Inverting Regional Sensitivity Analysis to reveal sensitive model behaviors
反转区域敏感性分析以揭示敏感的模型行为AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般模型的区域敏感性与环境模拟输出，没有足够证据归入所列经济计量细分领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
反转区域敏感性分析以揭示敏感的模型行为
- 研究问题
- 给定一个模型输入，能否寻找输出空间中最受该输入变化影响的区域，从而解释不同维度输出的敏感行为？
- 方法与思路
- 作者将传统区域敏感性分析的视角反转，把区域搜索写成基于区域敏感性指标的优化问题，并设计专门数值算法求解。
- 材料陈述的贡献
- 摘要提出 iRSA，通过解析和数值例子及输出时间序列的环境模型，展示对多维输出敏感性的图形化、可解释刻画。
- 阅读关注点
- 应核对区域搜索空间、敏感性指标及优化约束、区域存在性与算法稳定性，以及图形解释对输入分布设定的依赖。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明最优区域的存在条件、全局求解保证或比较数值。
原文摘要
We address the question of sensitivity analysis for model outputs of any dimension using Regional Sensitivity Analysis (RSA). Classical RSA computes sensitivity indices related to the impact of model inputs variations on the occurrence of a target region of the model output space. In this work, we invert this perspective by proposing to find, for a given target model input, the region whose occurrence is best explained by the variations of this input. When it exists, this region can be seen as a model behavior which is particularly sensitive to the variations of the model input under study. We name this method iRSA (for inverse RSA). iRSA is formalized as an optimization problem using region-based sensitivity indices and solved using dedicated numerical algorithms. Using analytical and numerical examples, including an environmental model producing time series, we show that iRSA can provide a new graphical and interpretable characterization of sensitivity for model outputs of various dimensions.