如何对微分代数方程式进行敏感性分析？

Question

我正在使用JModelica模拟DAE系统，并使用SALib在Python中执行敏感性分析。在我发现的每个示例中，仅使用代数模型而没有动态行为。因此，结果是标量值，并且可以应用灵敏度分析。

DAE模型的解决方案是相对于时间的轨迹，取决于（除了模型参数和输入之外）初始条件。为了减少对标量值的这种相当复杂的解决方案，我执行了以下操作：

• 输入的变化定义为阶跃输入，其中阶跃高度是变化的部分。
• 我定义了具有特定模型参数，输入（步长，请参见前面的要点）和初始条件的参考模拟。
• 所有模型参数和输入台阶高度在参数/输入空间上均发生变化，并且针对每种组合对模型进行仿真。初始条件不变。
• 将每个仿真的结果与使用RMSE的参考仿真的结果进行比较，以获得标量权重。

这种方法有意义吗？也许RMSE扭曲了我的结果，绝对错误是一个更好的选择。另外，我没有改变初始条件。将它们添加到参数空间将使参数空间的尺寸增加5。

通常：在DAE系统上执行灵敏度分析的正确程序是什么？