CN115408859B - 基于全局敏感性分析的参数分析方法、装置、介质及设备 - Google Patents
基于全局敏感性分析的参数分析方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN115408859B CN115408859B CN202211047837.2A CN202211047837A CN115408859B CN 115408859 B CN115408859 B CN 115408859B CN 202211047837 A CN202211047837 A CN 202211047837A CN 115408859 B CN115408859 B CN 115408859B
- Authority
- CN
- China
- Prior art keywords
- time
- parameter
- sensitivity analysis
- parameters
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010206 sensitivity analysis Methods 0.000 title claims abstract description 58
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 12
- 230000035945 sensitivity Effects 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 239000006185 dispersion Substances 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 108
- 238000004088 simulation Methods 0.000 claims description 14
- 230000036962 time dependent Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21C—NUCLEAR REACTORS
- G21C17/00—Monitoring; Testing ; Maintaining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- High Energy & Nuclear Physics (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
本发明公开了基于全局敏感性分析的参数分析方法、装置、介质及设备，包括输入待分析的参数，并在其中抽取敏感性分析样本；模拟计算输出所需的时间序列数据和时间标记；构建B样条基函数；构建翘曲函数的样条基函数；进行配准计算，将对齐后的曲线进行取值离散，并获取离散点；执行敏感性分析计算，输出离散点处的各参数的敏感性度量；构建各参数重要度随时间变化规律曲线，及确定各时间阶段内的参数中的重要参数；本发明在核反应堆运行和事故工况的敏感性分析中，可以不依赖于专家经验，快速准确地确定各输入参数的重要度随时间变化的趋势，进而确定各事故阶段下的重要参数，达到连续跟踪核反应堆运行和事故工况中重要参数及其重要度变化的效果。
Description
技术领域
本发明涉及反应堆热工水力设计及安全分析领域，具体涉及一种基于全局敏感性分析的参数分析方法、装置、介质及设备。
背景技术
核反应堆安全分析中一个重要步骤为识别运行和事故工况中的重要现象或参数，并对其重要度进行排序，最终能够得到现象识别排序表(PIRT)。PIRT能够识别核反应堆工况进程中不同阶段的重要参数，并对参数进行重要度定性分组，具有一定的参考价值。然而，PIRT的建立主要依赖于专家经验，具有较强的主观性。
随着计算机技术的不断进步和数学方法的发展，逐渐出现了一些使用敏感性分析对核反应堆工况中的参数进行重要度排序的方法。这类方法中使用方差分解等定量敏感性分析技术计算参数的敏感性度量，并基于敏感性度量对参数进行重要度排序。
然而，这类方法不仅要求的计算量巨大，而且仅能适用于标量点输出，无法适用于核反应堆运行和事故工况进程中的时间序列输出。换而言之，该类方法只能分析核反应堆工况中某一个特殊时间点的参数重要度，这类时间点往往对应核安全接受准则参数，如包壳峰值温度等。
综上，目前核反应堆运行和事故工况中对重要参数进行识别并排序的工作主要存在以下问题：
传统基于PIRT的方法能识别运行和事故工况中不同阶段的重要现象或参数，但是这类方法为定性方法，依赖于专家经验，实际应用中存在较大的限制，且无法对参数进行定量排序；
使用定量敏感性分析对参数进行排序计算则存在成本巨大，且只能分析工况中某一特征点的限制，无法识别运行和事故工况中不同阶段的重要参数，更无法跟踪参数重要度随时间的变化。
发明内容
本发明所要解决的技术问题是无法有效的对参数的重要度进行排序，目的在于提供一种基于全局敏感性分析的参数分析方法、装置、介质及设备，可以不依赖于专家经验，快速准确地确定各输入参数的重要度随时间变化的趋势，并确定各时间阶段下的重要参数。
本发明通过下述技术方案实现：
第一方面，一种基于全局敏感性分析的参数分析方法，包括：
输入待分析的参数，并在其中抽取敏感性分析样本；
调用核安全分析程序执行核反应堆工况模拟计算，并输出所需的时间序列数据，同时指定时间序列数据的时间标记；
构建B样条基函数，并输出时间序列数据的函数型数据对象；
构建翘曲函数的样条基函数，并基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线按照时间标记对齐曲线特征；
将对齐后的曲线按照时间序列数据进行取值离散，并获取离散点；
使用全局敏感分析方法对各离散点执行敏感性分析计算，输出离散点处的各参数的敏感性度量；
构建各参数重要度随时间变化规律曲线，及确定各时间阶段内的参数中的重要参数。
可选地，根据时间序列数据设置B样条基函数的基函数数量、阶数及内节点取值，构建B样条基函数。
可选地，使用B样条基函数构建输出时间序列数据的函数型数据对象S(t)：S(t)＝∑ckBk(t,τ)，其中t表示时间，k表示基函数数量，ck表示第k个基函数的权重值，Bk(t,τ)表示第k个B样条基函数，τ表示内节点取值序列。
可选地，基于指定的时间标记设置翘曲函数的基函数数量、阶数及内节点取值，构建翘曲函数的样条基函数；
基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线的曲线特征按照指定的时间标记对齐。
可选地，基于高阶模型表示降维技术优化矩独立全局敏感性分析方法获得全局敏感性分析方法，并使用全局敏感性分析方法于离散点处执行敏感性分析计算，得到各离散点处各参数的敏感性度量。
重要参数的确定方法包括：
获得各个参数的重要度随时间变化规律曲线；
确定需要进行重要参数确定的时间段，并截取该时间段内所有的参数的重要度曲线；
计算截取的重要度曲线的平均值；
对各个平均值进行排序，并配置重要度参考比例；
根据重要度参考比例确定平均值对应的参数，确定为重要参数。
第二方面，一种基于全局敏感性分析的参数分析装置，包括：输入模块，其用于输入待分析的参数，并在其中抽取敏感性分析样本；
模拟计算模块，其用于调用核安全分析程序执行核反应堆工况模拟计算，并输出所需的时间序列数据，同时指定时间序列数据的时间标记；
第一建模模块，其用于构建B样条基函数，并输出时间序列数据的函数型数据对象；
第二建模模块，其用于构建翘曲函数的样条基函数，并基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线按照时间标记对齐曲线特征；
离散模块，其用于将对齐后的曲线按照时间序列数据进行取值离散，并获取离散点；
分析计算模块，其用于使用全局敏感分析方法对各离散点执行敏感性分析计算，输出离散点处的各参数的敏感性度量；
输出模块，其用于构建各参数重要度随时间变化规律曲线，及确定各时间阶段内的参数中的重要参数。
具体地，所述第一建模模块包括：
第一构建模块，其用于根据时间序列数据设置B样条基函数的基函数数量、阶数及内节点取值，构建B样条基函数；
第一计算模块，其用于使用B样条基函数构建输出时间序列数据的函数型数据对象S(t)：S(t)＝∑ckBk(t,τ)，其中t表示时间，k表示基函数数量，ck表示第k个基函数的权重值，Bk(t,τ)表示第k个B样条基函数，τ表示内节点取值序列。
具体地，所述第二建模模块包括：
第二构建模块，其用于基于指定的时间标记设置翘曲函数的基函数数量、阶数及内节点取值，构建翘曲函数的样条基函数；
第二计算模块，其用于基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线的曲线特征按照指定的时间标记对齐。
第三方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的一种基于全局敏感性分析的参数分析方法的步骤。
一种电子设备，包括：至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够：实现如上述的一种基于全局敏感性分析的参数分析方法的步骤。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明通过对分析样本进行模拟计算，并输出时间序列数据和对应的时间标记，然后通过构建B样条基函数和翘曲函数的样条基函数，进行配准计算后输出曲线，获取离散点后对离散点进行全局敏感分析，最终获取参数重要度的变化规律和重要参数；
本发明在核反应堆运行和事故工况的敏感性分析中，可以不依赖于专家经验，快速准确地确定各输入参数的重要度随时间变化的趋势，进而确定各事故阶段下的重要参数，达到连续跟踪核反应堆运行和事故工况中重要参数及其重要度变化的效果。
附图说明
附图示出了本发明的示例性实施方式，并与其说明一起用于解释本发明的原理，其中包括了这些附图以提供对本发明的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分，并不构成对本发明实施例的限定。
图1是根据本发明所述的一种基于全局敏感性分析的参数分析方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合附图和实施方式对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分。
在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。下面将参考附图1并结合实施方式来详细说明本发明。
实施例一
如图1所示，本实施例提供了一种基于时间相关全局敏感性分析的参数识别排序方法，包括：
第一步，输入待分析的参数，并在其中抽取敏感性分析样本；待分析的参数通过核反应堆相关的数据采集装置进行采集，并在其中随机抽奖一定量的敏感性分析样本。
第二步，调用核安全分析程序执行核反应堆工况模拟计算，并输出所需的时间序列数据，同时指定时间序列数据的时间标记；将抽取的敏感分析样本输入至核安全分析程序，通过现有的核安全分析程序对工况进行模拟计算。
本步骤的核安全分析程序是指用于对核反应堆运行和事故工况进行安全分析的仿真模拟计算机程序(软件)，包括热工水力程序，中子物理程序等。
第三步，根据时间序列数据设置B样条基函数的基函数数量、阶数及内节点取值，构建B样条基函数。
本步骤中的B样条基函数指的是任意开放型离散数据均可表示一系列基函数加权线性加和的形式，这些基函数加权线性加和的形式被称为基函数系统，其中B样条基函数是由deBoor提出的一类现有基函数系统。
第四步，输出时间序列数据的函数型数据对象，具体方法包括：使用B样条基函数构建输出时间序列数据的函数型数据对象S(t)：S(t)＝∑ckBk(t,τ)，其中t表示时间，k表示基函数数量，ck表示第k个基函数的权重值，Bk(t,τ)表示第k个B样条基函数，τ表示内节点取值序列，随后可选择执行轻度平滑处理以消除噪声数据。
第五步，基于指定的时间标记设置翘曲函数的基函数数量、阶数及内节点取值，构建翘曲函数的样条基函数。
本步骤中的翘曲函数是指用于对时间相关数据进行局部“时间加快”或“时间变慢”的函数，是一种用于处理时间相关数据的方法。这里因为使用B样条基函数对时间相关数据进行了表征，为了开展后续的时间“配准”，因此也使用B样条基函数来构建本方法中用到的翘曲函数。
第六步，基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线按照时间标记对齐曲线特征；
本步骤中的配准计算是本领域技术人员已知的技术，由于核反应堆系统的模拟分析具有很强的时效性，在考虑参数不确定性进行统计学计算时存在现象发生时间的偏移，如某个现象持续的时间长短不一样，或某个现象出现的时间不一样等。为了能够使得不同计算的结果具有可比性，通过使用翘曲函数将不同计算的曲线特征进行对齐，该过程即为配准。
配准计算中，我们选取一条曲线为基准曲线，其他曲线与基准曲线进行对比，例如某曲线计算的时间进程偏快，则可以使用翘曲函数进行“局部时间变慢”使得两条曲线的特征一致(形状相似)。
第七步，将配准对齐后的曲线按照时间序列数据进行取值离散，并获取离散点，离散点数量根据需求设置，离散点越多，时间精度越高。
在本步骤中，可以使用等距离散，即按照一定的时间间隔进行均匀离散，如每隔0.1s取一个点，每隔0.2s取一个点，具体的时间间隔可根据具体的使用环境进行配置，本领域技术人员能够理解并实施相关方法。
第八步，基于高阶模型表示降维技术优化矩独立全局敏感性分析方法获得全局敏感性分析方法，使用全局敏感分析方法对各离散点执行敏感性分析计算，输出离散点处的各参数的敏感性度量；
矩独立全局敏感性分析方法是一种用于评估系统中输入参数对目标输出概率密度函数(PDF)的影响的统计学方法，通过计算输出参数的无条件PDF及固定一个输入参数的条件PDF之间的偏移量来量化评估输入参数对目标输出的影响。
矩独立法由于其特征可以被用于高度非线性的核反应堆系统分析，但是其实际使用中存在的最大问题是所需的程序(软件)计算次数很大，因此计算成本很高，为了降低其计算成本而使用高阶模型表示(术语，是表示不是代替)的降维技术来对矩独立方法进行优化以减少其计算成本，提高计算效率。
具体优化方法为已经公开的方法，在此不做赘述。
最后，通过各参数的敏感性度量构建各参数重要度随时间变化规律曲线，然后确定核反应堆工况进程中不同阶段的重要参数。
重要参数的确认方法为：对当前时间段内的参数重要度进行排序确定，获得了各参数重要度随时间变化规律曲线。
如果要分析某一时间段内的重要参数，则截取各个参数在当前时间段内的重要度曲线，并计算该曲线的平均值。
随后比较各个参数的平均值大小，并对其进行排序，重要参数是指排名靠前的一定比例参数，具体比例可根据具体的使用环境进行配置，本领域技术人员能够理解并实施相关方法。
实施例二
本实施例提供一种基于全局敏感性分析的参数分析装置，包括输入模块、模拟计算模块、第一建模模块、第二建模模块、离散模块、分析计算模块和输出模块。
输入模块用于输入待分析的参数，并在其中抽取敏感性分析样本；
模拟计算模块用于调用核安全分析程序执行核反应堆工况模拟计算，并输出所需的时间序列数据，同时指定时间序列数据的时间标记；
第一建模模块用于构建B样条基函数，并输出时间序列数据的函数型数据对象；
第二建模模块用于构建翘曲函数的样条基函数，并基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线按照时间标记对齐曲线特征；
离散模块用于将对齐后的曲线按照时间序列数据进行取值离散，并获取离散点；
分析计算模块用于使用全局敏感分析方法对各离散点执行敏感性分析计算，输出离散点处的各参数的敏感性度量；
输出模块用于构建各参数重要度随时间变化规律曲线，及确定各时间阶段内的参数中的重要参数。
第一建模模块包括第一构建模块和第一计算模块。
第一构建模块用于根据时间序列数据设置B样条基函数的基函数数量、阶数及内节点取值，构建B样条基函数；
第一计算模块用于使用B样条基函数构建输出时间序列数据的函数型数据对象S(t)：S(t)＝∑ckBk(t,τ)，其中t表示时间，k表示基函数数量，ck表示第k个基函数的权重值，Bk(t,τ)表示第k个B样条基函数，τ表示内节点取值序列。
第二建模模块包括第二构建模块和第二计算模块。
第二构建模块用于基于指定的时间标记设置翘曲函数的基函数数量、阶数及内节点取值，构建翘曲函数的样条基函数；
第二计算模块用于基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线的曲线特征按照指定的时间标记对齐。
在本实施例中，各个模块可以为独立的模块，也可以为一个模块中多个不同的程序执行区域。
实施例三
一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述的一种基于全局敏感性分析的参数分析方法的步骤。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令数据结构,程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储技术,CD-ROM、DVD或其他光学存储﹑磁带盒﹑磁带﹑磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器和大容量存储设备可以统称为存储器。
一种电子设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够：实现如上述的一种基于全局敏感性分析的参数分析方法的步骤。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的执行程序等。
存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件、或其他易失性固态存储器件。
在本说明书的描述中，参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本发明，而并非是对本发明的范围进行限定。对于所属领域的技术人员而言，在上述发明的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本发明的范围内。
Claims (7)
1.一种基于全局敏感性分析的参数分析方法，其特征在于，包括：
输入待分析的参数，并在其中抽取敏感性分析样本；
调用核安全分析程序执行核反应堆工况模拟计算，并输出所需的时间序列数据，同时指定时间序列数据的时间标记；
构建B样条基函数，并输出时间序列数据的函数型数据对象；使用B样条基函数构建输出时间序列数据的函数型数据对象：/>，其中/>表示时间，表示基函数数量，/>表示第/>个基函数的权重值，/>表示第/>个B样条基函数，/>表示内节点取值序列；
构建翘曲函数的样条基函数，并基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线按照时间标记对齐曲线特征；
将对齐后的曲线按照时间序列数据进行取值离散，并获取离散点；
使用全局敏感分析方法对各离散点执行敏感性分析计算，输出离散点处的各参数的敏感性度量；方法包括：基于高阶模型表示降维技术优化矩独立全局敏感性分析方法获得全局敏感性分析方法，并使用全局敏感性分析方法于离散点处执行敏感性分析计算，得到各离散点处各参数的敏感性度量；
构建各参数重要度随时间变化规律曲线，及确定各时间阶段内的参数中的重要参数，方法包括：获得各个参数的重要度随时间变化规律曲线；确定需要进行重要参数确定的时间段，并截取该时间段内所有的参数的重要度曲线；计算截取的重要度曲线的平均值；对各个平均值进行排序，并配置重要度参考比例；根据重要度参考比例确定平均值对应的参数，确定为重要参数。
2.根据权利要求1所述的一种基于全局敏感性分析的参数分析方法，其特征在于，根据时间序列数据设置B样条基函数的基函数数量、阶数及内节点取值，构建B样条基函数。
3.根据权利要求1所述的一种基于全局敏感性分析的参数分析方法，其特征在于，基于指定的时间标记设置翘曲函数的基函数数量、阶数及内节点取值，构建翘曲函数的样条基函数；
基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线的曲线特征按照指定的时间标记对齐。
4.一种基于全局敏感性分析的参数分析装置，其特征在于，包括：输入模块，其用于输入待分析的参数，并在其中抽取敏感性分析样本；
模拟计算模块，其用于调用核安全分析程序执行核反应堆工况模拟计算，并输出所需的时间序列数据，同时指定时间序列数据的时间标记；
第一建模模块，其用于构建B样条基函数，并输出时间序列数据的函数型数据对象；
第二建模模块，其用于构建翘曲函数的样条基函数，并基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线按照时间标记对齐曲线特征；
离散模块，其用于将对齐后的曲线按照时间序列数据进行取值离散，并获取离散点；
分析计算模块，其用于使用全局敏感分析方法对各离散点执行敏感性分析计算，输出离散点处的各参数的敏感性度量；
输出模块，其用于构建各参数重要度随时间变化规律曲线，及确定各时间阶段内的参数中的重要参数；
其中，所述第一建模模块包括：
第一构建模块，其用于根据时间序列数据设置B样条基函数的基函数数量、阶数及内节点取值，构建B样条基函数；
第一计算模块，其用于使用B样条基函数构建输出时间序列数据的函数型数据对象：，其中/>表示时间，/>表示基函数数量，/>表示第/>个基函数的权重值，/>表示第/>个B样条基函数，/>表示内节点取值序列。
5.根据权利要求4所述的一种基于全局敏感性分析的参数分析装置，其特征在于，所述第二建模模块包括：
第二构建模块，其用于基于指定的时间标记设置翘曲函数的基函数数量、阶数及内节点取值，构建翘曲函数的样条基函数；
第二计算模块，其用于基于翘曲函数对函数型数据对象进行配准计算，将输出的各曲线的曲线特征按照指定的时间标记对齐。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述的一种基于全局敏感性分析的参数分析方法的步骤。
7.一种电子设备，其特征在于，包括：至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够：实现如权利要求1-3中任一项所述的一种基于全局敏感性分析的参数分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211047837.2A CN115408859B (zh) | 2022-08-30 | 2022-08-30 | 基于全局敏感性分析的参数分析方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211047837.2A CN115408859B (zh) | 2022-08-30 | 2022-08-30 | 基于全局敏感性分析的参数分析方法、装置、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115408859A CN115408859A (zh) | 2022-11-29 |
| CN115408859B true CN115408859B (zh) | 2023-11-07 |
Family
ID=84162862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211047837.2A Active CN115408859B (zh) | 2022-08-30 | 2022-08-30 | 基于全局敏感性分析的参数分析方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115408859B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110457721A (zh) * | 2018-05-07 | 2019-11-15 | 中国石油化工股份有限公司 | 基于全局参数敏感性分析的化工安全操作域确定方法 |
| CN110472846A (zh) * | 2019-07-30 | 2019-11-19 | 西安交通大学 | 核电厂热工水力安全分析最佳估算加不确定性方法 |
| CN111460672A (zh) * | 2020-04-07 | 2020-07-28 | 中冶南方城市建设工程技术有限公司 | 基于Simulink的水质模型多参数敏感性分析方法 |
| CN113094976A (zh) * | 2021-03-22 | 2021-07-09 | 西安交通大学 | 一种压水堆核电厂蒸汽发生器数据同化方法及系统 |
-
2022
- 2022-08-30 CN CN202211047837.2A patent/CN115408859B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110457721A (zh) * | 2018-05-07 | 2019-11-15 | 中国石油化工股份有限公司 | 基于全局参数敏感性分析的化工安全操作域确定方法 |
| CN110472846A (zh) * | 2019-07-30 | 2019-11-19 | 西安交通大学 | 核电厂热工水力安全分析最佳估算加不确定性方法 |
| CN111460672A (zh) * | 2020-04-07 | 2020-07-28 | 中冶南方城市建设工程技术有限公司 | 基于Simulink的水质模型多参数敏感性分析方法 |
| CN113094976A (zh) * | 2021-03-22 | 2021-07-09 | 西安交通大学 | 一种压水堆核电厂蒸汽发生器数据同化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115408859A (zh) | 2022-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10324989B2 (en) | Microblog-based event context acquiring method and system | |
| CN109325691A (zh) | 异常行为分析方法、电子设备及计算机程序产品 | |
| CN109145464B (zh) | 融合多目标蚁狮优化与迹稀疏正则化的结构损伤识别方法 | |
| CN109543912B (zh) | 基于深度学习的水库最优调度决策模型生成方法 | |
| CN105279397A (zh) | 一种识别蛋白质相互作用网络中关键蛋白质的方法 | |
| CN111611236A (zh) | 一种数据分析方法及系统 | |
| CN111105628A (zh) | 一种停车场画像构建方法和装置 | |
| CN113221362B (zh) | 卫星发射场性能试验科目的选取方法、装置和电子设备 | |
| CN112907026A (zh) | 一种基于可编辑网状指标体系的综合评估方法 | |
| CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
| CN112947080B (zh) | 一种基于场景参数变换的智能决策模型性能评估系统 | |
| CN115408859B (zh) | 基于全局敏感性分析的参数分析方法、装置、介质及设备 | |
| CN111444635B (zh) | 一种基于xml语言的系统动力学仿真建模方法及系统 | |
| CN113793057A (zh) | 一种基于回归分析模型的建筑招投标数据生成方法 | |
| Ozemoi | 1Multicriterion Decision Problems | |
| CN115760486A (zh) | 临建规模评估方法、装置、设备和可读存储介质 | |
| CN114549233A (zh) | 基于lgb算法与arima算法相结合的流动人口预测方法 | |
| CN109858699B (zh) | 水质定量模拟方法、装置、电子设备及存储介质 | |
| CN113139332A (zh) | 一种自动化模型构建方法、装置及设备 | |
| CN116307383B (zh) | 一种基于生态平衡的土地精细化保育改良方法及系统 | |
| Pandit et al. | Damage identification in high-rise buildings using deep learning techniques | |
| CN117056203B (zh) | 一种基于复杂性的数值表达式型蜕变关系选择方法 | |
| JP4463516B2 (ja) | 類似点検索方法 | |
| CN113706006B (zh) | 一种设备生产的资源配置方法、装置、设备及存储介质 | |
| CN114970114A (zh) | 一种基于增强现实的虚拟仿真模型动态优化方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |