تعميم روش آناليز حساسيت سوبول براي استفاده در مهندسي و علوم

Sobol sensitivity generalization for engineering and science applications

عدم اطمينان جزء تفكيك‌ناپذير تحليل‌هاي مهندسي است. توزيعِ بيان كننده ي اين عدم اطمينان ها محدوده وسيعي از توزيع هاي آماري را در بر مي گيرد. روش سوبول يكي از بهترين و شناخته شديه ترين روش هاي آناليز حساسيت است. مشكل روش سوبول به عنوان روش بسيار قوي آناليز حساسيت، اين است كه تنها براي توزيع يكنواخت پيوسته قابل استفاده است. در اين مقاله روش سوبول براي ورودي هاي با توزيع هاي مختلف پيوسته و گسسته توسعه داده شده است. به اين ترتيب براي انواع مختلف مدل هاي موجود در مهندسي و علوم با توزيع هاي مختلف ورودي قابل استفاده خواهد بود. براي نشان دادن دادن كارايي روش در ارائه دقيق مقادير عددي حساسيت، نتايج آناليز حساسيت تحليل خطر لرزه خيزي تهران به روش سوبول توسعه يافته داده شده است. علوم مرتبط با سازه و زمين لرزه به علت تغيير پذيري ذاتي مصالح، زمين و طبيعت تصادفي حركات زمين مملو از انواع عدم اطمينان مي‌باشند. محاسبه نقش عدم اطمينان هر پارامتر در عدم اطمينان كل مي تواند به بهينه سازي تلاش ها و هزينه هاي لازم براي دقيق تر كردن خروجي ها باشد. به اين ترتيب امكان ارائه عدد دقيق حساسيت فراهم آمده است. نتايج تحليل در ارائه مقادير دقيق انواع حساسيت رضايت بخش است.

Uncertainty is the inseparable part of the engineering analysis. These uncertainties have different Distributions. Sobol decomposition method is one of the most well-known methods of sensitivity analysis. Sobol decomposition as a robust sensitivity analysis method can only be used for uniform distribution. In the present paper, we generalize Sobol sensitivity method for all continuous and discrete distributions. Hence it can be used for wide Varity models in engineering and science of different distributions. The capability of the generalized method for precise numerical values presentation, the results of the sensitivity analysis of the Tehran seismic hazard is given. Due to the variability of materials and earthquakes, Structural and geosciences are full of uncertainties. Calculating the role of the uncertainty of each parameter in the overall uncertainty can be to optimize the efforts and costs necessary for outputs precision, so, it is possible to provide a precise values of sensitivities. The results are satisfactory.