Page 72 - 《爆炸与冲击》2026年第5期

第 46 卷 田浩帆，等： 基于PAWN全局敏感性分析与智能优化算法的岩石RHT本构参数反演 第 5 期

计推断，设置重采样次数为 1 000 次；以中位数作为统计量评价指标，并计算其 95% 置信区间，以此评估
敏感性指标的收敛性并进行参数排序。该方法可有效避免极端值对敏感性评估结果的干扰。各参数的
收敛趋势如图 10 所示。

0.6 0.6 0.6 0.6

0.5 0.5 0.5 0.5
0.4 0.4 * 0.4 ) 0.4
D KS (A) 0.3 D KS (N) 0.3 D KS (f s ) 0.3 D KS (f t * 0.3

0.2 0.2 0.2 0.2
0.1 0.1 0.1 0.1
0 0 0 0
0.100 0.825 1.550 2.275 3.000 0.400 0 0.547 5 0.695 0 0.842 5 0.990 0 0.010 0.245 0.480 0.715 0.950 0.010 0.245 0.480 0.715 0.950

Range of A Range of N Range of f s * Range of f t *
0.6 0.6 0.6 0.6
0.5 0.5 0.5 0.5
0.4 0.4 0.4 0.4
D KS (g c ) 0.3 D KS (g t * ) 0.3 D KS (ξ) 0.3 D KS (D 1 ) 0.3
*
0.2
0.2
0.2
0.2
0.1 0.1 0.1 0.1
0 0 0 0 0.01 0.02 0.03 0.04 0.05
0.100 0 0.312 5 0.525 0 0.737 5 0.950 0 0.100 0 0.312 5 0.525 0 0.737 5 0.950 0 0.100 0 0.312 5 0.525 0 0.737 5 0.950 0 Range of D 1
* *
Range of g c Range of g t Range of ξ
0.6 0.6 0.6 0.6
0.5 0.5 0.5 0.5
0.4 0.4 0.4 0.4
D KS (ε p ) m 0.3 D KS (A f ) 0.3 D KS (n f ) 0.3 D KS (p el ) 0.3
0.2
0.2
0.2
0.2
0.1 0.1 0.1 0.1
0 0 0 0
0.01 0.02 0.03 0.04 0.05 0.40 1.05 1.70 2.35 3.00 0.40 1.05 1.70 2.35 3.00 60 120 180 240 300
p Range of p el /MPa
Range of ε m Range of A f Range of n f
0.6 0.6 0.6 0.6
0.5 0.5 0.5 0.5
0.4 0.4 0.4 0.4
D KS (p co ) 0.3 D KS (n) 0.3 D KS (B) 0.3 D KS (Q 0) 0.3
0.2
0.2
0.2
0.2
0.1 0.1 0.1 0.1
0 0 0 0
1.0 2.5 4.0 5.5 7.0 2.00 2.75 3.50 4.25 5.00
Range of p co /GPa Range of n 0.002 1 0.006 3 0.010 5 0.014 7 0.018 9 0.136 0 0.408 2 0.680 5 0.952 7 1.224 9
Range of B Range of Q 0
图 9 区间内各参数的 KS 统计量
Fig. 9 KS statistics for each parameter under different conditions
如图 10 所示，随着全局敏感性分析中模型评估次数的逐步增加，各参数对模型输出的影响程度逐
渐显现出收敛趋势。当评估次数达到 8 000 次时，各参数的中位数及置信区间基本趋于稳定，表明此时
采样规模已满足敏感性分析的稳定性要求，继续增加评估次数对结果影响较小。
采用四分位数分析法 [44-45] 进一步对参数敏感性分级量化，可有效区分不同参数的敏感性差异，该分
级方法确保了敏感性评价的系统性和客观性。基于敏感性排序值的统计分布特征，选取 25%( q 25 = 0.136 )、

051424-12