通过随机参数变化进行灵敏度分析
蒙特卡洛模拟是一种用于研究模型如何对随机生成的输入作出响应的技术。它通常包括三个步骤:
- 随机生成“N”个输入(有时称为场景)。
- 对每一个“N”输入进行模拟。模拟是在被分析系统的计算机化模型上运行的。
- 汇总和评估来自模拟的输出。常用的度量方法包括输出的平均值、输出值的分布以及最小或最大输出值。
使用蒙特卡洛模拟分析的系统包括财务、物理和数学模型。由于模拟是相互独立的,蒙特卡洛模拟很适合并行计算技术,它可以显著减少执行计算所需的时间。
MATLAB中的蒙特卡罗仿真
的MATLAB®语言提供了各种高级数学函数,您可以使用它来构建蒙特卡洛模拟模型并运行这些模拟。MATLAB被用于金融建模、天气预报、操作分析和许多其他应用。
为了更好地控制输入生成,统计和机器学习工具箱™提供各种各样的概率分布,可用于生成连续和离散输入。
Simulink中的蒙特卡洛仿真
可以对多域系统进行建模和模拟动态仿真模块®表示控制器、电机、增益和其他部件。这些复杂系统的设计和测试涉及多个步骤,包括识别哪些模型参数对需求和行为的影响最大,记录和分析仿真数据,以及验证系统设计。
蒙特卡洛模拟允许您运行参数扫描、探索设计空间、测试多个场景,并使用这些模拟的结果通过统计分析来指导设计过程,从而帮助您获得对设计的信心。Simulink设计优化™提供交互式工具来执行此灵敏度分析并影响您的Simulink模型设计。
并行运行蒙特卡洛模拟
为了提高蒙特卡洛模拟的性能,可以使用并行计算工具箱™而且MATLAB并行服务器™.
MATLAB例子和如何
Simulink示例和如何
软件参考
参见:形式验证,金融工程,随机数,系统验证和验证,计算金融中的蒙特卡罗模拟,参数估计,负荷预测,建模与仿真,仿真软件,蒙特卡罗模拟视频,预测建模