Skip to content

模型的敏感性分析和稳健性分析如何进行? ​

先定义需要保护的结论 ​

敏感性分析关注哪些输入会使结果改变、改变多少。稳健性分析继续问,在一组可信的输入、数据处理或模型假设下,排名、达标或方案可行性还能否维持。应先选定要跟踪的输出,例如成本、最大短缺量、前两名分差,并设定有业务含义的阈值。

从基准逐步扩大范围 ​

  1. 冻结基准与扰动依据。 保存原参数、数据、方案和判断阈值。结合测量误差、历史波动或已说明的政策情景设范围。权重保持非负且和为 1;需求和价格存在明显联动时,避免生成违背业务机制的组合。
  2. 单因素定位。 固定其他量,按几个合理增量扰动一个参数,记录变化方向、幅度及越过阈值的位置。可以画敏感性曲线。基准参数或输出接近零时,百分比变化可能非常大,应同时报告原单位差值。
  3. 检验组合和方法选择。 用历史高低情景、合乎约束的组合或有依据的概率分布做联合试验。同步变化可能放大或相互抵消单因素影响。若报告失败概率,需要说明采样分布、变量依赖与重复次数;若只有预设情景,可报告这些情景中出现的违反量。
  4. 分别评估原方案和允许调整的方案。 一支车队按原方案最多运 105 吨,基准需求 100 吨,涨到 112 吨时短缺 7 吨。固定方案重算能说明当前安排能承受多大变化;若扰动发生后允许增派车辆,另求新解并报告适应成本与所需提前量。

怎样验证分析结论 ​

重跑基准情景并核对原结果。对最敏感的参数加密取点,检查找到的翻转或失效边界是否重复出现。用表格报告参数范围、方案在主要情景下的结果,以及代价最低的可执行备选。对未覆盖的范围保留边界说明,避免将有限场景的稳定性外推成普遍保证。

关联文章 ​

MathModel FAQ · 数学建模知识库