[논문 리뷰] Derivative-based global sensitivity measures: general links with Sobol' indices and numerical tests

Matieyendou Lamboni, Bertrand Iooss외 2명|arXiv (Cornell University)|2012. 02. 05.

Probabilistic and Robust Engineering Design참고 문헌 26인용 수 4

한 줄 요약

이 논문은 보르츠만 및 로그볼록한 확률 측도에 대해 도함수 기반 전역 민감도 측도(DGSM)와 총 소볼 지수 사이의 일반적인 부등식을 수립하여, DGSM이 총 소볼 지수에 대해 계산적으로 효율적인 상한을 제공함을 보여준다. 제안된 상한 Υⱼ는 특히 분산 기반 방법이 너무 비용이 많이 드는 고차원 모델에서 영향을 미치는 입력 변수를 훨씬 적은 모델 평가 수로 효과적으로 確認할 수 있도록 한다.

ABSTRACT

The estimation of variance-based importance measures (called Sobol' indices) of the input variables of a numerical model can require a large number of model evaluations. It turns to be unacceptable for high-dimensional model involving a large number of input variables (typically more than ten). Recently, Sobol and Kucherenko have proposed the Derivative-based Global Sensitivity Measures (DGSM), defined as the integral of the squared derivatives of the model output, showing that it can help to solve the problem of dimensionality in some cases. We provide a general inequality link between DGSM and total Sobol' indices for input variables belonging to the class of Boltzmann probability measures, thus extending the previous results of Sobol and Kucherenko for uniform and normal measures. The special case of log-concave measures is also described. This link provides a DGSM-based maximal bound for the total Sobol indices. Numerical tests show the performance of the bound and its usefulness in practice.

연구 동기 및 목표

• 많은 입력 변수를 가진 고차원 모델에서 분산 기반 민감도 분석의 계산 부담을 해결하기 위해.
• 균일 및 가우시안 분포를 초과하여 더 넓은 확률 측도의 범주로 도함수 기반 민감도 측도(DGSM)와 소볼 지수 사이의 이론적 연관성을 확장하기 위해.
• 총 소볼 지수에 대한 신뢰할 수 있는 상한을 제공하는 계산적으로 효율적인 篩選 방법을 개발하기 위해.
• 전체 분산 기반 분석이 높은 계산 비용으로 인해 비현실적인 경우, 상한 Υⱼ의 실용적 유용성을 검증하기 위해.

제안 방법

• 보르츠만 확률 측도를 가정하고, 파인카레 유형 부등식을 사용하여 DGSM과 총 소볼 지수 사이의 일반 부등식을 유도한다.
• 균일, 정규, 라플라스 분포를 포함하는 로그볼록한 측도의 범주로 이론적 연관성을 확장한다.
• 크루드 DGSM의 상수 배수로 정의된 새로운 민감도 지수 Υⱼ를 제안하며, 이는 총 소볼 지수의 최대 상한으로 기능한다.
• 이차 함수와 홍수 모델 두 가지 테스트 모델을 대상으로 DGSM 기반 지수와 고전적 소볼 지수를 비교하기 위해 수치 시뮬레이션을 수행한다.
• 입력 변수의 단위가 다를 경우 파생 기반 지수의 신뢰성을 향상시키기 위해 재정규화 및 가중치 기법을 적용한다.
• DGSM과 제1차 소볼 지수를 조합하여 비영향을 미치는 변수를 탐지하고 상호작용 효과를 평가하기 위한 이단계 민감도 분석 프레임워크를 구축한다.

실험 결과

연구 질문

• RQ1 균일 및 가우시안 분포를 초월하여 더 넓은 확률 분포의 범주에 대해 DGSM과 총 소볼 지수 사이의 이론적 부등식을 수립할 수 있는가?
• RQ2 DGSM 기반 상한 Υⱼ는 정확도와 계산 효율성 측면에서 실제 총 소볼 지수와 비교해 볼 때 어떻게 성능을 보이는가?
• RQ3 전체 분산 기반 분석이 계산 비용이 너무 높아 비현실적인 고차원 모델에서 Υⱼ는 영향을 미치는 입력 변수를 신뢰성 있게 식별할 수 있는가?
• RQ4 변수의 단위와 분포 가정이 파생 기반 민감도 지수의 성능에 어떤 영향을 미치는가?
• RQ5 실제 응용에서 DGSM은 제1차 소볼 지수와 어떻게 효과적으로 조합될 수 있는가?

주요 결과

• 보르츠만 확률 측도에 대해 DGSM과 총 소볼 지수 사이의 일반 부등식이 수립되었으며, 이는 이전에 균일 및 정규 분포에 국한된 결과를 확장한다.
• 로그볼록한 측도에 대해서도 동일한 이론적 연관성이 유지되어, DGSM이 선별 도구로의 적용 가능성을 넓힌다.
• 크루드 DGSM의 상수 배수로 정의된 제안된 지수 Υⱼ는 총 소볼 지수에 대해 유효하고 계산 가능한 상한을 제공하며, 효율적인 선별을 가능하게 한다.
• 홍수 모델에 대한 수치 테스트 결과, Υⱼ는 오버플로우 및 비용 출력 모두에서 가장 영향을 미치는 변수(Q, Zᵥ, Hₐ, Kₛ)를 정확히 식별하며, 정규화되지 않은 도함수 지수 νⱼ와 τⱼ보다 뛰어난 성능을 보였다.
• 전체 소볼 지수 추정이 계산 비용으로 인해 비현실적인 경우에도 Υⱼ는 입력 변수를 우선순위 정렬하는 데 성공적으로 작용하여 실용적 유용성을 확인하였다.
• DGSM과 제1차 소볼 지수의 조합은 비영향을 미치는 입력 변수의 효율적 탐지와 상호작용 효과 평가를 가능하게 하여, 이단계 민감도 분석 프레임워크를 지원한다.