Vous pouvez essayer l'un des outils fournis ici . Ce sont des solutions matlab, du code très agréable et des méthodes modernes. Tout d'abord, je vous suggère d'essayer les outils graphiques de la bibliothèque pour donner un sens aux données.
Comme vous n'avez pas fourni de détails sur ce dont vous avez besoin, voici quelques commentaires sur les méthodes impliquées:
Analyse de sensibilité globale . L'analyse de sensibilité globale est l'étude de la façon dont l'incertitude dans la sortie d'un modèle (numérique ou autre) peut être répartie entre différentes sources d'incertitude dans l'entrée du modèle. Global pourrait être une spécification inutile ici, sans le fait que la plupart des analyses rencontrées dans la littérature sont locales ou un facteur à la fois.
Analyse Monte-Carlo (ou basée sur des échantillons) . L'analyse de Monte Carlo (MC) est basée sur la réalisation de plusieurs évaluations avec des entrées de modèle sélectionnées au hasard, puis sur l'utilisation des résultats de ces évaluations pour déterminer à la fois l'incertitude dans les prédictions du modèle et la répartition des facteurs d'entrée de leur contribution à cette incertitude. Une analyse MC implique la sélection de plages et de distributions pour chaque facteur d'entrée; génération d'un échantillon à partir des plages et des distributions spécifiées dans la première étape; évaluation du modèle pour chaque élément de l'échantillon; analyse d'incertitude et analyse de sensibilité.
Méthodologie de surface de réponse . Cette procédure est basée sur le développement d'une approximation de la surface de réponse au modèle considéré. Cette approximation est ensuite utilisée comme substitut du modèle original dans l'analyse d'incertitude et de sensibilité. L'analyse implique la sélection de plages et de distributions pour chaque facteur d'entrée, le développement d'un plan expérimental définissant les combinaisons de valeurs de facteurs sur lesquelles évaluer le modèle, les évaluations du modèle, la construction d'une approximation de la surface de réponse au modèle original, l'analyse de l'incertitude et analyse de sensibilité.
Conceptions de dépistage . Le filtrage des facteurs peut être utile dans un premier temps lorsqu'il s'agit d'un modèle contenant un grand nombre de facteurs d'entrée (des centaines). Par facteur d'entrée, nous entendons toute quantité qui peut être modifiée dans le modèle avant son exécution. Il peut s'agir d'un paramètre de modèle, d'une variable d'entrée ou d'un scénario de modèle. Souvent, seuls quelques-uns des facteurs d'entrée et des regroupements de facteurs ont un effet significatif sur la sortie du modèle.
Local (analyse différentielle) . Local SA étudie l'impact des facteurs d'entrée sur le modèle localement, c'est-à-dire à un certain point fixe dans l'espace des facteurs d'entrée. La SA locale est généralement réalisée en calculant des dérivées partielles des fonctions de sortie par rapport aux variables d'entrée (analyse différentielle). Afin de calculer la dérivée numériquement, les paramètres d'entrée sont modifiés dans un petit intervalle autour d'une valeur nominale. L'intervalle n'est pas lié à notre degré de connaissance des variables et est généralement le même pour toutes les variables.
FORM-SORM . FORM et SORM sont des méthodes utiles lorsque l'analyste n'est pas intéressé par l'ampleur de Y (et donc sa variation potentielle) mais par la probabilité que Y dépasse une certaine valeur critique. La contrainte (Y-Ycrit <0) détermine une hyper-surface dans l'espace des facteurs d'entrée, X. La distance minimale entre un point de conception pour X et l'hyper-surface est la quantité d'intérêt.
Bonne chance!