Modification of Elementary Effects Method of Utilizing Given-data for Global Sensitivity Analysis

Abstract

전역 민감도분석(Global Sensitivity Analysis, GSA)은 기본적으로 모델 출력 변수와 입력 변수의 불확실성 사이의 관계를 밝히는 모델 기반 연구이다. 그러나 경우에 따라 GSA는 "데이터가 주어진 상황"에서 수행할 필요가 있으며, 이는 분석가가 데이터 수집과정에서 샘플링 방법을 선택할 수 없음을 의미한다. 이에 대한 하나의 접근방법으로, 분석가는 주어진 데이터를 활용하여 메타모델(혹은 에뮬레이터)을 구축한 후 일반적인 모델 기반의 GSA 방법론을 사용할 수 있다. 그러나 이러한 접근방식은 모델의 품질에 따라 차후의 분석에 상당히 민감한 영향을 미칠 수 있으며, 어떤 모델링 방법을 선택해야 하는지에 따라서도 결과가 완전히 달라질 수도 있다. 본 연구에서는 특수한 샘플링 방법을 통해 생성되지 않은 임의의 데이터가 주어진상황에서 메타모델을 구축하지 않고 직접 GSA의 요인 고정에 해당하는 변수 스크리닝(variable screening)을 할 수 있는 방법 Data-driven-Elementary-Effects-method (DEE-method) 를 소개한다. 이 방법의 주요 아이디어는 1991년 Morris가 제안한 모델 기반 변수 스크리닝 방법인 Elementary Effects method를 사용하기 위하여 Pujol이 2009년 제안한 Simplex 기반 샘플링방법을 응용해 데이터로부터 local-data-cluster를 구성하는 것이다. 시뮬레이션 실험 결과는 비슷한 수의 무작위 샘플을 이용하여 특별한 샘플링을 필요로 하는 EE-method와 비슷한 성능을 낼 수 있다는 것을 보였다.; While global sensitivity analysis (GSA) is basically a model-based study which reveals the relation between uncertainty of model output variable and input variables, in some cases GSA must be performed in a “data-given situation”, which means the analyst cannot choose the sample points. With the data is given, the analyst may construct a metamodel (or emulator) using the given data, and then conduct ordinary model-based GSA methods. However, these approaches can have significantly sensitive effects on the analysis depending on the quality of the model, and the results may even vary entirely depending on which modelling method to be chosen. In this study, we develop a direct variable screening method with given data for GSA factor fixing setting, without building a metamodel or special sampling techniques : Data-driven-Elementary-Effects-method (DEE-method). The main idea of this method is to form a local-data-cluster which can directly applied to Elementary Effect (EE) method, using the concept proposed by Morris(1991) and the simplex-based sampling proposed by Pujol(2009). The results of the simulation experiment showed that a similar number of random samples could be used to produce performance similar to EE-methods requiring special sampling.