【MATLAB第105期】基于MATLAB的Monte Carlo蒙特卡洛抽样的全局敏感性分析方法研究，与sobol抽样对比（无目标函数--代理模型rf、svm、rbf、bp）

【MATLAB第105期】基于MATLAB的Monte Carlo蒙特卡洛抽样的全局敏感性分析方法研究，与sobol抽样对比（无目标函数–代理模型rf、svm、rbf、bp）

全局敏感性分析方法参照64期sobol抽样分析方法，均基于方差法实现。

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行
rng(30)
%%  导入数据
res = xlsread('数据集.xlsx');
%%  划分训练集和测试集
%temp = randperm(103);
temp = randperm(size(res,1));
trainnum=80;%训练数量
P_train = res(temp(1: trainnum), 1: end-1)';
T_train = res(temp(1: trainnum), end)';
M = size(P_train, 2);
P_test = res(temp(trainnum+1: end), 1: end-1)';
T_test = res(temp(trainnum+1: end), end)';
N = size(P_test, 2);
%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);

一、BP神经网络

1、训练模型

2、MC敏感性分析

3、sobol敏感性分析

二、rbf神经网络

1、训练模型

2、MC敏感性分析

3、sobol敏感性分析

三、随机森林rf

1、训练模型

2、MC敏感性分析

3、sobol敏感性分析

四、libsvm模型

1、训练模型

2、MC敏感性分析

3、sobol敏感性分析

五、代码获取

1.阅读首页置顶文章
2.关注CSDN
3.根据自动回复消息，回复“105期”以及相应指令，即可获取对应下载方式。