Pygpc: A sensitivity and uncertainty analysis toolbox for Python
Pygpc: A sensitivity and uncertainty analysis toolbox for Python
复制标题
Pygpc：Python 的敏感性和不确定性分析工具箱
DOI：
10.1016/j.softx.2020.100450
复制
发表时间：
2020
期刊：
影响因子：
3.4
通讯作者：
T. R. Knösche
中科院分区：
文献类型：
--
作者：
K. Weise;L. Poßner;E. Müller;R. Gast;T. R. Knösche
我们提出了一个新的Python包计算模型的不确定性和灵敏度分析。的数学背景是基于非侵入性的广义多项式混沌方法，允许一个黑盒系统的调查模型，而不干扰他们的遗产代码。Pygpc经过优化，可以分析具有复杂且可能不连续的传递函数的模型，这些传递函数的计算成本很高。该工具箱确定多个感兴趣的量的不确定性并行，给定的系统参数和输入的不确定性。它还产生基于梯度的敏感性措施和Sobol指数，以揭示模型参数的相对重要性。
We present a novel Python package for the uncertainty and sensitivity analysis of computational models. The mathematical background is based on the non-intrusive generalized polynomial chaos method allowing one to treat the investigated models as black box systems, without interfering with their legacy code. Pygpc is optimized to analyze models with complex and possibly discontinuous transfer functions that are computationally costly to evaluate. The toolbox determines the uncertainty of multiple quantities of interest in parallel, given the uncertainties of the system parameters and inputs. It also yields gradient-based sensitivity measures and Sobol indices to reveal the relative importance of model parameters.
登录
查看更多内容
影响因子：
2.1
作者：
K. Weise;M. Carlstedt;M. Ziolkowski;H. Brauer
通讯作者：
K. Weise;M. Carlstedt;M. Ziolkowski;H. Brauer
经颅直流电刺激期间大脑电场的评估：敏感性分析
DOI：
10.1109/embc.2016.7591062
发表时间：
2016
期刊：
2016 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)
影响因子：
--
作者：
L. Santos;M. Martinho;R. Salvador;C. Wenger;S. Fernandes;O. Ripolles;G. Ruffini;P. Miranda
通讯作者：
P. Miranda
用于无损检测和评估的运动感应涡流技术
DOI：
10.1049/pbce106e
发表时间：
2018
期刊：
影响因子：
--
作者：
H. Brauer;M. Ziolkowski;K. Weise;M. Carlstedt;R.P. Uhlig;M. Zec
通讯作者：
M. Zec
DOI：
--
发表时间：
2004
期刊：
影响因子：
--
作者：
X. Wan;D. Xiu;G. Karniadakis
通讯作者：
G. Karniadakis
基于快速 MOR 的经颅磁刺激不确定性量化方法
影响因子：
2.1
作者：
Codecasa;Di Rienzo;Haueisen
通讯作者：
Haueisen