• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >A graph-based factor screening method for synchronous data flow simulation models.
【24h】

A graph-based factor screening method for synchronous data flow simulation models.

机译：基于图的因素筛选方法用于同步数据流仿真模型。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This thesis develops a method for identifying important input factors in large system dynamics models from an analysis based on those models' underlying structures. The identification of important input factors is commonly called factor screening and is a key step in the analysis of simulation models with many input parameters. Models under investigation are system dynamics models implemented as synchronous data flow programs, a model of computation that requires encoding the model components' dependencies in a graph format. The developed method views this graph as a stochastic process and attempts to rank the importance of inputs, or source nodes, with respect to an output, or non-source node. This ranking is accomplished primarily through the use of weighted random-walks through the graph. A comparison is made against other factor screening techniques, including fractional factorial experiments. The presented structure-based method is found to be comparably accurate to statistical factor screen experiments at magnitude order ranking. Run time of the developed method compared against a resolution III fractional factorial design is found to be similar for small models, and significantly faster for large models.
机译：本文提出了一种基于大型模型动力学模型基础结构的分析方法，来识别大型系统动力学模型中的重要输入因子。重要输入因子的识别通常称为因子筛选，是分析具有许多输入参数的仿真模型的关键步骤。研究中的模型是作为同步数据流程序实现的系统动力学模型，这是一种计算模型，需要以图形格式对模型组件的依存关系进行编码。开发的方法将此图视为随机过程，并尝试对输入或源节点相对于输出或非源节点的重要性进行排名。该排名主要是通过在图表中使用加权随机游走来完成的。与其他因子筛选技术（包括分数阶乘实验）进行了比较。发现所提出的基于结构的方法在量级排序时与统计因子筛选实验相当准确。发现与分辨率III分数阶乘设计相比，所开发方法的运行时间在小型模型中相似，而在大型模型中则明显更快。

著录项

  • 作者

    Tauer, Gregory W.;

  • 作者单位

    Rochester Institute of Technology.;

  • 授予单位 Rochester Institute of Technology.;
  • 学科 Engineering Industrial.;Engineering System Science.
  • 学位 M.S.
  • 年度 2009
  • 页码 127 p.
  • 总页数 127
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 一般工业技术;系统科学;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号