Académique Documents
Professionnel Documents
Culture Documents
Nous allons maintenant présenter l’analyse de sensibilité de modèles. Pour cela, nous
commencerons par expliquer le principe de l’analyse de sensibilité et son intérêt.
Ensuite, nous illustrerons une méthode particulière qui est la méthode de Morris.
1
Analyse de sensibilité : principe
Pour rappel dans ce module, nous considérons le modèle comme une “boîte noire”.
C’est-à-dire que l’on ne s’intéresse pas aux équations mais qu’on utilise le modèle
comme un outil qui permet à partir de variables d’entrées et de paramètres de
produire des sorties qui sont nos variables d’intérêt. En tirant aléatoirement des
valeurs de paramètres puis en simulant le modèle avec les valeurs tirées
aléatoirement, on obtient une distribution de la variable de sortie, c’est ce que l’on
appelle la propagation des incertitudes des paramètres sur la variable de sortie. On
peut alors chercher à imputer la variabilité de cette sortie à chacun des paramètres,
ce qui permet, par exemple, d’identifier quel paramètre est le plus influent sur la
sortie.
2
Analyse de sensibilité : principe
3
Méthode de Morris
Paramètre 1
Paramètre 2
4
4
Méthode de Morris
∗
| | | |
3
Paramètre 1
, ,| |)
∗
| | | |
3
, ,| |
Paramètre 2
5
Au final les indices de sensibilité calculés sont mu* qui représentent la moyenne des
effets élémentaires et peuvent être utilisés pour comparer la contribution des 2
paramètres. Et les indices sigma qui sont les écarts type des effets élémentaires et qui
représentent les non linéarités du modèle ainsi que les intéractions entre les
paramètres.
5
Méthode de Morris
Paramètre 1
Paramètre 2
Paramètre 1
Paramètre 2
6
6
7
Nous venons d’illustrer une méthode en particulier qui est la méthode de Morris,
mais il en existe d’autres, et en particulier les méthodes basées sur la décomposition
de la variance de Sobol, qui sont fondées sur des propriétés mathématiques mieux
établies. Ce diagramme qualitatif propose de choisir une méthode en fonction du
temps que l’on dispose, donné en nombre de simulation et des propriétés supposées
du modèle. Une possibilité, par exemple, est d’utiliser dans une première étape des
méthodes de Morris pour analyser un grand nombre de paramètres et d’utiliser des
méthodes de Sobol pour analyser plus finement le comportement de paramètres
identifiés comme les plus influents lors de la première étape.
7
Choix de la méthode
Outils:
Package R sur le CRAN : “sensitivity”
8
Cette ressource pédagogique a été réalisée par un collectif de scientifiques : Jacques-Eric Bergez, Julie Constantin, Stéphane Couture, Patrice Loisel, Hélène Raynal,
Rodolphe Sabatier, Masoomeh Taghipoor, Ronan Trepos
10.15454/gks9-cm84