السياسات عن طريق قياس أي افتراضات إدخال غير مؤكدة تؤثر بشكل أكبر على استنتاجات النماذج الاقتصادية أو الوبائية.
كيف يعمل
كيف يعمل
يحدد المحلل مساحة متغيرات الإدخال: يُعيّن لكل متغير توزيع احتمالي (أو نطاق معقول) يلتقط المعرفة المسبقة حول عدم اليقين الخاص به. يُعرّف النموذج الذي سيتم تحليل مخرجاته في هذه المرحلة أيضاً. الاختيار الدقيق لنطاقات الإدخال أمر بالغ الأهمية لأن مؤشرات الحساسية نسبية للمساحة التي يتم استكشافها.
يتم إنشاء مجموعة منظمة من تركيبات الإدخال وفقاً للطريقة المختارة. بالنسبة لمؤشرات سوبول، ينتج مخطط أخذ العينات الخاص بسالتيل N×(2k+2) تقييم للنموذج لـ k متغيرات؛ يستخدم تسلسلات شبه عشوائية (منخفضة التباين) لتغطية مساحة الإدخال بكفاءة. تستخدم طريقة موريس تصميم مسار متغير واحداً تلو الآخر يغير متغيراً واحداً في كل مرة مع تثبيت الآخرين. يستخدم FAST مخطط أخذ عينات دوري يعتمد على ترددات مميزة مخصصة لكل مدخل.
يتم تقييم النموذج الحسابي عند كل نقطة إدخال تم أخذ عينات منها. يمكن أن تكون هذه المرحلة هي الجزء الأكثر تكلفة في التحليل إذا كان النموذج مكلفاً حسابياً. للمحاكيات المكلفة، يتم أحياناً استبدال نماذج بديلة (نماذج أولية) مثل محاكيات العملية الغاوسية لجعل العدد المطلوب من التقييمات ممكناً.
يتم تحليل مخرجات النموذج لحساب مقاييس الحساسية. بالنسبة لسوبول، يتم تقسيم تباين المخرجات الكلي: يلتقط المؤشر من الدرجة الأولى S1 جزء التباين الناتج عن متغير يعمل بمفرده، ويلتقط مؤشر التأثير الكلي ST مساهمته بما في ذلك جميع التفاعلات مع المتغيرات الأخرى. يحسب موريس تأثيراً أولياً لكل متغير عند كل نقطة مسار؛ يشير متوسط هذه التأثيرات وانحرافها المعياري إلى التأثير العام واللاخطية أو التفاعل. يستخدم FAST تحليل فورييه لتباين المخرجات لنسب التباين إلى كل تردد إدخال.
يتم ترتيب المتغيرات حسب مؤشرات حساسيتها. يشير S1 المرتفع إلى أن المتغير له تأثير مباشر قوي؛ تشير فجوة كبيرة بين S1 و ST إلى تفاعل كبير مع المتغيرات الأخرى. يمكن تثبيت المتغيرات ذات ST القريب من الصفر عند قيم اسمية دون التأثير مادياً على توزيع المخرجات — هذه هي النتيجة العملية الرئيسية. تُعرض النتائج عادةً كرسوم بيانية شريطية أو مخططات مبعثرة للمؤشرات مع فترات ثقة بوتستراب.
الأخطاء الشائعة
- تحديد نطاقات إدخال ضيقة جداً يقلل بشكل مصطنع من الحساسية الظاهرية للمتغيرات التي ستكون مهمة عبر نطاق واقعي أوسع — اربط دائماً نطاقات الإدخال بمعرفة المجال أو البيانات.
- الإبلاغ عن مؤشرات الدرجة الأولى فقط (S1) وتجاهل مؤشرات التأثير الكلي (ST) يغفل تأثيرات التفاعل؛ المتغير ذو S1 المنخفض ولكن ST المرتفع لا يزال مهماً لأنه يتفاعل بقوة مع الآخرين.
- استخدام عدد قليل جداً من تشغيلات النموذج لمؤشرات سوبول ينتج عنه تقديرات مؤشر غير مستقرة وغير موثوقة؛ يجب دائماً حساب فترات ثقة بوتستراب لتقييم التقارب.
- تطبيق نتيجة فحص موريس كإجابة نهائية عندما يتطلب الغرض تقدير التباين الدقيق — موريس يصنف المتغيرات ولكنه لا يقيس مساهماتها النسبية؛ استخدم سوبول أو FAST لذلك.
- الخلط بين الحساسية المحلية (المشتقات عند نقطة واحدة) والحساسية الشاملة — التحليل المحلي لا يلتقط تفاعلات المتغيرات أو اللاخطية عبر مساحة الإدخال الكاملة.
الأسئلة الشائعة
هل يجب أن أستخدم سوبول، موريس، أم FAST؟
يعتمد الاختيار على ميزانيتك من تشغيلات النموذج وهدفك. ابدأ بموريس إذا كان النموذج مكلفاً ولديك العديد من المتغيرات للفحص — فهو يصنفها بتكلفة زهيدة. إذا كان بإمكانك تحمل N×(2k+2) تشغيلات (حيث k هو عدد المتغيرات)، فإن مؤشرات سوبول تقدم الصورة الأكثر اكتمالاً عن طريق قياس التأثيرات الأولية وتأثيرات التفاعل كأجزاء من التباين الكلي. FAST هو خيار جيد عندما تريد تفكيك التباين الكامل ولكن حجم عينة سوبول كبير جداً؛ فهو يحقق معلومات مماثلة بعدد أقل من التشغيلات.
ماذا تعني مؤشرات الدرجة الأولى (S1) والتأثير الكلي (ST) فعلياً؟
S1 لمتغير هو جزء التباين الكلي للمخرجات الذي يفسره هذا المتغير بمفرده، متجاهلاً التفاعلات. ST هو الجزء الذي يفسره هذا المتغير وجميع تفاعلاته مع المتغيرات الأخرى. إذا كان S1 ≈ ST لجميع المتغيرات، فإن التفاعلات لا تذكر. تشير فجوة كبيرة بين S1 و ST إلى تأثيرات تفاعل مهمة. يمكن تثبيت المتغيرات ذات ST القريب من الصفر دون تغيير عدم اليقين في المخرجات بشكل هادف.
كم عدد تشغيلات النموذج التي أحتاجها؟
يتطلب مخطط سالتيلي القياسي لمؤشرات سوبول N×(2k+2) تشغيلات، حيث N هو حجم العينة الأساسي (غالباً 512-2048) و k هو عدد متغيرات الإدخال. على سبيل المثال، مع k=10 متغيرات و N=1024، يكون ذلك 22,528 تشغيل. يحتاج موريس عادةً إلى r×(k+1) تشغيلات، حيث r هو عدد المسارات (غالباً 10-50)، مما يعطي إجمالي أقل بكثير. تختلف متطلبات FAST حسب التنفيذ ولكنها بشكل عام بين تلك الخاصة بموريس وسوبول.
هل يمكنني استخدام تحليل الحساسية الشامل على نموذج ليس محاكاة؟
ينطبق GSA على أي نموذج يربط مجموعة من المدخلات بالمخرجات ويمكن تقييمه بشكل متكرر عند قيم إدخال مختلفة. يشمل ذلك النماذج الإحصائية، ونماذج التعلم الآلي، والمعادلات التحليلية، وليس فقط المحاكيات القائمة على الفيزياء. الشرط هو أنه يمكن تعيين توزيعات أو نطاقات معقولة للمدخلات ويمكن تشغيل النموذج بما يكفي من المرات لملء مصفوفة العينة.
طرق ذات صلة
المصادر
Sobol, I.M. (2001). Global Sensitivity Indices for Nonlinear Mathematical Models and Their Monte Carlo Estimates. Mathematics and Computers in Simulation, 55(1–3), 271–280.
افتح مرجع DOIتم النسخ.Saltelli, A. et al. (2008). Global Sensitivity Analysis: The Primer. Wiley.
افتح مرجع DOIتم النسخ.