[論文レビュー] Simple binning algorithm and SimDec visualization for comprehensive sensitivity analysis of complex computational models

Mariia Kozlova, Antti Ahola+2 more|arXiv (Cornell University)|Oct 20, 2023

Probabilistic and Robust Engineering Design被引用数 10

ひとこと要約

本論文は、独立でない入力を扱う簡単で効率的なビニング法を用いてグローバル感度指標（2次効果を含む）を推定し、SimDec の視覚化で複雑なモデルの相互作用形状を明らかにする。 toy、Ishigami、機械工学モデルで検証。

ABSTRACT

Models of complex technological systems inherently contain interactions and dependencies among their input variables that affect their joint influence on the output. Such models are often computationally expensive and few sensitivity analysis methods can effectively process such complexities. Moreover, the sensitivity analysis field as a whole pays limited attention to the nature of interaction effects, whose understanding can prove to be critical for the design of safe and reliable systems. In this paper, we introduce and extensively test a simple binning approach for computing sensitivity indices and demonstrate how complementing it with the smart visualization method, simulation decomposition (SimDec), can permit important insights into the behavior of complex engineering models. The simple binning approach computes first-, second-order effects, and a combined sensitivity index, and is considerably more computationally efficient than the mainstream measure for Sobol indices introduced by Saltelli et al. The totality of the sensitivity analysis framework provides an efficient and intuitive way to analyze the behavior of complex systems containing interactions and dependencies.

研究の動機と目的

• データから一階および二階分散ベースの感度指標を直感的で計算コストの低い方法で推定する。
• 従来の大規模変換を必要とせず、依存入力を自動的に扱うことを実証する。
• 伝統的な指標だけでは伝えきれない相互作用の形状・性質を明らかにするため、可視化（SimDec）の利用を促進する。
• ネストされた異質な相互作用を備える代表的な工学モデルでフレームワークを示し、能力を示す。
• 採用促進のため、複数のプログラミング言語でのオープンソース実装を提供する。

提案手法

• Marzban and Lahmer の概念的な一階ビニング法を拡張して二階効果を捉える。
• 入力軸に沿ってデータをビインして条件平均とそれらの（重み付き）分散を計算し、感度指標を得る。
• 離散/カテゴリ入力と変動ビン占有を扱うため、ビン数の自動選択と重み付き分散を用いた保存則を維持する。
• すべての他の入力に対して第一階の指標と第二階の指標の半分を結合して総合的な感度指標を計算する。
• SimDec 視覚化を組み込み、入力領域が出力分布を形作る方法を分解して表示する。

Figure 1: Conceptual representation of the sensitivity indices, adapted from ( Saltelli, 2023 ).

実験結果

リサーチクエスチョン

• RQ1 簡単なビニング手法は、依存入力を持つデータから一階および二階のグローバル感度指標を効率的に推定できるか。
• RQ2 SimDec の視覚化は、指標だけでは伝えきれないより豊かな相互作用の形を示すか。
• RQ3 循環/周期的挙動と相関入力を持つモデルでは手法はどう機能するか。
• RQ4 加法モデルと乗法モデルにおける依存下での二階指標と入力相関の関係はどのようになるか、負の相関を含む。

主な発見

• 単純なビニング法は Sobol’ 指数に近い感度指標を、はるかに少ないモデル評価で提供する。
• 手法は二階効果を捉え、入力が依存している場合やカテゴリ型でも頑健で、保存のような特性を保つ。
• SimDec で相互作用の性質を指標以上に明らかにする。
• 相関を持つ機械工学モデルでは、二階指標が負になることがあり、依存による重なりを反映する。
• Ishigami と toy モデルの分析は、サンプルサイズとサンプリング戦略（QMC）が精度に影響することを示す、特に曲率が大きいまたは周期的関係において。
• フレームワークは二階指標と相関の関係を微妙に結びつけ、依存下での加法モデルと乗法モデルの間に非対称性を示す。

Figure 2: Simple binning approach for first-order indices (left) and second-order indices (right).