Калибровка

Анализ чувствительности

Монте-Карло

Варьирование параметров

Анализ чувствительности модели – процедура оценки влияния исходных гипотез и значений ключевых факторов на выходные показатели модели. Обычно эксперимент с варьированием параметров и анализом реакции модели помогает оценить, насколько чувствительным является выдаваемый моделью прогноз к изменению гипотез, лежащих в основе модели. При анализе чувствительности обычно рекомендуется выполнять изменение значений факторов по отдельности, что позволяет ранжировать их влияние на результирующие показатели.

В AnyLogic доступен механизм автоматического запуска модели заданное

количество раз с изменением значений выбранных параметров – это эксперимент для варьирования параметров. При запуске данного эксперимента пользователь может изучить и сравнить поведение модели при разных значенияхпараметров с помощью графиков.

Чтобы запустить такой эксперимент, нужно выполнить следующее:

- создать эксперимент для варьирования параметров;

- сконфигурировать эксперимент, выбрав параметры модели, которые вы

хотите варьировать, и, задав значения, которые эти параметры должны

будут принять за определенное вами количество прогонов модели, в

окне свойства данного эксперимента;

- запустить модель, выбрав данный эксперимент в качестве текущего.

Такой вид эксперимента не поддерживает визуализацию работы модели с

помощью анимации.

Получает и отображает набор результатов моделирования для стохастической модели или для модели со стохастически меняющимися параметрами. Интерфейс эксперимента может содержать как обычные, так и двумерные гистограммы.

Сравнение "прогонов"

Позволяет интерактивно задавать различные значения параметров и запускать модель с этими значениями.

Визуально сравнивает результаты "прогонов" как в скалярной форме, так и в виде наборов данных.

Выполняет несколько "прогонов" модели, варьируя значения одного из параметров и показывая, как результаты моделирования зависят от этих изменений.

С помощью оптимизатора находит значения параметров модели, при которых результаты моделирования наиболее точно соответствуют заданным данным. Данные могут быть заданы как скалярными значениями, так и наборами данных. В случае множественных критериев могут быть использованы коэффициенты.

Осуществляет визуализацию прогресса калибровки и соответствия результатов каждому заданному критерию.

Дата добавления: 2015-08-31